freemarker中的list

<#list mapkeys as key>

<#list map[key] as item1>

<#list item1as item2>

</#list>

</#list>

</#list>

第一阶段：Java语言基础

★ Java语言基础

1、面向对象思维JAVASE

2、（类加载机制与反射，annotation，泛型，网络编程，多线程，IO，异常处理，常用API，面向对象，JAVA编程基础）

3、Java8新特性

JAVA战狼班第二阶段：数据库

★ 数据库

1、Oracle（SQL语句、SQL语句原理、SQL语句优化、表、视图

2、序列、索引、Oracle数据字典、Oracle 数据库PL/SQL开发

3、数据库设计原则、 MySQL 、 JDBC

第三阶段：Web基础

★ Web基础

1、HTML5（H5）基本文档结构、链接、列表、表格、表单;

2、CSS 基础语法、盒子模型、浮动布局、定位;

3、JavaScript语言基础、DOM 编程、事件模型等），JQuery，AJAX框架，XML，BootStrap组件

第四阶段：Java Web技术和主流框架

★ Java Web技术和主流框架

1、JSP&Servlet、struts2，hibernate4，spring4，JPA，maven

2、SpringData，SpringMVC，MyBatis，SpringSecurity，shiro，Nginx

第五阶段：Linux

★ Linux

1、Linux安装、熟悉Linux的基础命令、vi编辑器的使用、awk和sed命令使用、用户和组

2、文件及目录权限管理、使用ACL进行高级访问控制、网络配置和软件包安装、启动流程和服务管理

3、系统监控和日志管理、进程管理和计划任务、ssh远程登录、shell基础和shell脚本。

第六阶段：大数据技术（Hadoop和Spark）

★ 大数据技术（Hadoop和Spark）

1、Hadoop （Hadoop基础和环境搭建，HDFS体系结构，MapReduce；Hadoop的集群模式、HDFS联盟，利用ZooKeeper来实现Hadoop集群的HA（高可用性）功能

2、Yarn的任务调度机制，Apache Hive，Pig数据处理，集成Hadoop和Sqoop

3、Flume以及Apache Kafka来实现数据的交换,安装部署HBase,Storm）

4、Scala 语言（Scala环境搭建、Scala基础语法、模式匹配、重载与构造器、Map与reduce、元组、继承、StringContext，Option Some None，Tuple；集合方法和运算，future 对象同步处理和异步处理返回结果）

5、Spark（Spark搭建，Spark-shell 的使用，Spark-submit 提交应用， Spark的内核设计和实现，并对内核中的实现架构、运行原理进行详细的讲解；Spark生态体系中的各个组件，包括：Spark Core，Shark，Spark SQL和Spark Streaming等等）

第七阶段：项目

★ 项目

1、China-UCSP 项目 SSM(Spring+SpringMVC+MyBatis)

2、用户关系管理系统 S2SH+Maven+Nodejs+MySQL技术实战开发

3、电子商务交易平台 S2SH+Maven+Shiro+Oracle

我们在创建线程并启动时可以使用匿名内部类的写法：

可以使用Lambda的格式对其进行修改。修改后如下：

现有方法定义如下，其中IntBinaryOperator是一个接口。先使用匿名内部类的写法调用该方法。

Lambda写法：

现有方法定义如下，其中IntPredicate是一个接口。先使用匿名内部类的写法调用该方法。

Lambda写法：

现有方法定义如下，其中Function是一个接口。先使用匿名内部类的写法调用该方法。

Lambda写法：

现有方法定义如下，其中IntConsumer是一个接口。先使用匿名内部类的写法调用该方法。

Lambda写法：

Java8的Stream使用的是函数式编程模式，如同它的名字一样，它可以被用来对集合或数组进行链状流式的 *** 作。可以更方便的让我们对集合或数组 *** 作。

我们可以调用getAuthors方法获取到作家的集合。现在需要打印所有年龄小于18的作家的名字，并且要注意去重。

单列集合： 集合对象stream()

