生物信息学数据处理任务

Question

我今天把这个C程序放在一起来处理生物信息学数据处理任务。这个程序似乎工作正常，但我想知道是否有人建议如何解析输入数据，以及我如何在主处理循环中使用控制结构。

#include <assert.h>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>

#define BUFFERSIZE 1024

FILE *fileopen(const char *filename, const char *mode)
{
  FILE *fh = fopen(filename, mode);
  if(fh == NULL)
  {
    fprintf(stderr, "error: unable to open file '%s'\n", filename);
    exit(1);
  }
  return fh;
}

void *memalloc(size_t size)
{
  void *memory = malloc(size);
  if(memory == NULL)
  {
    fprintf(stderr, "error: unable to allocate memory\n");
    exit(1);
  }
  return memory;
}

int main(int argc, const char **argv)
{
  // Parse command line arguments
  char seqbuffer1[BUFFERSIZE];
  char seqbuffer2[BUFFERSIZE];
  char qualbuffer1[BUFFERSIZE];
  char qualbuffer2[BUFFERSIZE];
  char *seqbufferout;
  FILE *seqinfile;
  FILE *seqoutfile;
  FILE *qualinfile;
  FILE *qualoutfile;
  int seqlength;
  if(argc != 6)
  {
    fprintf(stderr, "error: 5 arguments required, %d provided\n", argc - 1);
    exit(1);
  }
  seqinfile   = fileopen(argv[1], "r");
  qualinfile  = fileopen(argv[2], "r");
  seqoutfile  = fileopen(argv[3], "w");
  qualoutfile = fileopen(argv[4], "w");
  seqlength   = atoi(argv[5]);
  assert(seqlength > 0);

  // Process reads
  seqbufferout = (char *)memalloc( sizeof(char) * (seqlength + 1) );
  seqbufferout[seqlength] = '\0';
  while(fgets(seqbuffer1, BUFFERSIZE, seqinfile))
  {
    if(strlen(seqbuffer1) > 0)
    {
      int ambiguous;
      int i;

      assert(strncmp(seqbuffer1, ">", 1) == 0);
      if(fgets(seqbuffer2, BUFFERSIZE, seqinfile) == NULL)
      {
        fprintf(stderr, "error: file ends with a fasta header\n");
        exit(1);
      }

      if( fgets(qualbuffer1, BUFFERSIZE, qualinfile) == NULL || 
          fgets(qualbuffer2, BUFFERSIZE, qualinfile) == NULL )
      {
        fprintf(stderr, "error: no quality entry corresponding to sequence '%s'\n", seqbuffer1);
        exit(1);
      }

      ambiguous = 0;
      for(i = 0; i < seqlength; i++)
      {
        if(seqbuffer2[i] == '.')
        {
          ambiguous = 1;
          break;
        }
        seqbufferout[i] = seqbuffer2[i];
      }

      if(!ambiguous)
      {
        fprintf(seqoutfile,  "%s%s\n", seqbuffer1, seqbufferout);
        fputs(qualbuffer1, qualoutfile);

        i = 0;
        char *tok = strtok(qualbuffer2, " ");
        while(tok != NULL && i < seqlength - 1)
        {
          if(i > 0)
            fputs(" ", qualoutfile);
          fputs(tok, qualoutfile);
          tok = strtok(NULL, " ");
          i++;
        }
        fputs("\n", qualoutfile);
      }
    }
  }

  fclose(seqinfile);
  fclose(qualinfile);
  fclose(seqoutfile);
  fclose(qualoutfile);
  free(seqbufferout);

  return 0;
}

Answer 1

与通过执行if(strlen(seqbuffer1) > 0)生成的大缩进块不同的是，do：if (strlen(seqbuffer1) <1) continue;，这样整个循环的其余部分就可以超出一个级别，从而使其更具可读性。

类似地，您也可以将if(!ambiguous)转换为if (ambiguous) continue;，并输出该块。

根据您使用的C语言版本，模棱两可可能是boolean而不是int。

与fget()的结果相比，您的空比较可能更一致一些-- while()条件中的那个是隐式的!= NULL，但是if()语句中的那个是显式的== NULL。在任何地方你都应该是显式的，或者是隐式的--这两种选择都很好，但是混合风格会让你的代码更加不清晰。

assert(strncmp(seqbuffer1, ">", 1) == 0);和更容易理解的assert(seqbuffer1[0] == '>')是一样的，对吗？

另外，您至少有一个潜在的错误:如果BUFFERSIZE比输入行长度小，然后seqlength > BUFFERSIZE呢？

Answer 2

一般性意见：

• 错误时使用perror而不是fprintf
• 在失败时使用EXIT_FAILURE作为退出代码

main()

• seqbufferout和memalloc()是冗余的。
• 但实际上，对memalloc的调用应该省略sizeof(char)，默认情况下这是1，并且应该省略强制转换。
• fgets调用可能使用sizeof buf而不是BUFFERSIZE
• fgets(seqbuffer1...) != NULL和strlen(seqbuffer1) == 0是一个可能的组合吗？我不这么认为--在这种情况下，斯特伦是多余的
• 在seqbuffer1[0] == '>'上断言，而不是在strcmp上
• 应该将执行定义良好的任务的for-循环提取到函数中。
• 但是这个for循环似乎只是为了寻找一个'.'；strchr会更好
• 将seqbuffer2复制到seqbufferout似乎是多余的，因为您只需要打印seqbufferout的内容
• while循环应该被提取到一个单独的函数中；看起来循环只是从qualbuffer2字符串中剥离前尾空格和多个空格--对吗？
• 所以(除非我误解了代码的目的)，ambiguous = 0的内容和包含的内容变成: if (!strchr(seqbuffer2，'.')) { fprintf(seqoutfile，"%s%s\n"，seqbuffer1，seqbuffer2)；fput(qualbuffer1，qualoutfile)；fput(strip_spaces(Qualbuffer2)，qualoutfile)；fput(“n”，质量文件)；}
• 在写入输出文件时没有检查错误
• 从主循环退出时没有检查seqinfile中的错误。在关闭文件if (ferror(seqinfile)) {perror(.)；.}之前，需要追加以下内容