接触Lambda表达式的时候,第一感觉就是,这个是啥?我居然看不懂,于是开始寻找资料,必须弄懂它。
先来看一个案例:
@FunctionalInterface
public interface MyLamda {
void test1(String y);
}
import demo.knowledgepoints.Lambda.inf.MyLamda; public class LambdaTest {
public static void main(String[] args) {
MyLamda m = (y) ->{ System.out.println("ss"+y);};
m.test1("s");
}
}
运行结果:
非Lambda方式:
import demo.knowledgepoints.Lambda.inf.MyLamda; public class MyLamdaIml implements MyLamda {
@Override
public void test1(String y) {
System.out.println("ss"+y);
} public static void main(String[] args) {
MyLamdaIml myLamdaIml = new MyLamdaIml();
myLamdaIml.test1("s");
}
}
运行结果:
对比一下这两种方式:明显感觉使用Lambda表达式的更加简洁,由Java8引入,让我们一起来看看Lambda表达式的优点和不足。
1. Lambda表达式 语法:() -> {}; 通过上述案例我们看出,这个语法,就是替代了一个实现类和实现类中方法。
() 里面y为入参,{} 为方法体,类名被隐藏,方法名被隐藏。
2. Lambda表达式,接口(MyLamda)只能有且只有一个抽象方法。同时通过注解@FunctionalInterface可以做到编译的时候校验抽象方法,
不满足要求,给出编译报错。
3. (y) 可以写成 (String y), {}里面可以省略 return。并且当方法中只有一行代码时,{} 也可以省略 ;() 里面只有一个参数() 也可以省略,
最简写法 y -> System.out.println("ss"+y);
知道Lambda表达式的概念,就要结合实际情况来使用。
案例:
Java的Runable接口 有注解@FunctionalInterface。
@FunctionalInterface
public interface Runnable {
/**
* When an object implementing interface <code>Runnable</code> is used
* to create a thread, starting the thread causes the object's
* <code>run</code> method to be called in that separately executing
* thread.
* <p>
* The general contract of the method <code>run</code> is that it may
* take any action whatsoever.
*
* @see java.lang.Thread#run()
*/
public abstract void run();
}
于是:
public class LambdaTest {
public static void main(String[] args) {
Runnable runnable = () -> System.out.println("线程启动");
Thread thread = new Thread(runnable);
thread.start();
}
}
运行结果:
import java.util.Arrays;
import java.util.List; public class LambdaTest {
public static void main(String[] args) {
System.out.println("Java 8之前:---------------------------------------------");
List<String> features = Arrays.asList("Lambdas", "Default Method", "Stream API", "Date and Time API");
for (String feature : features) {
System.out.println(feature);
}
System.out.println("Java 8之后:---------------------------------------------");
List features1 = Arrays.asList("Lambdas", "Default Method", "Stream API", "Date and Time API");
features1.forEach(n -> System.out.println(n));
System.out.println("使用Java 8的方法引用更方便,方法引用由::双冒号操作符标示,看起来像C++的作用域解析运算符");
features1.forEach(System.out::println);
}
}
运行结果:
Java8引入函数式编程,还提供了一个强大的工具类: java.util.function,该类非常适合对集合数据做过滤操作。
案例:
import java.util.Arrays;
import java.util.List;
import java.util.function.Predicate; public class LambdaTest {
public static void main(String[] args) {
List<String> languages = Arrays.asList("Java", "Scala", "C++", "Haskell", "Lisp"); System.out.println("第一个字符是J的字符串:");
filter(languages, (str)->str.startsWith("J")); System.out.println("最后一个字符是a的字符串:");
filter(languages, (str)->str.endsWith("a")); System.out.println("打印全部:");
filter(languages, (str)->true); System.out.println("都不打印:");
filter(languages, (str)->false); System.out.println("打印字符串长度超过4:");
filter(languages, (str)->str.length() > 4); } public static void filter(List<String> names, Predicate<String> condition) {
for(String name: names) {
if(condition.test(name)) {
System.out.print(name + " ");
}
}
System.out.println();
}
}
运行结果:
java.util.function.Predicate 允许将两个或更多的 Predicate 合成一个。它提供类似于逻辑操作符AND和OR的方法,名字叫做and()和or(),用于将传入 filter() 方法的条件合并起来。
案例:
import java.util.Arrays;
import java.util.List;
import java.util.function.Predicate; public class LambdaTest {
public static void main(String[] args) {
List<String> names = Arrays.asList("Java", "Scala", "C++", "Haskell", "Lisp");
// 甚至可以用and()、or()逻辑函数来合并Predicate,
// 例如要找到所有以J开始,长度为四个字母的名字,你可以合并两个Predicate并传入
Predicate<String> startsWithJ = (n) -> n.startsWith("J");
Predicate<String> fourLetterLong = (n) -> n.length() == 4;
names.stream().filter(startsWithJ.and(fourLetterLong))
.forEach((n) -> System.out.print("字符串开头为“J” 且 字符长度等于4:" + n)); }
}
运行结果:
函数式编程概念map,改变元素值。
案例:
import java.util.Arrays;
import java.util.List; public class LambdaTest {
public static void main(String[] args) {
// 使用lambda表达式
List<Integer> costBeforeTax = Arrays.asList(100, 200, 300, 400, 500);
costBeforeTax.stream().map((cost) -> cost + .12*cost).forEach(n -> System.out.print(n+"; "));
System.out.println();
double bill = costBeforeTax.stream().map((cost) -> cost + .12*cost).reduce((sum, cost) -> sum + cost).get();
System.out.println("Total : " + bill);
}
}
运行结果:
案例:(filter 将满足条件的数据组成新的List)
import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors; public class LambdaTest {
public static void main(String[] args) {
List<String> strList = Arrays.asList("abc","bcd","defg","jk");
List<String> filtered = strList.stream().filter(x -> x.length()> 2).collect(Collectors.toList());
System.out.printf("原List : %s, 新list : %s", strList, filtered);
}
}
运行结果:
案例:(map() 对元素进行转化,distinct() 方法来对集合进行去重)
import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors; public class LambdaTest {
public static void main(String[] args) {
List<String> G7 = Arrays.asList("USA", "Japan", "France", "Germany", "Italy", "U.K.","Canada");
String G7Countries = G7.stream().map(x -> x.toUpperCase()).collect(Collectors.joining(", "));
System.out.println(G7Countries); List<Integer> numbers = Arrays.asList(9, 10, 3, 4, 7, 3, 4);
List<Integer> distinct = numbers.stream().map( i -> i*i).distinct().collect(Collectors.toList());
System.out.printf("原List : %s, 平方后的新List : %s", numbers, distinct);
}
}
运行结果:
案例:(最大,最小,和,平均)
import java.util.Arrays;
import java.util.IntSummaryStatistics;
import java.util.List; public class LambdaTest {
public static void main(String[] args) {
//获取数字的个数、最小值、最大值、总和以及平均值
List<Integer> primes = Arrays.asList(2, 3, 5, 7, 11, 13, 17, 19, 23, 29);
IntSummaryStatistics stats = primes.stream().mapToInt((x) -> x).summaryStatistics();
System.out.println("List的最大值: " + stats.getMax());
System.out.println("List的最小值: " + stats.getMin());
System.out.println("List的之和: " + stats.getSum());
System.out.println("List的平均值: " + stats.getAverage());
} }
运行结果:
总结:
lambda表达式:
1. 简化代码。
2. 对集合操作方便。
缺点:
1. 局限强,不易进行复杂操作。
2. 调试不方便,出现问题,很难排查。
3. 数据量小,性能极差(慎用)。