数组：Arraysstream(数组)或者使用Streamof来创建

双列集合：转换成单列集合后再创建

可以对流中的元素进行条件过滤，符合过滤条件的才能继续留在流中。

例如：

打印所有姓名长度大于1的作家的姓名

可以把对流中的元素进行计算或转换。

例如：

打印所有作家的姓名

可以去除流中的重复元素。

例如：

打印所有作家的姓名，并且要求其中不能有重复元素。

注意：distinct方法是依赖Object的equals方法来判断是否是相同对象的。所以需要注意重写equals方法。

可以对流中的元素进行排序。

例如：

对流中的元素按照年龄进行降序排序，并且要求不能有重复的元素。

注意：如果调用空参的sorted()方法，需要流中的元素是实现了Comparable。

可以设置流的最大长度，超出的部分将被抛弃。

例如：

对流中的元素按照年龄进行降序排序，并且要求不能有重复的元素,然后打印其中年龄最大的两个作家的姓名。

跳过流中的前n个元素，返回剩下的元素

例如：

打印除了年龄最大的作家外的其他作家，要求不能有重复元素，并且按照年龄降序排序。

map只能把一个对象转换成另一个对象来作为流中的元素。而flatMap可以把一个对象转换成多个对象作为流中的元素。

例一：

打印所有书籍的名字。要求对重复的元素进行去重。

例二：

打印现有数据的所有分类。要求对分类进行去重。不能出现这种格式：哲学,爱情

对流中的元素进行遍历 *** 作，我们通过传入的参数去指定对遍历到的元素进行什么具体 *** 作。

例子：

输出所有作家的名字

可以用来获取当前流中元素的个数。

例子：

打印这些作家的所出书籍的数目，注意删除重复元素。

可以用来或者流中的最值。

例子：

分别获取这些作家的所出书籍的最高分和最低分并打印。

把当前流转换成一个集合。

例子：

获取一个存放所有作者名字的List集合。

获取一个所有书名的Set集合。

获取一个Map集合，map的key为作者名，value为List

可以用来判断是否有任意符合匹配条件的元素，结果为boolean类型。

例子：

判断是否有年龄在29以上的作家

可以用来判断是否都符合匹配条件，结果为boolean类型。如果都符合结果为true，否则结果为false。

例子：

判断是否所有的作家都是成年人

可以判断流中的元素是否都不符合匹配条件。如果都不符合结果为true，否则结果为false

例子：

判断作家是否都没有超过100岁的。

获取流中的任意一个元素。该方法没有办法保证获取的一定是流中的第一个元素。

例子：

获取任意一个年龄大于18的作家，如果存在就输出他的名字

获取流中的第一个元素。

例子：

获取一个年龄最小的作家，并输出他的姓名。

对流中的数据按照你指定的计算方式计算出一个结果。（缩减 *** 作）

reduce的作用是把stream中的元素给组合起来，我们可以传入一个初始值，它会按照我们的计算方式依次拿流中的元素和初始化值进行计算，计算结果再和后面的元素计算。

reduce两个参数的重载形式内部的计算方式如下：

其中identity就是我们可以通过方法参数传入的初始值，accumulator的apply具体进行什么计算也是我们通过方法参数来确定的。

例子：

使用reduce求所有作者年龄的和

使用reduce求所有作者中年龄的最大值

使用reduce求所有作者中年龄的最小值

reduce一个参数的重载形式内部的计算

如果用一个参数的重载方法去求最小值代码如下：

我们在编写代码的时候出现最多的就是空指针异常。所以在很多情况下我们需要做各种非空的判断。

例如：

尤其是对象中的属性还是一个对象的情况下。这种判断会更多。

而过多的判断语句会让我们的代码显得臃肿不堪。

所以在JDK8中引入了Optional,养成使用Optional的习惯后你可以写出更优雅的代码来避免空指针异常。

并且在很多函数式编程相关的API中也都用到了Optional，如果不会使用Optional也会对函数式编程的学习造成影响。

Optional就好像是包装类，可以把我们的具体数据封装Optional对象内部。然后我们去使用Optional中封装好的方法 *** 作封装进去的数据就可以非常优雅的避免空指针异常。

