java中iterator去重

### Java中List去重的方法 #### 使用`Iterator`遍历并删除重复项 一种方式是通过迭代器遍历列表，并利用临时列表存储不重复的元素。对于每一个新访问到的元素，先检查它是否已经存在于临时列表中；如果存在则从原列表中移除该元素。 ```java public void testList() { List<Integer> list = new ArrayList<>(); list.add(7); list.add(8); list.add(2); list.add(7); list.add(8); list.add(8); list.add(100); List<Integer> listTemp = new ArrayList<>(); Iterator<Integer> it = list.iterator(); while (it.hasNext()){ Integer a = it.next(); if (listTemp.contains(a)){ it.remove(); } else{ listTemp.add(a); } } for(Integer i : list){ System.out.println(i); } } ``` 这种方法可以保持原有数据结构不变的同时完成去重工作[^1]。 #### 利用`LinkedHashSet`特性去除重复条目 另一种更为简洁高效的方式就是借助于`Set`集合的特点——不允许有相同的元素。具体来说，可以通过将所有的元素放入一个`LinkedHashSet`实例里来自动过滤掉那些多余的副本。由于`LinkedHashSet`能够记住插入顺序，因此最终得到的新列表仍然保持着原有的排列次序。 ```java import java.util.*; public class DuplicateCheckerWithLinkedHashSet { public static boolean hasDuplicates(List<?> list) { Set<Object> seen = new LinkedHashSet<>(); for (Object item : list) { if (!seen.add(item)) { return true; } } return false; } public static void main(String[] args) { // 示例代码省略... } } ``` 此法不仅简单明了而且性能较好，适用于大多数情况下的快速去重需求[^2]。 #### 基于流的操作实现按属性去重 当面对更加复杂的业务逻辑时，可能需要按照某些特定条件来进行筛选。例如，在一组实体类组成的列表中依据某个字段值唯一性来做判断。此时就可以采用Java 8引入的Stream API配合Lambda表达式轻松达成目标： ```java import java.util.*; import java.util.stream.Collectors; class Person { private String id; // getter setter ... } // ... List<Person> l = Arrays.asList(/* ... */); l.stream() .collect(Collectors.toMap( Person::getId, Function.identity(), (a, b) -> a)) .values() .stream() .collect(Collectors.toList()); ``` 上述代码片段展示了如何基于对象内部的一个成员变量（这里是ID）执行精确匹配从而达到去重的效果。值得注意的是，这里选择了保留首次出现的对象记录而舍弃之后相同键对应的其他实例[^3]。 #### 总结 以上介绍了几种不同的策略用来解决Java编程语言里的List类型的去重问题。每种方案都有其适用范围以及优缺点所在，开发者可以根据实际情况灵活选用最合适的工具解决问题。

### Java ArrayList 去重的方法 在Java中，`ArrayList` 是一种常见的集合类型，但它允许存储重复的元素。为了去除 `ArrayList` 中的重复项，有多种方法可供选择。 #### 方法一：使用 `HashSet` 或 `LinkedHashSet` 可以通过将 `ArrayList` 转换为 `HashSet` 来自动去重，因为 `Set` 接口不允许存在重复元素[^2]。如果需要保持原有顺序，则可以使用 `LinkedHashSet`： ```java import java.util.ArrayList; import java.util.HashSet; import java.util.LinkedHashSet; public class RemoveDuplicates { public static void main(String[] args) { ArrayList<Integer> numbers = new ArrayList<>(); numbers.add(1); numbers.add(2); numbers.add(3); numbers.add(2); numbers.add(4); System.out.println("原始列表: " + numbers); // 使用 HashSet 去重（无序） numbers = new ArrayList<>(new HashSet<>(numbers)); // 如果需要保留原有序列，可改用 LinkedHashSet // numbers = new ArrayList<>(new LinkedHashSet<>(numbers)); System.out.println("去重后的列表: " + numbers); } } ``` 此方法简单高效，适用于大多数场景。 --- #### 方法二：使用 `Collections.frequency()` 和 `Iterator` 另一种方式是通过手动遍历并借助 `Collections.frequency()` 函数检测每个元素出现的频率。当发现某元素出现多次时，将其移除[^1]： ```java import java.util.*; public class RemoveDuplicatesWithFrequency { public static void main(String[] args) { List<Integer> numbers = new ArrayList<>(Arrays.asList(1, 2, 3, 4, 5, 5, 6, 7, 8, 9, 10, 10)); System.out.println("原始列表: " + numbers); Iterator<Integer> iterator = numbers.iterator(); while (iterator.hasNext()) { Integer number = iterator.next(); if (Collections.frequency(numbers, number) > 1) { iterator.remove(); // 移除当前元素 } } System.out.println("去重后的列表: " + numbers); } } ``` 这种方法适合于某些特定需求下不想改变数据结构的情况。 --- #### 方法三：创建新的 `ArrayList` 并过滤重复项 还可以通过构建一个新的 `ArrayList` 实现去重操作。对于每读取的一个旧集合中的元素，在新集合中检查是否存在；若不存在则加入其中[^3]： ```java import java.util.*; @SuppressWarnings({"rawtypes", "unchecked"}) public class CustomRemoveDuplicates { public static void main(String[] args) { ArrayList<String> list = new ArrayList<>(); list.add("a1"); list.add("a2"); list.add("a1"); list.add("b2"); System.out.println("原始列表: " + list); ArrayList<String> newList = removeDuplicates(list); System.out.println("去重后的列表: " + newList); } private static ArrayList removeDuplicates(ArrayList oldList) { ArrayList newList = new ArrayList<>(); for (Object element : oldList) { if (!newList.contains(element)) { newList.add(element); } } return newList; } } ``` 这种方式逻辑清晰易懂，尤其适配复杂对象类型的去重情况。 --- ### 性能对比分析 - **时间复杂度** - 利用 `HashSet/LinkedHashSet`: O(n)，整体性能较好。 - 手动迭代法 (`Collections.frequency()`) ：O(n²)，效率较低，尤其是大数据量情况下。 - 构建新数组法：接近线性时间复杂度 O(n)，具体取决于内部实现细节。 因此推荐优先考虑基于 `Set` 的解决方案以获得更优的时间表现。 --- 问题