当前位置: 首页 > news >正文

flatMap 介绍及作用

在 Java 中,flatMapStream API(Java 8+)中的一个重要方法,用于将嵌套的集合结构“扁平化”,或者将多个流合并为一个流。它的核心思想是**“先映射(Map),后扁平化(Flatten)”**。


1. flatMap 的核心作用

  • 解决嵌套集合问题:当数据源是嵌套结构(如 List<List<T>>)时,flatMap 可以将嵌套的集合“打平”成单层流。
  • 一对多映射:将每个元素转换为多个新元素,并将所有结果合并成一个新的流。

2. flatMap vs. map

  • map:将每个元素映射为另一个元素,结果仍是一一对应。

    List<String> words = Arrays.asList("Hello", "World");
    List<Integer> lengths = words.stream()
                                 .map(s -> s.length()) // 转换为每个字符串的长度
                                 .collect(Collectors.toList());
    // 结果:[5, 5]
    
  • flatMap:将每个元素映射为一个流,并将所有流合并为一个流。

    List<List<Integer>> nestedList = Arrays.asList(
        Arrays.asList(1, 2),
        Arrays.asList(3, 4)
    );
    List<Integer> flatList = nestedList.stream()
        .flatMap(list -> list.stream()) // 将每个 List<Integer> 转换为流,合并所有流
        .collect(Collectors.toList());
    // 结果:[1, 2, 3, 4]
    

3. 经典使用场景

场景 1:拆分字符串并合并
List<String> lines = Arrays.asList("Hello World", "Java Programming");
List<String> words = lines.stream()
    .flatMap(line -> Arrays.stream(line.split(" "))) // 拆分每个字符串为单词流
    .collect(Collectors.toList());
// 结果:["Hello", "World", "Java", "Programming"]
场景 2:处理嵌套集合
List<List<String>> nestedLists = Arrays.asList(
    Arrays.asList("A", "B"),
    Arrays.asList("C", "D")
);
List<String> mergedList = nestedLists.stream()
    .flatMap(Collection::stream) // 等价于 list -> list.stream()
    .collect(Collectors.toList());
// 结果:["A", "B", "C", "D"]
场景 3:Optional 的 flatMap
Optional<String> optionalValue = Optional.of("Hello");
Optional<Character> firstChar = optionalValue
    .flatMap(s -> s.isEmpty() ? Optional.empty() : Optional.of(s.charAt(0)));
// 结果:Optional['H']

4. 底层原理

  • flatMap 接收一个函数(Function<T, Stream<R>>),该函数将每个元素转换为一个流。
  • 所有生成的流会被合并成一个最终的流。
  • 如果某个元素映射后返回 null 或空流,它会被自动忽略。

5. 注意事项

  • 避免深度嵌套:过度使用 flatMap 可能导致代码可读性下降。
  • 延迟执行:与所有流操作一样,flatMap 是延迟执行的,只有在终止操作(如 collect)触发时才会处理数据。
  • 并行流兼容flatMap 可以安全用于并行流,但需确保函数是线程安全的。

6. 总结

  • 用途:解决嵌套集合、一对多映射、流合并。
  • 核心逻辑map + flatten(映射后扁平化)。
  • 适用场景:处理复杂数据结构(如 JSON 嵌套、数据库关联查询结果)时非常高效。

如果结合 Java 的 Stream APIflatMap 能让代码更简洁且更具表达力。

http://www.dtcms.com/a/98165.html

相关文章:

  • C#连接sqlite数据库实现增删改查
  • 大模型最新面试题系列:微调篇之微调框架(二)
  • AI赋能python数据处理、分析与预测操作流程
  • Vue背景介绍+声明式渲染+数据响应式
  • 基于Baklib的云内容中台落地实践
  • JMeter运行日志详细分析
  • Kafka Stream从入门到精通:构建高吞吐、低延迟的实时流处理应用
  • 力扣.旋转矩阵Ⅱ
  • sqli-labs靶场 less6
  • Android 串口配置
  • 双磁条线跟踪控制
  • LJF-Framework 第12章 LjfFilter拦截器设计
  • hbuilderx打包iOS上传苹果商店的最简流程
  • AI坦克智能决策:MOE模型的动态专家协作与加权融合
  • Python自动化模块:开启高效编程新时代
  • 乘AI之势,劲吹正能量之风:生成式人工智能(GAI)认证引领新时代
  • AudioFlinger与AudioPoliceManager初始化流程
  • unity客户端面试高频2(自用)
  • Redis底层数据结构实现
  • Python 科学计算
  • QML输入控件:Dial外观深度定制(4)
  • angr基础学习
  • 基于改进粒子群算法的多目标分布式电源选址定容规划(附带Matlab代码)
  • 【区块链安全 | 第十篇】智能合约概述
  • Unity编辑器功能及拓展(1) —特殊的Editor文件夹
  • Linux 一键安装 Docker 的万能脚本
  • python和c中作用域的差异
  • Windows 系统中使用 fnm 安装 Node.js 的完整指南
  • 为什么idea显示数据库连接成功,但操作数据库时,两边数据不同步
  • Vite 开发服务器存在任意文件读取漏洞