c++ - 用 C++ 编写的 FASTA 阅读器？

Question

首先让我声明我是 C++ 的初学者。无论如何，FASTA 格式如下:任何以“>”开头的行都表示其正下方的基因序列的名称/ID。 id 正下方有一个基因序列。这个基因序列可以是1行，也可以是多行。所以...我想做的是 print: id << ": "<< gene_sequence << endl;

这是我的代码:

#include <iostream>
#include <fstream>

int main(int argc, char **argv) {
    if (argc < 2) {
        std::cerr << " Wrong format: " << argv[0] << " [infile] " << std::endl;
        return -1;
}

    std::ifstream input(argv[1]);
    if (!input.good()) {
        std::cerr << "Error opening: " << argv[1] << " . You have failed." << std::endl;
        return -1;
    }
    std::string line, id, DNA_sequence;
    while (std::getline(input, line).good()) {
        if (line[0] == '>') {
            id = line.substr(1);
            std::cout << id << " : " << DNA_sequence << std::endl;
            DNA_sequence.clear();
        }
        else if (line[0] != '>'){
            DNA_sequence += line;
        }
    }
}

对于输入到命令行的第二个参数，这里是我的文件的内容:

>DNA_1
GATTACA
>DNA_2
TAGACCA
TAGACCA
>DNA_3
ATAC
>DNA_4
AT

请复制并粘贴到文本文件中。完成此操作并执行代码后，我想指出问题所在。该代码跳过将 DNA_1 的序列输入到其正确的相应位置，而是将 DNA_1 的序列放入 DNA_2。结果得到向前推进 1。任何帮助或提示将不胜感激？正如我之前所说，我是 C++ 的新手。与 Python 相比，语义很难学习。

Answer 1

我发现您的代码存在一些问题。

首先你在 std::ifstream::good() 上循环，这不起作用，因为它不允许文件结束(即使在良好读取之后也会发生)。

然后您访问 line[0] 而不检查该行是否为空，这可能会导致段错误。

接下来，在收集之前输出“上一行”。

最后你没有输出最后一行，因为循环在找不到另一个 >> 时终止。

我在对您的代码的更正中添加了评论:

#include <iostream>
#include <fstream>

int main(int argc, char **argv) {
    if (argc < 2) {
        std::cerr << " Wrong format: " << argv[0] << " [infile] " << std::endl;
        return -1;
    }

    std::ifstream input(argv[1]);
    if (!input.good()) {
        std::cerr << "Error opening: " << argv[1] << " . You have failed." << std::endl;
        return -1;
    }
    std::string line, id, DNA_sequence;

    // Don't loop on good(), it doesn't allow for EOF!!

//    while (std::getline(input, line).good()) {
      while (std::getline(input, line)) {

        // line may be empty so you *must* ignore blank lines
        // or you have a crash waiting to happen with line[0]
        if(line.empty())
            continue;

        if (line[0] == '>') {
            // output previous line before overwriting id
            // but ONLY if id actually contains something
            if(!id.empty())
                std::cout << id << " : " << DNA_sequence << std::endl;

            id = line.substr(1);
            DNA_sequence.clear();
        }
        else {//  if (line[0] != '>'){ // not needed because implicit
            DNA_sequence += line;
        }
    }

    // output final entry
    // but ONLY if id actually contains something
    if(!id.empty())
        std::cout << id << " : " << DNA_sequence << std::endl;

}

输出:

DNA_1 : GATTACA
DNA_2 : TAGACCATAGACCA
DNA_3 : ATAC
DNA_4 : AT