溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這期內容當中小編將會給大家?guī)碛嘘PJava8中Stream的特性有哪些，文章內容豐富且以專業(yè)的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。
1.初識stream
先來一個總綱：
東西就是這么多啦，stream是java8中加入的一個非常實用的功能，最初看時以為是io中的流（其實一點關系都沒有），讓我們先來看一個小例子感受一下：
@Before
public void init() {
random = new Random();
stuList = new ArrayList<Student>() {
{
for (int i = 0; i < 100; i++) {
add(new Student("student" + i, random.nextInt(50) + 50));
}
}
};
}
public class Student {
private String name;
private Integer score;
//-----getters and setters-----
}
//1列出班上超過85分的學生姓名，并按照分數(shù)降序輸出用戶名字
@Test
public void test1() {
List<String> studentList = stuList.stream()
.filter(x->x.getScore()>85)
.sorted(Comparator.comparing(Student::getScore).reversed())
.map(Student::getName)
.collect(Collectors.toList());
System.out.println(studentList);
}列出班上分數(shù)超過85分的學生姓名，并按照分數(shù)降序輸出用戶名字，在java8之前我們需要三個步驟：
1）新建一個List<Student> newList，在for循環(huán)中遍歷stuList，將分數(shù)超過85分的學生裝入新的集合中
2）對于新的集合newList進行排序操作
3）遍歷打印newList
這三個步驟在java8中只需要兩條語句，如果緊緊需要打印，不需要保存新生產(chǎn)list的話實際上只需要一條，是不是非常方便。
2.stream的特性
我們首先列出stream的如下三點特性，在之后我們會對照著詳細說明
1.stream不存儲數(shù)據(jù)
2.stream不改變源數(shù)據(jù)
3.stream的延遲執(zhí)行特性
通常我們在數(shù)組或集合的基礎上創(chuàng)建stream，stream不會專門存儲數(shù)據(jù)，對stream的操作也不會影響到創(chuàng)建它的數(shù)組和集合,對于stream的聚合、消費或收集操作只能進行一次，再次操作會報錯，如下代碼：
@Test
public void test1(){
Stream<String> stream = Stream.generate(()->"user").limit(20);
stream.forEach(System.out::println);
stream.forEach(System.out::println);
}
程序在正常完成一次打印工作后報錯。
stream的操作是延遲執(zhí)行的，在列出班上超過85分的學生姓名例子中，在collect方法執(zhí)行之前，filter、sorted、map方法還未執(zhí)行，只有當collect方法執(zhí)行時才會觸發(fā)之前轉換操作
看如下代碼：
public boolean filter(Student s) {
System.out.println("begin compare");
return s.getScore() > 85;
}
@Test
public void test() {
Stream<Student> stream = Stream.of(stuArr).filter(this::filter);
System.out.println("split-------------------------------------");
List<Student> studentList = stream.collect(toList());
}我們將filter中的邏輯抽象成方法，在方法中加入打印邏輯，如果stream的轉換操作是延遲執(zhí)行的，那么split會先打印，否則后打印，代碼運行結果為
可見stream的操作是延遲執(zhí)行的。
TIP：
當我們操作一個流的時候，并不會修改流底層的集合（即使集合是線程安全的），如果想要修改原有的集合，就無法定義流操作的輸出。
由于stream的延遲執(zhí)行特性，在聚合操作執(zhí)行前修改數(shù)據(jù)源是允許的。
List<String> wordList;
@Before
public void init() {
wordList = new ArrayList<String>() {
{
add("a");
add("b");
add("c");
add("d");
add("e");
add("f");
add("g");
}
};
}
/**
* 延遲執(zhí)行特性，在聚合操作之前都可以添加相應元素
*/
@Test
public void test() {
Stream<String> words = wordList.stream();
wordList.add("END");
long n = words.distinct().count();
System.out.println(n);
}最后打印的結果是8
如下代碼是錯誤的
/**
* 延遲執(zhí)行特性，會產(chǎn)生干擾
* nullPointException
*/
@Test
public void test2(){
Stream<String> words1 = wordList.stream();
words1.forEach(s -> {
System.out.println("s->"+s);
if (s.length() < 4) {
System.out.println("select->"+s);
wordList.remove(s);
System.out.println(wordList);
}
});
}結果報空指針異常
3.創(chuàng)建stream
1）通過數(shù)組創(chuàng)建
/**
* 通過數(shù)組創(chuàng)建流
*/
@Test
public void testArrayStream(){
//1.通過Arrays.stream
