在Java中快速搜索特定字符

这似乎是个有点傻的问题。。也许是的。但是我有一个我经常使用的函数，我想知道这是否是完成这项工作的最快方法。该功能被使用了很多次，因此任何速度的提高实际上都是显而易见的。它所做的只是检查一个字符是否是核苷酸（即：如果一个字符是‘a’、‘T’、‘C’或‘G’）

private static boolean isValidNucleotide(char nucleotide) {
    nucleotide = Character.toUpperCase(nucleotide);
    if(nucleotide == 'A') return true; 
    if(nucleotide == 'T') return true;
    if(nucleotide == 'C') return true;
    if(nucleotide == 'G') return true;
    return false;
}

---

这是完成这项工作的最快方法吗？或者您认为值得实现某种索引/映射/其他功能（可能是在函数外部执行比较，然后将此文本复制到代码中的几个点上）？在Java中，我真的不是这方面的专家。

您可以尝试一个

开关案例，它通常作为小型开关的表查找来实现：

switch(nucleotide) {
case 'A':
case 'T':
case 'C':
case 'G':
    return true;
}
return false;

请注意，JVM的JIT可能会使基于
if
的代码非常快，如果调用次数足够多。
去掉
字符。toUpperCase
并检查大写和小写情况，它将显著加快您的功能

private static boolean isValidNucleotide(char nucleotide) {       
    if(nucleotide == 'A' || nucleotide == 'a') return true; 
    // Rest of your conditions

    return false;
}

我对您的原始函数进行了一个小测试，执行
10000000次
平均需要
80ms
，但当我删除
Character.toUpperCase（）
并明确检查这两种情况时，只需要
40ms
，这是显著的改进

编辑：

使用@Shivam Kalla建议的
Map
解决方案平均只需
11 ms
。
我还没有尝试过，但您可以尝试使用Regex查看性能，最快的（但内存效率最低的255字节还不错！）是这样的：

/* this is static member of class */
static boolean map[] = new boolean[256];
static {
    for(int j = 0; j < map.length; j++)
        map[j] = false;
    /* map your required values true here */ 
    map['A'] = true;
    map['T'] = true;
    map['C'] = true;
    map['G'] = true;
    /* make small letter here too */
    map['a'] = true;
    map['t'] = true;
    map['c'] = true;
    map['g'] = true;
}

private static boolean isValidNucleotide(char nucleotide) {
    /* complexity is just one access to array */
    return map[nucleotide];
}

正如@paxdiablo所说，在java中，字符是2个字节而不是1个字节，但您的字符在这个范围内。只需将
返回映射[nucleotide]；
更改为
返回映射[0x00ff&nucleotide]；
就可以了

为了安全起见，您还可以将映射的大小更改为
65536
，以避免任何类型的错误。
boolean map=new boolean[65536]
很有趣，是的，我想知道JVM是否会自行进行此类优化。不过这看起来很可靠。我将尝试一个测试，看看它对运行时有何影响。您还可以尝试通过向
开关添加小写字母来替换
toUpperCase
调用。检查后，接受的答案很快这个答案也很好，因为它也很快，目的也更明确，这意味着它可能会从JRE的未来优化中获得更多好处。如果字符超过255会发生什么？Java不是天生的Unicode吗？似乎就是这样。我做了一个类似于iTech的测试。令人印象深刻！你应该这样做顺便说一句，也可以将其改为256，索引为0..255。因此，事实上，如果核苷酸高于255，则会出现异常！或者如果您将其屏蔽，则可能会得到错误的答案…这更糟。@paxdiablo谢谢！是的，这很有意义。请后退一步，重新检查实际问题，而不是您的解决方案。它实际上可能是错误的以完全不同的方式更快地完成这项工作，例如，提前限制用户输入，或提前检查整个核苷酸序列，以便以后不再重复检查。甚至可能有理由这样做（如果你更关心速度而不是有效性）根本不检查。@paxdiablo谢谢你的建议。我确实接受了答案，但这些评论确实值得考虑。我确实需要验证，但可能有一种方法可以限制链中早期的输入。尝试将
开关（核苷酸）
更改为
开关（（字节）核苷酸）
我试过了，但没有影响性能，也花了
40 ms
地图解决方案更快，因为它略过了一些范围检查。它只在假设输入字符都小于256时起作用。（我的想法是，也许可以说服JIT编译器使用更大的开关表并避免一些错误。）“不必要的”范围测试。这会使测试速度更快。）