数组去重 java

### Java中数组去重的方法 在Java中，可以通过多种方式实现数组的去重操作。以下是几种常见的方法及其对应的代码示例。 #### 方法一：使用`HashSet`去重 通过`HashSet`的数据结构特性（不允许存储重复元素），可以轻松实现数组去重的功能。具体过程如下： 1. 创建一个`HashSet`实例。 2. 将原数组中的所有元素添加到该`HashSet`中。 3. 如果需要返回数组形式的结果，则将`HashSet`重新转换为数组。 ```java import java.util.Arrays; import java.util.HashSet; import java.util.Set; public class ArrayDeduplication { public static void main(String[] args) { Integer[] array = {1, 2, 2, 3, 4, 4, 5}; // 使用HashSet去重 Set<Integer> set = new HashSet<>(Arrays.asList(array)); // 将Set转换回数组 Integer[] uniqueArray = set.toArray(new Integer[0]); // 打印去重后的数组 System.out.println(Arrays.toString(uniqueArray)); } } ``` 这种方法简单高效，适用于大多数场景[^1]。 --- #### 方法二：基于`List`接口的`contains()`方法 另一种常见的方式是利用`List`接口提供的`contains()`方法来判断是否已存在某元素。此方法的具体流程如下： 1. 遍历原始数组。 2. 对于每一个元素，先检查目标列表中是否存在相同项。 3. 若不存在则将其加入目标列表。 4. 最终可选择将列表转回数组形式。 ```java import java.util.ArrayList; import java.util.List; class ListBasedDeduplication { public int[] deduplicate(int[] arr){ List<Integer> list = new ArrayList<>(); for (int num : arr){ if (!list.contains(num)){ list.add(num); } } // 转换为数组 int[] result = new int[list.size()]; for (int i=0;i<result.length;i++){ result[i]=list.get(i); } return result; } } class Test{ public static void main(String[] args){ int[] arr={1,2,2,3,3,3}; int[] res=new ListBasedDeduplication().deduplicate(arr); for (int r:res){ System.out.print(r+" "); } } } ``` 这种方式虽然逻辑清晰易懂，但在大规模数据集上性能可能不如前一种方案好，因为每次调用`contains()`都会带来额外开销[^3]。 --- #### 方法三：针对对象数组按特定字段去重 当面对的对象是一个包含多个键值对的对象数组时，可以根据某些指定条件来进行更复杂的过滤操作。比如下面的例子展示了按照`job`属性去除冗余条目的一种做法： ```javascript var arr = [ {id: 1,name:'张三',job:'前端'}, {id: 2,name:'李四',job:'前端'}, {id: 3,name:'王五',job:'java'} ]; // 新建一个用于保存唯一jobs的新数组newArr； let seenJobs = {}; let newArr = []; for(let item of arr){ let jobName=item.job; if(!seenJobs[jobName]){ newArr.push(item); seenJobs[jobName]=true; } } console.log(JSON.stringify(newArr,null,' ')); ``` 注意这里给出的是JavaScript版本的解决方案，在实际应用过程中需依据具体的业务需求调整相应的语言环境[^4]。 --- #### 总结 上述三种方法各有优劣之处，开发者应根据实际情况选取最适合的技术手段解决问题。对于简单的数值型或者字符串类型的数组来说，推荐优先考虑采用第一种即借助集合类库的方式来达成目的；而对于较为复杂的数据模型而言，则要综合考量多方面因素后再做决定。