引言：将扁平化字符串数据转换为结构化Map
在日常开发中，我们经常需要处理格式化的字符串数据，并将其转换为更易于操作的结构。一个常见场景是将一个包含多组键值对的字符串，转换为map
String data = "010$$fengtai,010$$chaoyang,010$$haidain,027$$wuchang,027$$hongshan,027$$caidan,021$$changnin,021$$xuhui,020$$tianhe";
我们的目标是将其转换为如下所示的Map结构：
{
027=[wuchang, hongshan, caidan],
020=[tianhe],
010=[fengtai, chaoyang, haidain],
021=[changnin, xuhui]
}其中，$$前的部分作为Map的键（Key），$$后的部分作为Map中对应键的List值（Value）。
传统迭代方式的实现与局限
在Java 8之前，或者对于不熟悉Stream API的开发者来说，通常会采用传统的迭代方式来实现这一转换。其基本思路是先按逗号分隔，再按$$分隔，然后手动遍历并构建Map。
import java.util.ArrayList;
import java.util.Arrays;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;
public class DataProcessor {
private Map> parseParametersByIterate(String sensors) {
// 第一步：按逗号分隔，并进一步按$$分隔成String[]数组
List dataList = Arrays.stream(sensors.split(","))
.map(s -> s.split("\\$\\$"))
.collect(Collectors.toList());
// 第二步：遍历String[]列表，手动构建Map
Map> resultMap = new HashMap<>();
for (String[] d : dataList) {
String key = d[0];
String value = d[1];
// 检查Map中是否已存在该Key
List list = resultMap.get(key);
if (list == null) {
// 如果不存在，则创建新的List并添加值
list = new ArrayList<>();
list.add(value);
resultMap.put(key, list);
} else {
// 如果存在，则直接向现有List中添加值
list.add(value);
}
}
return resultMap;
}
// ... 其他代码 ...
} 这种方法虽然功能上可行，但代码量相对较大，且命令式编程风格使得逻辑不够简洁明了。尤其是在需要进行复杂数据转换时，代码的可读性和维护性会逐渐降低。
立即学习“Java免费学习笔记（深入）”；
使用Java Stream API进行优化
Java 8引入的Stream API提供了一种更声明式、更简洁的方式来处理集合数据。我们可以利用Collectors.groupingBy和Collectors.mapping这两个强大的收集器（Collector）来实现上述需求，将多步操作合并为一条Stream链。
1. Collectors.groupingBy与Collectors.mapping的组合应用
Collectors.groupingBy是Stream API中用于分组的核心收集器。它允许我们根据一个分类函数（classifier function）将Stream中的元素分组到一个Map中。其最简单的形式是groupingBy(Function classifier)，它会创建一个Map
然而，我们的需求是Map的值不是原始的String，而是经过进一步处理（即$$后的部分）的String列表。这时就需要groupingBy的第二个参数：一个“下游收集器”（downstream collector）。下游收集器会在分组完成后，对每个组内的元素再进行一次收集操作。Collectors.mapping就是这样一个理想的下游收集器，它允许我们对每个组内的元素应用一个映射函数（mapper function），然后将映射后的结果收集起来。
结合这两个收集器，我们可以构建如下的Stream操作：
import java.util.Arrays;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;
public class DataProcessor {
public Map> parseParametersWithStream(String data) {
return Arrays.stream(data.split(",")) // 第一步：将原始字符串按逗号分隔成Stream
.collect(Collectors.groupingBy(
s -> s.split("\\$\\$")[0], // 分类函数：以"$$"前的部分作为Key
Collectors.mapping(
s -> s.split("\\$\\$")[1], // 映射函数：以"$$"后的部分作为Value
Collectors.toList() // 下游收集器：将映射后的Value收集到List中
)
));
}
public static void main(String[] args) {
