本文将演示如何在 groovy 中高效地根据共同键（如 `coveragetype`）对 map 列表进行分组，并将其重构为父子层级结构。通过利用 groovy 强大的 `groupby` 和 `collect` 方法，文章将展示如何将每个唯一的键作为父级，并将其相关的项组织成子列表，从而实现清晰的数据组织。
在数据处理和转换过程中，我们经常会遇到这样的需求：给定一个扁平化的数据列表，其中每个元素都是一个 Map，我们需要根据某个特定的键（例如，一个分类字段）将这些 Map 进行分组，并将属于同一组的所有 Map 作为子项归集到该组对应的父项之下。这种数据重构有助于提升数据的可读性和组织性，尤其是在构建报告或 API 响应时。
初始数据结构
假设我们有一个 fakeList，它包含了一系列保险覆盖记录，每条记录都以 Map 的形式存储，包含 coverageType、amount 和 expireDate 等信息：
def fakeList = [
[coverageType: 'health', amount: 9, expireDate: 2020],
[coverageType: 'insurance', amount: 10, expireDate: 2020],
[coverageType: 'health', amount: 9, expireDate: 2021],
]我们的目标是根据 coverageType 字段对这些记录进行分组，并将其重构为如下所示的父子层级结构：
[
[
parent: 'health',
children: [
[coverageType: 'health', amount: '9', expireDate: '2020'],
[coverageType: 'health', amount: '9', expireDate: '2021'],
]
],
[
parent: 'insurance',
children: [
[coverageType: 'insurance', amount: '10', expireDate: '2020']
]
]
]Groovy 解决方案：利用 groupBy 和 collect
Groovy 提供了强大的集合操作方法，特别是 groupBy 和 collect，它们能够以简洁且高效的方式实现这种复杂的数据重构。
1. 使用 groupBy 进行初步分组
首先，我们可以利用 groupBy 方法根据 coverageType 键对 fakeList 中的元素进行分组。groupBy 方法会返回一个 Map，其中键是 coverageType 的唯一值，而对应的值是包含所有匹配项的列表。
def groupedData = fakeList.groupBy { it.coverageType }
/*
`groupedData` 的结构将类似于：
[
health:[[coverageType:health, amount:9, expireDate:2020], [coverageType:health, amount:9, expireDate:2021]],
insurance:[[coverageType:insurance, amount:10, expireDate:2020]]
]
*/2. 使用 collect 重构为目标结构
接下来，我们遍历 groupedData 的每个键值对（即每个分组），并使用 collect 方法将其转换为我们期望的父子结构。对于每个分组，我们将分组的键（coverageType）作为新 Map 的 parent 字段的值，并将该分组下的所有原始项列表作为 children 字段的值。在构建 children 列表时，我们可以选择性地转换数据类型（例如，将数字转换为字符串）或调整子项内部的键名。
def restructuredList = groupedData.collect { coverageType, items ->
def parentMap = [:]
parentMap.parent = coverageType
parentMap.children = items.collect { item ->
// 确保子项的数据类型和键名符合预期
[
coverageType: item.coverageType,
amount: item.amount as String, // 将数值转换为字符串
expireDate: item.expireDate as String // 将数值转换为字符串
]
}
parentMap
}完整代码示例
将上述步骤整合，得到完整的 Groovy 代码如下：
def fakeList = [
[coverageType: 'health', amount: 9, expireDate: 2020],
[coverageType: 'insurance', amount: 10, expireDate: 2020],
[coverageType: 'health', amount: 9, expireDate: 2021],
]
def restructuredList = fakeList.groupBy { it.coverageType }
.collect { coverageType, items ->
def parentMap = [:]
parentMap.parent = coverageType
parentMap.children = items.collect { item ->
// 根据需求调整子项的结构和数据类型
[
coverageType: item.coverageType,
amount: item.amount as String,
expireDate: item.expireDate as String
]
}
parentMap
}
println restructuredList输出结果
运行上述代码，将得到以下符合预期的结构，其中父级键为 parent，子项列表键为 children，子项内部键为 coverageType、amount 和 expireDate：
[
[parent:health, children:[[coverageType:health, amount:9, expireDate:2020], [coverageType:health, amount:9, expireDate:2021]]],
[parent:insurance, children:[[coverageType:insurance, amount:10, expireDate:2020]]]
]注意事项与最佳实践
- Groovy 集合方法的强大： groupBy 和 collect 是 Groovy 处理集合转换的强大工具。它们提供了声明式、简洁的方式来表达复杂的数据操作，相比于传统的循环和条件判断，代码更易读、更高效。
- 避免冗余的 Java Stream API： 尽管 Groovy 可以与 Java Stream API 互操作，但在 Groovy 环境中，通常有更简洁、更符合 Groovy 习惯的集合操作方法，如本例所示，可以避免引入不必要的复杂性。
- 数据类型转换的灵活性： 在重构数据时，经常需要对原始数据进行类型转换（例如，将数字 amount 和 expireDate 转换为字符串）。Groovy 的 as 关键字提供了方便的类型转换机制。
- 结构定制化： collect 闭包内部提供了极大的灵活性，可以根据具体需求定制子项的结构，包括选择性地包含或排除字段、重命名字段，甚至执行更复杂的数据处理逻辑。
总结
本文详细阐述了如何在 Groovy 中利用 groupBy 和 collect 这两个核心集合方法，高效地将扁平化的 Map 列表重构为具有父子层级关系的结构。这种模式在处理聚合和转换数据时非常实用，能够显著提高代码的简洁性、可读性和维护性。掌握这些 Groovy 特性对于任何需要进行数据处理和转换的开发者来说都至关重要。
