Collectors.mapping 用于分组后对下游元素做映射转换，必须嵌套在 groupingBy 等分组收集器中作为 downstream 参数，仅作用于 value 集合中的每个元素，不改变 key 或分组逻辑，可结合 toList、averagingDouble、filtering 等实现转换+聚合、过滤或封装，需注意空值处理与类型安全。
使用 Collectors.mapping 实现分组后的二次变量转换与逻辑处理，核心在于：它不是独立使用的收集器，而是配合 Collectors.groupingBy（或其他分组/聚合收集器）嵌套使用，用于对分组后的“下游元素”提前做映射转换，再交由下游收集器进一步处理。
明确 mapping 的作用位置：只作用于分组后的 value 集合中的每个元素
Collectors.mapping 必须作为 groupingBy 的第二个参数（即 downstream 收集器）传入。它不会改变 key，也不会影响分组逻辑，只负责把每个匹配到该 key 的原始元素，先“转成另一个对象或值”，再交给真正的下游收集器（如 toList()、summingInt()、collectingAndThen() 等）处理。
例如：
Map<String, List<Integer>> nameToLengths = list.stream()
.collect(Collectors.groupingBy(
Person::getName, // 分组 key：姓名
Collectors.mapping(Person::getAge, Collectors.toList()) // 对每个 Person 先取 age，再收集为 List<Integer>
));
这里 mapping(Person::getAge, toList()) 表示：对每个同名的 Person，先提取其 age 字段，再把所有 age 值收集为 List<integer></integer> —— 这就是典型的“分组后二次转换”。
结合下游收集器实现逻辑处理：不只是转换，还能聚合、过滤、封装
mapping 的真正威力，在于它可以和任意下游收集器组合，完成更复杂的逻辑。常见组合方式包括：
-
转换 + 聚合计算：如统计每组的平均年龄、最大薪资、总工龄等。
Collectors.mapping(Person::getSalary, Collectors.averagingDouble(Double::doubleValue)) -
转换 + 条件过滤 + 收集：先映射再用
filtering（需注意 Java 12+ 才支持 filtering 作为下游），或配合collectingAndThen做后处理。
Collectors.mapping(p -> p.getAge() > 18 ? p.getName() : null, Collectors.filtering(Objects::nonNull, Collectors.toList())) -
转换 + 封装为新对象：把原始元素映射为 DTO 或 Summary，再收集为 List 或 Set。
Collectors.mapping(p -> new NameAgeSummary(p.getName(), p.getAge()), Collectors.toList()) -
转换 + 去重或计数：
Collectors.mapping(Person::getDepartment, Collectors.toSet())→ 每组去重部门集合Collectors.mapping(p -> 1, Collectors.summingInt(Integer::intValue))→ 等价于counting()
注意空值与类型安全：避免 NPE 和 ClassCastException
mapping 中的函数（如 Person::getAge）如果返回 null，而下游收集器不支持 null（如 summingInt），就会抛 NullPointerException。安全做法包括：
- 在映射函数中做空值判断并提供默认值：
p -> Optional.ofNullable(p.getAge()).orElse(0) - 用
Collectors.collectingAndThen在最后统一处理结果，例如过滤掉 null：Collectors.collectingAndThen(Collectors.mapping(...), list -> list.stream().filter(Objects::nonNull).collect(Collectors.toList())) - 确保映射后的类型与下游收集器期望类型一致（如
summingInt要求int，别传String）
替代方案对比：什么时候不用 mapping？
如果转换逻辑复杂、涉及多字段或需上下文判断，强行塞进 mapping 会让代码难读。此时更适合：
- 先
map再groupingBy：适合整个流统一预处理； - 用
groupingBy(keyMapper, collectingAndThen(mapping(...), downstream))做两层包装； - 直接在 downstream 中用
reducing或自定义Collector.of实现复杂逻辑。
简单说：mapping 是轻量级“字段投影”，不是“业务逻辑处理器”。用对场景，事半功倍；滥用则易错且难维护。
