c - 如何在C中按字符组读取文件？

Question

我有一个 DNA 序列文件(A、T、G 和 C)；它没有空格、逗号或行分隔符。我必须从中读取前 10,000 个值，并找到重复次数最多的两个五值模式。

到目前为止，我尝试将不同的模式存储在一个简单的结构中，如下所示:

typedef struct
{
    char* pattern;
    int count;
} pattern;

当我发现更多新模式时，我会通过以下循环存储它们:

int size = 10;
int pos = 0; //positions occupied
pattern* patrones = calloc(10, sizeof(pattern));

char temp[6];

FILE* file = fopen("dnaChain.txt", "rb");
while(file != NULL)
{
    bool has = false;
    fgets(temp, 6, file);

    for(int i = 0; i <= pos; i++)
    {
        pattern p = patrones[i];
        char* content = p.pattern;
        int comp = strcmp(content, temp);
        if(comp == 0)
        {
            has = true;
            p.count = p.count+1;
        }
    }

    if(!has)
    {
        pattern new;
        new.pattern = temp;
        new.count = 1;
        if(pos == size-1)
        {
            patrones = realloc(patrones, size+10);
            size += 10;
        }
    else{
        patrones[pos] = new;}
        pos++;
    }
}

但是我的代码是错误的，并给了我一个segmentation failure错误当我执行它时，请帮助我。

Answer 1

首先将全部 10000 个值读入内存，然后仅对内存中的数据进行操作。

对于查找序列来说，基本上就是简单的子字符串搜索。一个简单的解决方案是从前五个字符开始，然后从第二个字符、第三个字符、第四个字符等搜索相同的子字符串。计算找到该子字符串的次数。

然后执行相同的操作，但从第二个字符和前面的五个字符开始。从第三个字符、第四个字符等查找该子字符串。

在第一次搜索两次之后，您将得到两个计数，一大一小。如果在接下来的搜索中，您发现一个子字符串的计数大于当前两个子字符串中的任何一个，则删除最小的子字符串并保存当前子字符串(及其计数)。依此类推，直到检查完整个字符串。

这将是很多循环，并且不是很有效，但应该会给你你想要的结果。