String data = "010$$fengtai,010$$chaoyang,010$$haidain,027$$wuchang,027$$hongshan,027$$caidan,021$$changnin,021$$xuhui,020$$tianhe";
DataProcessor processor = new DataProcessor();
Map> result = processor.parseParametersWithStream(data);
System.out.println(result);
// 预期输出: {027=[wuchang, hongshan, caidan], 020=[tianhe], 021=[changnin, xuhui], 010=[fengtai, chaoyang, haidain]}
}
} 这段代码通过一个Stream链完成了所有的数据转换。groupingBy负责根据键进行分组，而mapping则负责在每个组内部，将原始的字符串元素映射成我们真正想要的值，并最终通过toList()收集成一个列表。
2. 性能优化：避免重复的字符串拆分
在上述解决方案中，对于Stream中的每个元素s（例如 "010$$fengtai"），我们调用了两次s.split("\\$\\$")：一次在groupingBy的分类函数中获取键，另一次在mapping的映射函数中获取值。这种重复的字符串拆分操作可能会带来不必要的性能开销，尤其是在处理大量数据时。
为了提高效率，我们可以在分组之前，先对Stream中的每个元素进行一次拆分，将其转换为一个String[]数组。这样，后续的键和值的提取就直接通过数组索引完成，避免了重复的字符串拆分。
import java.util.Arrays;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;
public class DataProcessor {
public Map> parseParametersWithOptimizedStream(String data) {
return Arrays.stream(data.split(",")) // 第一步：将原始字符串按逗号分隔成Stream
.map(s -> s.split("\\$\\$")) // 第二步：将每个"key$$value"字符串拆分成String[]数组，Stream
.collect(Collectors.groupingBy(
sArray -> sArray[0], // 分类函数：使用String[]的第一个元素作为Key
Collectors.mapping(
sArray -> sArray[1], // 映射函数：使用String[]的第二个元素作为Value
Collectors.toList() // 下游收集器：将映射后的Value收集到List中
)
));
}
public static void main(String[] args) {
String data = "010$$fengtai,010$$chaoyang,010$$haidain,027$$wuchang,027$$hongshan,027$$caidan,021$$changnin,021$$xuhui,020$$tianhe";
DataProcessor processor = new DataProcessor();
Map> result = processor.parseParametersWithOptimizedStream(data);
System.out.println(result);
// 预期输出: {027=[wuchang, hongshan, caidan], 020=[tianhe], 021=[changnin, xuhui], 010=[fengtai, chaoyang, haidain]}
}
} 通过在collect操作之前增加一个.map(s -> s.split("\\$\\$"))中间操作，我们确保了每个原始字符串只被拆分一次。这个优化在处理大量数据时尤其重要，能够显著提升性能。
总结与注意事项
使用Java Stream API结合Collectors.groupingBy和Collectors.mapping是处理此类数据转换问题的优雅且高效的方式。
- 简洁性与可读性：Stream API以声明式的方式表达数据处理逻辑，使得代码更加简洁，意图更加清晰。
- 功能强大：groupingBy和mapping的组合提供了高度的灵活性，能够应对复杂的分组和映射需求。
- 性能优化：通过合理地组织Stream操作（例如预先拆分字符串），可以避免重复计算，进一步提升性能。
注意事项：
- 空值和异常处理：在实际应用中，需要考虑split操作可能产生的空值或数组越界异常（例如，如果原始字符串中存在不符合key$$value格式的部分）。可以使用filter操作提前过滤掉不符合条件的元素，或者在map和groupingBy的lambda表达式中加入异常处理逻辑。
- 正则表达式的转义：分隔符$$在正则表达式中具有特殊含义，因此需要使用"\\$\\$"进行转义。
- Map的类型：groupingBy默认会返回一个HashMap。如果需要特定类型的Map（如TreeMap以保持键的排序），可以使用groupingBy的第三个重载形式：groupingBy(classifier, mapFactory, downstreamCollector)。
通过掌握这些Stream API的技巧，开发者可以更高效、更优雅地处理各种数据转换任务，提升代码质量和开发效率。
