数据处理中常见的需求是将列表中的元素按照某个共同属性进行分组，并重新组织成更具层次感的结构，例如父子关系。这在处理复杂数据集时尤为重要，能够提高数据的可读性和可维护性。groovy提供了一系列强大的集合操作方法，能够以简洁高效的方式完成此类任务。
问题场景与挑战
假设我们有一个包含多个Map的列表，每个Map代表一个具有不同属性的数据项。我们的目标是根据其中一个特定属性（例如coverageType）将这些数据项进行分组，并将相同coverageType的数据项聚合到一个“子列表”中，最终形成一个包含“父”信息和“子”列表的结构。
考虑以下原始数据列表：
def fakeList = [
[coverageType: 'health', amount: 9, expireDate: 2020],
[coverageType: 'insurance', amount: 10, expireDate: 2020],
[coverageType: 'health', amount: 9, expireDate: 2021],
]我们期望的输出结构是这样的：
[
[
parent: 'health',
children: [
[
coverageType: 'health',
amount: '9',
expireDate: '2020'
],
[
coverageType: 'health',
amount: '9',
expireDate: '2021'
],
]
],
[
parent: 'insurance',
children: [
[
coverageType: 'insurance',
amount: '10',
expireDate: '2020'
]
]
],
]在尝试实现这种结构时，开发者可能会遇到一些挑战。例如，如果错误地使用putAll等方法，可能会导致数据被覆盖而非正确聚合，从而无法得到预期的父子结构。
Groovy解决方案：groupBy与collect组合
Groovy为处理集合数据提供了非常便利且富有表达力的方法。解决上述问题的核心在于巧妙地结合使用groupBy和collect这两个方法。
- groupBy方法：此方法用于将集合中的元素按照指定的闭包（closure）进行分组。它返回一个Map，其中键是闭包的返回值（即分组标准），值是一个包含所有符合该标准的原始元素的列表。
- collect方法：此方法用于遍历一个集合，并对每个元素应用一个闭包，将闭包的返回值收集到一个新的列表中。
通过先使用groupBy进行初步分组，然后使用collect将分组结果转换成我们所需的父子结构，可以高效地实现目标。
示例代码与详细解析
下面是实现上述数据重构的Groovy代码：
def fakeList = [
[coverageType: 'health', amount: 9, expireDate: 2020],
[coverageType: 'insurance', amount: 10, expireDate: 2020],
[coverageType: 'health', amount: 9, expireDate: 2021],
]
def groupedAndStructuredList = fakeList.groupBy { it.coverageType } // 第一步：按 coverageType 分组
.collect { coverageType, items -> // 第二步：遍历分组结果并重构
def parentChildMap = [:] // 创建一个Map来存储父子结构
parentChildMap.'parent' = coverageType // 设置父键
parentChildMap.'children' = items.collect { item -> // 为子列表进行转换
def childMap = [:] // 创建子项的Map
childMap.'coverageType' = item.coverageType
childMap.'amount' = item.amount as String // 将 amount 转换为字符串
childMap.'expireDate' = item.expireDate as String // 将 expireDate 转换为字符串
childMap // 返回子项Map
}
parentChildMap // 返回完整的父子结构Map
}
println groupedAndStructuredList代码解析：
-
fakeList.groupBy { it.coverageType }:
- 这是第一步，对fakeList进行分组。闭包{ it.coverageType }指定了分组的依据是每个Map中的coverageType键的值。
- 此操作会生成一个中间Map，例如：
[ health: [ [coverageType: 'health', amount: 9, expireDate: 2020], [coverageType: 'health', amount: 9, expireDate: 2021] ], insurance: [ [coverageType: 'insurance', amount: 10, expireDate: 2020] ] ]
-
.collect { coverageType, items -> ... }:
- 接下来，我们对groupBy返回的Map执行collect操作。collect方法在这里接收两个参数：coverageType（即分组的键，如'health'或'insurance'）和items（即该键对应的原始数据项列表）。
- 对于每一个分组，我们创建一个新的parentChildMap。
- parentChildMap.'parent' = coverageType：将当前分组的键（coverageType）赋值给parent。
- parentChildMap.'children' = items.collect { item -> ... }：这是关键部分。我们再次对当前分组的items列表执行collect操作，以构建children列表。
- 内部的collect闭包遍历每个原始数据项item。
- def childMap = [:]：为每个子项创建一个新的Map。
- childMap.'coverageType' = item.coverageType：复制原始coverageType。
- childMap.'amount' = item.amount as String：将amount值转换为字符串类型并赋值。
- childMap.'expireDate' = item.expireDate as String：将expireDate值转换为字符串类型并赋值。
- 最终返回childMap，这些childMap组成了children列表。
输出结果展示
运行上述代码，将得到以下符合预期的结构化输出：
[
[parent:health, children:[
[coverageType:health, amount:9, expireDate:2020],
[coverageType:health, amount:9, expireDate:2021]
]],
[parent:insurance, children:[
[coverageType:insurance, amount:10, expireDate:2020]
]]
]变体：子项不含键的结构
如果需求是children列表中只包含值（例如，['health', '9', '2020']），而非键值对Map，只需修改内部的collect闭包即可：
def groupedAndStructuredListWithoutKeys = fakeList.groupBy { it.coverageType }
.collect { coverageType, items ->
def parentChildMap = [:]
parentChildMap.'parent' = coverageType
parentChildMap.'children' = items.collect { item ->
// 直接返回一个列表，包含所需的值
[item.coverageType, item.amount as String, item.expireDate as String]
}
parentChildMap
}
println groupedAndStructuredListWithoutKeys这将产生如下输出：
[
[parent:health, children:[
[health, 9, 2020],
[health, 9, 2021]
]],
[parent:insurance, children:[
[insurance, 10, 2020]
]]
]注意事项与最佳实践
- Groovy的简洁性：groupBy和collect等方法体现了Groovy在处理集合方面的强大和简洁。使用它们可以避免编写冗长的循环和条件判断。
- 函数式编程风格：这种链式调用和使用闭包的方式是Groovy函数式编程风格的体现，它使得代码更具可读性和可维护性。
- 数据类型转换：在示例中，我们将amount和expireDate转换为String类型（as String）。在实际应用中，请根据目标数据结构和后续处理需求，选择合适的数据类型。
- 错误处理：对于更复杂的场景，可能需要考虑输入数据为空或不符合预期格式的情况，添加适当的错误处理逻辑。
- 性能：对于非常大的数据集，这些集合操作通常是高效的，因为它们在底层进行了优化。然而，在极端性能敏感的场景下，仍需进行基准测试。
总结
通过巧妙结合Groovy的groupBy和collect方法，我们可以高效、简洁地将一个包含Map的列表按照指定键进行分组，并重构为清晰的父子结构。这种模式在数据聚合、报表生成以及将扁平数据转换为层次结构数据等多种场景中都非常有用，是Groovy开发者工具箱中不可或缺的技能。