//1.1基本類型
int[] arr = new int[]{1,2,34,5};
IntStream intStream = Arrays.stream(arr);
//1.2引用類型
Student[] studentArr = new Student[]{new Student("s1",29),new Student("s2",27)};
Stream<Student> studentStream = Arrays.stream(studentArr);
//2.通過Stream.of
Stream<Integer> stream1 = Stream.of(1,2,34,5,65);
//注意生成的是int[]的流
Stream<int[]> stream2 = Stream.of(arr,arr);
stream2.forEach(System.out::println);
}2）通過集合創(chuàng)建流
/**
* 通過集合創(chuàng)建流
*/
@Test
public void testCollectionStream(){
List<String> strs = Arrays.asList("11212","dfd","2323","dfhgf");
//創(chuàng)建普通流
Stream<String> stream = strs.stream();
//創(chuàng)建并行流
Stream<String> stream1 = strs.parallelStream();
}3）創(chuàng)建空的流
@Test
public void testEmptyStream(){
//創(chuàng)建一個空的stream
Stream<Integer> stream = Stream.empty();
}
4）創(chuàng)建無限流
@Test
public void testUnlimitStream(){
//創(chuàng)建無限流，通過limit提取指定大小
Stream.generate(()->"number"+new Random().nextInt()).limit(100).forEach(System.out::println);
Stream.generate(()->new Student("name",10)).limit(20).forEach(System.out::println);
}5）創(chuàng)建規(guī)律的無限流
/**
* 產(chǎn)生規(guī)律的數(shù)據(jù)
*/
@Test
public void testUnlimitStream1(){
Stream.iterate(0,x->x+1).limit(10).forEach(System.out::println);
Stream.iterate(0,x->x).limit(10).forEach(System.out::println);
//Stream.iterate(0,x->x).limit(10).forEach(System.out::println);與如下代碼意思是一樣的
Stream.iterate(0, UnaryOperator.identity()).limit(10).forEach(System.out::println);
}4.對stream的操作
1）最常使用
map：轉換流，將一種類型的流轉換為另外一種流
/**
* map把一種類型的流轉換為另外一種類型的流
* 將String數(shù)組中字母轉換為大寫
*/
@Test
public void testMap() {
String[] arr = new String[]{"yes", "YES", "no", "NO"};
Arrays.stream(arr).map(x -> x.toLowerCase()).forEach(System.out::println);
}filter：過濾流，過濾流中的元素
@Test
public void testFilter(){
Integer[] arr = new Integer[]{1,2,3,4,5,6,7,8,9,10};
Arrays.stream(arr).filter(x->x>3&&x<8).forEach(System.out::println);
}flapMap：拆解流，將流中每一個元素拆解成一個流
/**
* flapMap：拆解流
*/
@Test
public void testFlapMap1() {
String[] arr1 = {"a", "b", "c", "d"};
String[] arr2 = {"e", "f", "c", "d"};
String[] arr3 = {"h", "j", "c", "d"};
// Stream.of(arr1, arr2, arr3).flatMap(x -> Arrays.stream(x)).forEach(System.out::println);
Stream.of(arr1, arr2, arr3).flatMap(Arrays::stream).forEach(System.out::println);
}sorted：對流進行排序
String[] arr1 = {"abc","a","bc","abcd"};
/**
* Comparator.comparing是一個鍵提取的功能
* 以下兩個語句表示相同意義
*/
@Test
public void testSorted1_(){
/**
* 按照字符長度排序
*/
Arrays.stream(arr1).sorted((x,y)->{
if (x.length()>y.length())
return 1;
else if (x.length()<y.length())
return -1;
else
return 0;
}).forEach(System.out::println);
Arrays.stream(arr1).sorted(Comparator.comparing(String::length)).forEach(System.out::println);
}
/**
* 倒序
* reversed(),java8泛型推導的問題，所以如果comparing里面是非方法引用的lambda表達式就沒辦法直接使用reversed()
* Comparator.reverseOrder():也是用于翻轉順序，用于比較對象（Stream里面的類型必須是可比較的）
* Comparator. naturalOrder()：返回一個自然排序比較器，用于比較對象（Stream里面的類型必須是可比較的）
*/
@Test
public void testSorted2_(){
Arrays.stream(arr1).sorted(Comparator.comparing(String::length).reversed()).forEach(System.out::println);