我们一般使用 Optional 的 静态方法ofNullable 来把数据封装成一个Optional对象。无论传入的参数是否为null都不会出现问题。

你可能会觉得还要加一行代码来封装数据比较麻烦。但是如果改造下getAuthor方法，让其的返回值就是封装好的Optional的话，我们在使用时就会方便很多。

而且在实际开发中我们的数据很多是从数据库获取的。Mybatis从35版本可以也已经支持Optional了。我们可以直接把dao方法的返回值类型定义成Optional类型，MyBastis会自己把数据封装成Optional对象返回。封装的过程也不需要我们自己 *** 作。

如果你 确定一个对象不是空 的则可以使用 Optional 的 静态方法of 来把数据封装成Optional对象。

但是一定要注意，如果使用of的时候传入的参数必须不为null。（尝试下传入null会出现什么结果）

如果一个方法的返回值类型是Optional类型。而如果我们经判断发现某次计算得到的返回值为null，这个时候就需要把null封装成Optional对象返回。这时则可以使用 Optional 的 静态方法empty 来进行封装。

所以最后你觉得哪种方式会更方便呢？ ofNullable

我们获取到一个Optional对象后肯定需要对其中的数据进行使用。这时候我们可以使用其 ifPresent 方法对来消费其中的值。

这个方法会判断其内封装的数据是否为空，不为空时才会执行具体的消费代码。这样使用起来就更加安全了。

例如,以下写法就优雅的避免了空指针异常。

如果我们想获取值自己进行处理可以使用get方法获取，但是不推荐。因为当Optional内部的数据为空的时候会出现异常。

如果我们期望安全的获取值。我们不推荐使用get方法，而是使用Optional提供的以下方法。

我们可以使用filter方法对数据进行过滤。如果原本是有数据的，但是不符合判断，也会变成一个无数据的Optional对象。

我们可以使用isPresent方法进行是否存在数据的判断。如果为空返回值为false,如果不为空，返回值为true。但是这种方式并不能体现Optional的好处， 更推荐使用ifPresent方法 。

Optional还提供了map可以让我们的对数据进行转换，并且转换得到的数据也还是被Optional包装好的，保证了我们的使用安全。

例如我们想获取作家的书籍集合。

只有一个抽象方法 的接口我们称之为函数接口。

JDK的函数式接口都加上了 @FunctionalInterface 注解进行标识。但是无论是否加上该注解只要接口中只有一个抽象方法，都是函数式接口。

我们在使用lambda时，如果方法体中只有一个方法的调用的话（包括构造方法）,我们可以用方法引用进一步简化代码。

我们在使用lambda时不需要考虑什么时候用方法引用，用哪种方法引用，方法引用的格式是什么。我们只需要在写完lambda方法发现方法体只有一行代码，并且是方法的调用时使用快捷键尝试是否能够转换成方法引用即可。

当我们方法引用使用的多了慢慢的也可以直接写出方法引用。

类名或者对象名::方法名

其实就是引用类的静态方法

如果我们在重写方法的时候，方法体中 只有一行代码 ，并且这行代码是 调用了某个类的静态方法 ，并且我们把要重写的 抽象方法中所有的参数都按照顺序传入了这个静态方法中 ，这个时候我们就可以引用类的静态方法。

例如：

如下代码就可以用方法引用进行简化

注意，如果我们所重写的方法是没有参数的，调用的方法也是没有参数的也相当于符合以上规则。

优化后如下：

如果我们在重写方法的时候，方法体中 只有一行代码 ，并且这行代码是 调用了某个对象的成员方法 ，并且我们把要重写的 抽象方法中所有的参数都按照顺序传入了这个成员方法中 ，这个时候我们就可以引用对象的实例方法

例如：

优化后：

如果我们在重写方法的时候，方法体中 只有一行代码 ，并且这行代码是 调用了第一个参数的成员方法 ，并且我们把要 重写的抽象方法中剩余的所有的参数都按照顺序传入了这个成员方法中 ，这个时候我们就可以引用类的实例方法。

例如：

优化后如下：

如果方法体中的一行代码是构造器的话就可以使用构造器引用。

如果我们在重写方法的时候，方法体中 只有一行代码 ，并且这行代码是 调用了某个类的构造方法 ，并且我们把 要重写的抽象方法中的所有的参数都按照顺序传入了这个构造方法中 ，这个时候我们就可以引用构造器。

