package com.example.demo;
import java.util.ArrayList;
import java.util.List;
import static java.util.stream.Collectors.toList;
/**
* @author xuezj
* @date 2022/8/10 16:38
*/
public class Test {
public static void main(String[] args) {
List<String> list1 = new ArrayList<>();
list1.add("1");
list1.add("2");
list1.add("3");
list1.add("5");
list1.add("6");
List<String> list2 = new ArrayList<>();
list2.add("2");
list2.add("3");
list2.add("7");
list2.add("8");
System.out.print("List1-->");
list1.parallelStream().forEachOrdered(System.out::print);
System.out.println();
System.out.print("List2-->");
list2.parallelStream().forEachOrdered(System.out::print);
System.out.println();
// 交集
List<String> intersection = list1.stream().filter(item -> list2.contains(item)).collect(toList());
System.out.print("交集-->");
intersection.parallelStream().forEach(System.out::print);
System.out.println();
// 差集 (list1 - list2)
List<String> reduce1 = list1.stream().filter(item -> !list2.contains(item)).collect(toList());
System.out.print("差集(list1 - list2)-->");
reduce1.parallelStream().forEach(System.out::print);
System.out.println();
// 差集 (list2 - list1)
List<String> reduce2 = list2.stream().filter(item -> !list1.contains(item)).collect(toList());
System.out.print("差集(list2 - list1)-->");
reduce2.parallelStream().forEach(System.out::print);
System.out.println();
// 并集
List<String> listAll = list1.parallelStream().collect(toList());
List<String> listAll2 = list2.parallelStream().collect(toList());
listAll.addAll(listAll2);
System.out.print("并集-->");
listAll.parallelStream().forEachOrdered(System.out::print);
System.out.println();
// 去重并集
List<String> listAllDistinct = listAll.stream().distinct().collect(toList());
System.out.print("并集去重-->");
listAllDistinct.parallelStream().forEachOrdered(System.out::print);
}
}
输出结果:
List1-->12356
List2-->2378
交集-->32
差集(list1 - list2)-->561
差集(list2 - list1)-->87
并集-->123562378
并集去重-->1235678
该代码示例展示了如何使用Java Stream API来计算两个列表的交集、差集(list1-list2和list2-list1)以及并集,并去除并集中的重复元素。通过filter和collect方法,实现了集合的高效处理。
7900

被折叠的 条评论
为什么被折叠?