Arrays.stream(arr1).sorted(Comparator.reverseOrder()).forEach(System.out::println);
Arrays.stream(arr1).sorted(Comparator.naturalOrder()).forEach(System.out::println);
}
/**
* thenComparing
* 先按照首字母排序
* 之后按照String的長度排序
*/
@Test
public void testSorted3_(){
Arrays.stream(arr1).sorted(Comparator.comparing(this::com1).thenComparing(String::length)).forEach(System.out::println);
}
public char com1(String x){
return x.charAt(0);
}2）提取流和組合流
@Before
public void init(){
arr1 = new String[]{"a","b","c","d"};
arr2 = new String[]{"d","e","f","g"};
arr3 = new String[]{"i","j","k","l"};
}
/**
* limit，限制從流中獲得前n個數(shù)據(jù)
*/
@Test
public void testLimit(){
Stream.iterate(1,x->x+2).limit(10).forEach(System.out::println);
}
/**
* skip，跳過前n個數(shù)據(jù)
*/
@Test
public void testSkip(){
// Stream.of(arr1).skip(2).limit(2).forEach(System.out::println);
Stream.iterate(1,x->x+2).skip(1).limit(5).forEach(System.out::println);
}
/**
* 可以把兩個stream合并成一個stream（合并的stream類型必須相同）
* 只能兩兩合并
*/
@Test
public void testConcat(){
Stream<String> stream1 = Stream.of(arr1);
Stream<String> stream2 = Stream.of(arr2);
Stream.concat(stream1,stream2).distinct().forEach(System.out::println);
}3）聚合操作
@Before
public void init(){
arr = new String[]{"b","ab","abc","abcd","abcde"};
}
/**
* max、min
* 最大最小值
*/
@Test
public void testMaxAndMin(){
Stream.of(arr).max(Comparator.comparing(String::length)).ifPresent(System.out::println);
Stream.of(arr).min(Comparator.comparing(String::length)).ifPresent(System.out::println);
}
/**
* count
* 計算數(shù)量
*/
@Test
public void testCount(){
long count = Stream.of(arr).count();
System.out.println(count);
}
/**
* findFirst
* 查找第一個
*/
@Test
public void testFindFirst(){
String str = Stream.of(arr).parallel().filter(x->x.length()>3).findFirst().orElse("noghing");
System.out.println(str);
}
/**
* findAny
* 找到所有匹配的元素
* 對并行流十分有效
* 只要在任何片段發(fā)現(xiàn)了第一個匹配元素就會結束整個運算
*/
@Test
public void testFindAny(){
Optional<String> optional = Stream.of(arr).parallel().filter(x->x.length()>3).findAny();
optional.ifPresent(System.out::println);
}
/**
* anyMatch
* 是否含有匹配元素
*/
@Test
public void testAnyMatch(){
Boolean aBoolean = Stream.of(arr).anyMatch(x->x.startsWith("a"));
System.out.println(aBoolean);
}
@Test
public void testStream1() {
Optional<Integer> optional = Stream.of(1,2,3).filter(x->x>1).reduce((x,y)->x+y);
System.out.println(optional.get());
}4）Optional類型
通常聚合操作會返回一個Optional類型，Optional表示一個安全的指定結果類型，所謂的安全指的是避免直接調用返回類型的null值而造成空指針異常，調用optional.ifPresent()可以判斷返回值是否為空，或者直接調用ifPresent(Consumer<? super T> consumer)在結果部位空時進行消費操作；調用optional.get()獲取返回值。通常的使用方式如下：
@Test
public void testOptional() {
List<String> list = new ArrayList<String>() {
{
add("user1");
add("user2");
}
};
Optional<String> opt = Optional.of("andy with u");
opt.ifPresent(list::add);
list.forEach(System.out::println);
}使用Optional可以在沒有值時指定一個返回值，例如
@Test
public void testOptional2() {
Integer[] arr = new Integer[]{4,5,6,7,8,9};
