如何用C语言实现单行数据转fasta

之前立了一个学习C语言的flag， 这一次我要真正学会C语言 ，虽然很久没有写相关的推送，但是一直也在默默学习。

昨天看了 Linux的日常·单行数据转fasta后 ，因为需求简单，想着也不复杂，于是我就试试了用C语言实现这个小功能。

任务是将下面格式文本

名称1 tab分隔 名称2 tab分隔 名称3 tab分隔 序列 tab分隔 null

转成如下的格式

>名称1|名称2|名称3
序列

我写的代码总共就36行。

#include 
#include 
#include "klib/kseq.h"

KSTREAM_INIT(gzFile, gzread, 16384)

typedef struct {
    char name[256];
    char comment1[256];
    char comment2[2048];
    char seq[2048];
}




    
 Fasta ;

int main(int argc, char const *argv[])
{
    gzFile fp;
    kstream_t *ks;
    kstring_t str = {0,0,0};
    if ( argc == 1){
        fprintf(stderr, "Usage: %s  ", argv[0]);
    }

    fp = gzopen(argv[1], "r");
    ks 




    
= ks_init(fp);
    Fasta *fa = (Fasta *)malloc(sizeof(Fasta));
    while ( ks_getuntil(ks, '\n', &str, 0) >= 0){
        sscanf(str.s, "%[^\t]\t%[^\t]\t%[^\t]\t%[^\t]\t", fa->name, fa->comment1, fa->comment2,  fa->seq);
        printf(">%s %s %s\n%s\n", fa->name, fa->comment1, fa->comment2, fa->seq);
    }

    ks_destroy




    
(ks);
    gzclose(fp);
    free(str.s);
    free(fa);
    return 0;
}

最开始的三行用于导入头文件，类似于R语言的 library ，Python里的 import 。着重介绍的是 kseq . h , 这是attractivechaos写的klib库中的一个头文件，一个非常高效文本读取库，几乎在所有李恒大神写的工具里都出现了klib库。

代码的主要部分就是调用了kseq.h读取文本，所以请移步到 C语言-使用klib/kseq.h高效读取行

我增加的内容为定义了一个结构体 Fasta , 将 sscanf 解析的数据存放到对应的位置。

sscanf(str.s, "%[^\t]\t%[^\t]\t%[^\t]\t%[^\t]\t", fa->name, fa->comment1, fa->comment2,  fa->seq);

输出用的是 printf 函数

printf(">%s %s %s\n%s\n", fa->name, fa->comment1, fa->comment2, fa->seq);

之后通过下面的方法进行编译

gcc -o one2fa one2fa.c -lz

之后就当做普通的命令行一样使用

./one2fa temp

最后说两句：这里用C语言不是最优解，这是练习而已，这类文本转换建议用sed/python/perl/awk,。当然如果数据量非常大，我觉得还是可以考虑下C/C++的、

推荐阅读

C语言实战课-写一个fastq转fasta的程序

C语言实战-让程序能够处理压缩文件