例如：

优化后：

我们之前用到的很多Stream的方法由于都使用了泛型。所以涉及到的参数和返回值都是引用数据类型。

即使我们 *** 作的是整数小数，但是实际用的都是他们的包装类。JDK5中引入的自动装箱和自动拆箱让我们在使用对应的包装类时就好像使用基本数据类型一样方便。但是你一定要知道装箱和拆箱肯定是要消耗时间的。虽然这个时间消耗很下。但是在大量的数据不断的重复装箱拆箱的时候，你就不能无视这个时间损耗了。

所以为了让我们能够对这部分的时间消耗进行优化。Stream还提供了很多专门针对基本数据类型的方法。

例如：mapToInt,mapToLong,mapToDouble,flatMapToInt,flatMapToDouble等。

当流中有大量元素时，我们可以使用并行流去提高 *** 作的效率。其实并行流就是把任务分配给多个线程去完全。如果我们自己去用代码实现的话其实会非常的复杂，并且要求你对并发编程有足够的理解和认识。而如果我们使用Stream的话，我们只需要修改一个方法的调用就可以使用并行流来帮我们实现，从而提高效率。

parallel方法可以把串行流转换成并行流。

也可以通过parallelStream直接获取并行流对象。

你是否已经对每次从Map中取得关键字然后再取得相应的值感觉厌倦？使用MapEntry类，你可以得到在同一时间得到所有的信息。

标准的Map访问方法如下：

Set keys = mapkeySet（ ）；

if（keys != null） {

Iterator iterator = keysiterator（ ）；

while（iteratorhasNext（ ）） {

Object key = iteratornext（ ）；

Object value = mapget（key）；

;…

;}

}

然后，这个方法有一个问题。从Map中取得关键字之后，我们必须每次重复返回到Map中取得相对的值，这是很繁琐和费时的。

幸运的是，这里有一个更加简单的途径。Map类提供了一个称为entrySet（）的方法，这个方法返回一个MapEntry实例化后的对象集。

接着，MapEntry类提供了一个getKey（）方法和一个getValue（）方法，因此，上面的代码可以被组织得更符合逻辑。举例如下：

Set entries = mapentrySet（ ）；

if（entries != null） {

Iterator iterator = entriesiterator（ ）；

while（iteratorhasNext（ ）） {

MapEntry entry =iteratornext（ ）；

Object key = entrygetKey（ ）；

Object value = entrygetValue（）；

;…

}

}

尽管增加了一行代码，我们却省略了许多对Map不必要的"get"调用。同时，提供给开发人员一个同时保持了关键字和其对应的值的类。MapEntry同时也提供了一个setValue（）方法，程序员可以使用它修改map里面的值。

Hashtable内部排列的方式是散列排布，所以当输出信息时会是无序的。为了能保证输出的数据按照顺序排列，不要渴望用java自带的函数来对

Hashtable对象进行调整处理。当我们获取Hashtable里的KEY和VALUE时，一般都运行了MapEntry类来转换，好，现在就用这

个类来作文章，我具体写了一个方法。

代码：

/

方法名称：getSortedHashtable

参数：Hashtable h 引入被处理的散列表

描述：将引入的hashtableentrySet进行排序，并返回

/

public static MapEntry[] getSortedHashtable（Hashtable h）{

Set set = hentrySet（）；

MapEntry[] entries = （MapEntry[]）settoArray（new MapEntry[setsize（）]）；

Arrayssort（entries,new Comparator（）{

public int compare（Object arg0, Object arg1） {

Object key1 = （（MapEntry）arg0）。getKey（）；

Object key2 = （（MapEntry）arg1）。getKey（）；

return （（Comparable）key1）。compareTo（key2）；

}

}）；

return entries;

}

调用这个方法：

MapEntry[] set = getSortedHashtable（t）；

//perportyTable

for （int i=0;i<setlength;i++）{

Systemoutprintln（set[i]getKey（）。toString（））；

Systemoutprintln（set[i]getValue（）。toString（））；

}

以上就是关于freemarker中的list全部的内容，包括:freemarker中的list、JAVA基础入门教程 －、函数式编程-Lambda与Stream等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！