Integer result = Stream.of(arr).filter(x->x>9).max(Comparator.naturalOrder()).orElse(-1);
System.out.println(result);
Integer result1 = Stream.of(arr).filter(x->x>9).max(Comparator.naturalOrder()).orElseGet(()->-1);
System.out.println(result1);
Integer result2 = Stream.of(arr).filter(x->x>9).max(Comparator.naturalOrder()).orElseThrow(RuntimeException::new);
System.out.println(result2);
}Optional的創(chuàng)建
采用Optional.empty()創(chuàng)建一個空的Optional，使用Optional.of()創(chuàng)建指定值的Optional。同樣也可以調用Optional對象的map方法進行Optional的轉換，調用flatMap方法進行Optional的迭代
@Test
public void testStream1() {
Optional<Student> studentOptional = Optional.of(new Student("user1",21));
Optional<String> optionalStr = studentOptional.map(Student::getName);
System.out.println(optionalStr.get());
}
public static Optional<Double> inverse(Double x) {
return x == 0 ? Optional.empty() : Optional.of(1 / x);
}
public static Optional<Double> squareRoot(Double x) {
return x < 0 ? Optional.empty() : Optional.of(Math.sqrt(x));
}
/**
* Optional的迭代
*/
@Test
public void testStream2() {
double x = 4d;
Optional<Double> result1 = inverse(x).flatMap(StreamTest7::squareRoot);
result1.ifPresent(System.out::println);
Optional<Double> result2 = Optional.of(4.0).flatMap(StreamTest7::inverse).flatMap(StreamTest7::squareRoot);
result2.ifPresent(System.out::println);
}5）收集結果
Student[] students;
@Before
public void init(){
students = new Student[100];
for (int i=0;i<30;i++){
Student student = new Student("user",i);
students[i] = student;
}
for (int i=30;i<60;i++){
Student student = new Student("user"+i,i);
students[i] = student;
}
for (int i=60;i<100;i++){
Student student = new Student("user"+i,i);
students[i] = student;
}
}
@Test
public void testCollect1(){
/**
* 生成List
*/
List<Student> list = Arrays.stream(students).collect(toList());
list.forEach((x)-> System.out.println(x));
/**
* 生成Set
*/
Set<Student> set = Arrays.stream(students).collect(toSet());
set.forEach((x)-> System.out.println(x));
/**
* 如果包含相同的key，則需要提供第三個參數(shù)，否則報錯
*/
Map<String,Integer> map = Arrays.stream(students).collect(toMap(Student::getName,Student::getScore,(s,a)->s+a));
map.forEach((x,y)-> System.out.println(x+"->"+y));
}
/**
* 生成數(shù)組
*/
@Test
public void testCollect2(){
Student[] s = Arrays.stream(students).toArray(Student[]::new);
for (int i=0;i<s.length;i++)
System.out.println(s[i]);
}
/**
* 指定生成的類型
*/
@Test
public void testCollect3(){
HashSet<Student> s = Arrays.stream(students).collect(toCollection(HashSet::new));
s.forEach(System.out::println);
}
/**
* 統(tǒng)計
*/
@Test
public void testCollect4(){
IntSummaryStatistics summaryStatistics = Arrays.stream(students).collect(Collectors.summarizingInt(Student::getScore));
System.out.println("getAverage->"+summaryStatistics.getAverage());
System.out.println("getMax->"+summaryStatistics.getMax());
System.out.println("getMin->"+summaryStatistics.getMin());
System.out.println("getCount->"+summaryStatistics.getCount());
System.out.println("getSum->"+summaryStatistics.getSum());
}6）分組和分片
