Java流：如何按关键字分组？

我有一个文本文件，看起来像

Group: A 
12
27 
14 
Group: B 
68
10 
42
79
Group: D
...

我想计算每组数字列表的统计数据

问题：有没有一种好的方法可以用Java流实现这一点

注意：我知道，给定一个

IntStream

，可以通过应用方法

summaryStatistics

获得统计信息。我的问题是，我不知道如何将关键字“group:”下面的元素分组

补充：关于有些奇怪的评论：没有流，问题可以通过

   String group = null;  
   boolean first = true; 
   List<String> lines = Files.readAllLines(path); 
   for (String s: lines) { 
     if (s.startsWith("Group:") { 
       if (!first) { 
         System.out.println(group + " sum: " + sum); 
       }  
       first = false; 
       group = s; 
       sum = 0; 
     } else { 
       sum += Integer.parseInt(s.strip()); 
     }
   }
   System.out.println(group + " sum: " + sum); 

字符串组=null；
布尔值优先=真；
列表行=文件。readAllLines（路径）；
对于（字符串s:行）{
如果（s.startsWith（“组：”）{
如果（！first）{
System.out.println（组+“总和：”+sum）；
}  
第一个=假；
组=s；
总和=0；
}否则{
sum+=Integer.parseInt（s.strip（））；
}
}
System.out.println（组+“总和：”+sum）；

试试这个。我把数据放在一个数组中进行演示

        String[] vals = {
                "Group: A ",
                "12       ",
                "27       ",
                "14       ",
                "Group: B ",
                "68       ",
                "10       ",
                "42       ",
                "79       ",
                "Group: D ",
                "10       ",
                "20       ",
                "30       ", 
                "18       ",
                "12       "
                };

在映射中对数据进行分组很简单，只需捕获

组

标记，然后将值添加到该标记的

列表

值中。在处理之前，数据会被删除空白，并将适当的字符串转换为整数。 由于数据的异步性，我想不出一种更简洁的方法，其他人可能会有更好的想法

        Map<String, List<Integer>> map = new HashMap<>();


        List<Integer> numbs = null;
        for (String v : vals) {
            v = v.trim();
            if (v.startsWith("Group")) {
                // add a new List and save its reference
                map.put(v, numbs = new ArrayList<>());
            } else {
                // add using current object
                numbs.add(Integer.valueOf(v));
            }
        }

如上所述，流不适用于有状态操作。但是，串行处理可以将每组的多行转换为每组一行，因此（

src/temp.txt

）：

变成这样：

Group:A 12 27 14
Group:B 68 10 42 79
Group:D 98 187 894 67
Group:G 3 3
Group:G 5 5

在

String

的

列表中，通过在每个
组前面添加换行符：X
，修剪所有空格，然后连接所有字符串。然后，您可以以无状态方式流式处理列表，并将每个组映射到
IntSummaryStatistics
：

import java.util.List；
导入java.util.Map；
导入java.util.stream.collector；
导入java.util.stream.IntStream；
导入java.util.IntSummaryStatistics；
导入java.nio.file.Files；
导入java.nio.file.Path；
导入java.io.IOException；
公共类堆栈溢出测试{
公共静态void main（字符串[]args）{
Path Path=Path.of（“src/temp.txt”）；
试一试{
//通过向匹配组特征的字符串添加换行符来转换字符串
列表转换=
Files.readAllLines（路径）
.stream（）
.map（s->s.matches（“^[a-zA-Z]*：*”）？
“\n”+s.replace（“，”）：s.trim（））
.collect（collector.joining（“”）//一个长字符串
.lines（）//根据换行符拆分
.skip（1）//不需要第一个空行
.collect（Collectors.toList（））；
System.out.println（“转换列表：\n”+转换）；
System.out.println（）；
//使用各自的IntSummaryStatistics将转换后的列表映射到各个组
地图摘要=
转化
.stream（）
.map（s->s.split（\\s”））
.collect（Collectors.toMap（s->s[0]，//第一个索引是组
s->IntStream.range（1，s.length）
.map（i->Integer.parseInt（s[i]））
.summaryStatistics（），
（a，b）->{a.combine（b）；返回a；}
)
);
System.out.println（“映射统计信息：\n”+mapSummary）；
}捕获（IOEX异常）{
System.out.println（“Oops:+ex”）；
}
}
}

结果（被添加的换行符欺骗）：

这需要一个有状态函子。我会在
collect（）中使用一个
ing，但我不记得有状态函子在流API中是否合法。为什么使用downvote？实践中有许多类似的文本文件。正如所解释的，使用循环写下解决方案是很简单的。但我希望有一个更简单的流解决方案。这就是问题的原因，这个原因显然是错误的在标题（“Java stream”）和问题（“使用Java streams执行此操作”）。根据这一点，函子需要是无状态的，也就是说，在我看来，不能仅使用流。您可能需要首先使用普通循环（或其他库）将
映射中的元素分组，然后对条目进行流式处理。
Group: A=IntSummaryStatistics{count=3, sum=53, min=12, average=17.666667, max=27}
Group: B=IntSummaryStatistics{count=4, sum=199, min=10, average=49.750000, max=79}
Group: D=IntSummaryStatistics{count=5, sum=90, min=10, average=18.000000, max=30}


Group: A 
12
27 
14 
Group: B 
68
10 
42
79
Group: D
98
187
894
67
Group: G
3
3
Group: G
5
5

Group:A 12 27 14
Group:B 68 10 42 79
Group:D 98 187 894 67
Group:G 3 3
Group:G 5 5

Transformed list:
[Group:A 12 27 14 , Group:B 68 10 42 79 , Group:D 98 187 894 67 , Group:G 3 3 , Group:G 5 5]

Mapping statistics:
{
Group:B=IntSummaryStatistics{count=4, sum=199, min=10, average=49.750000, max=79},
Group:A=IntSummaryStatistics{count=3, sum=53, min=12, average=17.666667, max=27},
Group:G=IntSummaryStatistics{count=4, sum=16, min=3, average=4.000000, max=5},
Group:D=IntSummaryStatistics{count=4, sum=1246, min=67, average=311.500000, max=894}
}