分組和分片的意義是，將collect的結果集展示位Map<key,val>的形式，通常的用法如下：
Student[] students;
@Before
public void init(){
students = new Student[100];
for (int i=0;i<30;i++){
Student student = new Student("user1",i);
students[i] = student;
}
for (int i=30;i<60;i++){
Student student = new Student("user2",i);
students[i] = student;
}
for (int i=60;i<100;i++){
Student student = new Student("user3",i);
students[i] = student;
}
}
@Test
public void testGroupBy1(){
Map<String,List<Student>> map = Arrays.stream(students).collect(groupingBy(Student::getName));
map.forEach((x,y)-> System.out.println(x+"->"+y));
}
/**
* 如果只有兩類，使用partitioningBy會比groupingBy更有效率
*/
@Test
public void testPartitioningBy(){
Map<Boolean,List<Student>> map = Arrays.stream(students).collect(partitioningBy(x->x.getScore()>50));
map.forEach((x,y)-> System.out.println(x+"->"+y));
}
/**
* downstream指定類型
*/
@Test
public void testGroupBy2(){
Map<String,Set<Student>> map = Arrays.stream(students).collect(groupingBy(Student::getName,toSet()));
map.forEach((x,y)-> System.out.println(x+"->"+y));
}
/**
* downstream 聚合操作
*/
@Test
public void testGroupBy3(){
/**
* counting
*/
Map<String,Long> map1 = Arrays.stream(students).collect(groupingBy(Student::getName,counting()));
map1.forEach((x,y)-> System.out.println(x+"->"+y));
/**
* summingInt
*/
Map<String,Integer> map2 = Arrays.stream(students).collect(groupingBy(Student::getName,summingInt(Student::getScore)));
map2.forEach((x,y)-> System.out.println(x+"->"+y));
/**
* maxBy
*/
Map<String,Optional<Student>> map3 = Arrays.stream(students).collect(groupingBy(Student::getName,maxBy(Comparator.comparing(Student::getScore))));
map3.forEach((x,y)-> System.out.println(x+"->"+y));
/**
* mapping
*/
Map<String,Set<Integer>> map4 = Arrays.stream(students).collect(groupingBy(Student::getName,mapping(Student::getScore,toSet())));
map4.forEach((x,y)-> System.out.println(x+"->"+y));
}5.原始類型流
在數(shù)據(jù)量比較大的情況下，將基本數(shù)據(jù)類型（int,double...）包裝成相應對象流的做法是低效的，因此，我們也可以直接將數(shù)據(jù)初始化為原始類型流，在原始類型流上的操作與對象流類似，我們只需要記住兩點
1.原始類型流的初始化
2.原始類型流與流對象的轉換
DoubleStream doubleStream;
IntStream intStream;
/**
* 原始類型流的初始化
*/
@Before
public void testStream1(){
doubleStream = DoubleStream.of(0.1,0.2,0.3,0.8);
intStream = IntStream.of(1,3,5,7,9);
IntStream stream1 = IntStream.rangeClosed(0,100);
IntStream stream2 = IntStream.range(0,100);
}
/**
* 流與原始類型流的轉換
*/
@Test
public void testStream2(){
Stream<Double> stream = doubleStream.boxed();
doubleStream = stream.mapToDouble(Double::new);
}6.并行流
可以將普通順序執(zhí)行的流轉變?yōu)椴⑿辛?，只需要調用順序流的parallel() 方法即可，如Stream.iterate(1, x -> x + 1).limit(10).parallel()。
1） 并行流的執(zhí)行順序
我們調用peek方法來瞧瞧并行流和串行流的執(zhí)行順序，peek方法顧名思義，就是偷窺流內的數(shù)據(jù)，peek方法聲明為Stream<T> peek(Consumer<? super T> action);加入打印程序可以觀察到通過流內數(shù)據(jù)，見如下代碼：
public void peek1(int x) {
System.out.println(Thread.currentThread().getName() + ":->peek1->" + x);
}
public void peek2(int x) {
System.out.println(Thread.currentThread().getName() + ":->peek2->" + x);
}
public void peek3(int x) {
System.out.println(Thread.currentThread().getName() + ":->final result->" + x);
}
/**
* peek，監(jiān)控方法
* 串行流和并行流的執(zhí)行順序
*/
@org.junit.Test
public void testPeek() {
Stream<Integer> stream = Stream.iterate(1, x -> x + 1).limit(10);
stream.peek(this::peek1).filter(x -> x > 5)
.peek(this::peek2).filter(x -> x < 8)
.peek(this::peek3)
.forEach(System.out::println);
}
@Test
public void testPeekPal() {
Stream<Integer> stream = Stream.iterate(1, x -> x + 1).limit(10).parallel();
stream.peek(this::peek1).filter(x -> x > 5)
.peek(this::peek2).filter(x -> x < 8)
.peek(this::peek3)
.forEach(System.out::println);
}串行流打印結果如下：
我們將stream.filter(x -> x > 5).filter(x -> x < 8).forEach(System.out::println)的過程想象成上圖的管道，我們在管道上加入的peek相當于一個閥門，透過這個閥門查看流經(jīng)的數(shù)據(jù)，
1）當我們使用順序流時，數(shù)據(jù)按照源數(shù)據(jù)的順序依次通過管道，當一個數(shù)據(jù)被filter過濾，或者經(jīng)過整個管道而輸出后，第二個數(shù)據(jù)才會開始重復這一過程
2）當我們使用并行流時，系統(tǒng)除了主線程外啟動了七個線程（我的電腦是4核八線程）來執(zhí)行處理任務，因此執(zhí)行是無序的，但同一個線程內處理的數(shù)據(jù)是按順序進行的。
2） sorted()、distinct()等對并行流的影響
sorted()、distinct()是元素相關方法，和整體的數(shù)據(jù)是有關系的,map，filter等方法和已經(jīng)通過的元素是不相關的,不需要知道流里面有哪些元素 ，并行執(zhí)行和sorted會不會產(chǎn)生沖突呢？
結論：1.并行流和排序是不沖突的，2.一個流是否是有序的，對于一些api可能會提高執(zhí)行效率，對于另一些api可能會降低執(zhí)行效率
3.如果想要輸出的結果是有序的，對于并行的流需要使用forEachOrdered(forEach的輸出效率更高)
我們做如下實驗：
/**
* 生成一億條0-100之間的記錄
*/
@Before
public void init() {
Random random = new Random();
list = Stream.generate(() -> random.nextInt(100)).limit(100000000).collect(toList());
}
/**
* tip
*/
@org.junit.Test
public void test1() {
long begin1 = System.currentTimeMillis();
list.stream().filter(x->(x > 10)).filter(x->x<80).count();
long end1 = System.currentTimeMillis();
System.out.println(end1-begin1);
list.stream().parallel().filter(x->(x > 10)).filter(x->x<80).count();
long end2 = System.currentTimeMillis();
System.out.println(end2-end1);
long begin1_ = System.currentTimeMillis();
list.stream().filter(x->(x > 10)).filter(x->x<80).distinct().sorted().count();
long end1_ = System.currentTimeMillis();
System.out.println(end1-begin1);
list.stream().parallel().filter(x->(x > 10)).filter(x->x<80).distinct().sorted().count();
long end2_ = System.currentTimeMillis();
System.out.println(end2_-end1_);
}
可見，對于串行流.distinct().sorted()方法對于運行時間沒有影響，但是對于串行流，會使得運行時間大大增加，因此對于包含sorted、distinct()等與全局數(shù)據(jù)相關的操作，不推薦使用并行流。
7.stream vs spark rdd
最初看到stream的一個直觀感受是和spark像，真的像
val count = sc.parallelize(1 to NUM_SAMPLES).filter { _ =>
val x = math.random
val y = math.random
x*x + y*y < 1}.count()println(s"Pi is roughly ${4.0 * count / NUM_SAMPLES}") 以上代碼摘自spark官網(wǎng)，使用的是scala語言，一個最基礎的word count代碼，這里我們簡單介紹一下spark，spark是當今最流行的基于內存的大數(shù)據(jù)處理框架，spark中的一個核心概念是RDD（彈性分布式數(shù)據(jù)集），將分布于不同處理器上的數(shù)據(jù)抽象成rdd，rdd上支持兩種類型的操作1） Transformation（變換）2） Action（行動），對于rdd的Transformation算子并不會立即執(zhí)行，只有當使用了Action算子后，才會觸發(fā)。
上述就是小編為大家分享的Java8中Stream的特性有哪些了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業(yè)資訊頻道。
免責聲明：本站發(fā)布的內容（圖片、視頻和文字）以原創(chuàng)、轉載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權內容。
