forester/java/src/org/forester/application/fasta_split.java

   1 // $Id:
   2 // FORESTER -- software libraries and applications
   3 // for evolutionary biology research and applications.
   4 //
   5 // Copyright (C) 2008-2009 Christian M. Zmasek
   6 // Copyright (C) 2008-2009 Burnham Institute for Medical Research
   7 // All rights reserved
   8 //
   9 // This library is free software; you can redistribute it and/or
  10 // modify it under the terms of the GNU Lesser General Public
  11 // License as published by the Free Software Foundation; either
  12 // version 2.1 of the License, or (at your option) any later version.
  13 //
  14 // This library is distributed in the hope that it will be useful,
  15 // but WITHOUT ANY WARRANTY; without even the implied warranty of
  16 // MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU
  17 // Lesser General Public License for more details.
  18 //
  19 // You should have received a copy of the GNU Lesser General Public
  20 // License along with this library; if not, write to the Free Software
  21 // Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301, USA
  22 //
  23 // Contact: phylosoft @ gmail . com
  24 // WWW: https://sites.google.com/site/cmzmasek/home/software/forester
  25 //
  26 //
  27 // "java -Xmx1024m -cp path\to\forester.jar org.forester.application.fasta_split
  28 //
  29 //
  30
  31 package org.forester.application;
  32
  33 import java.io.File;
  34 import java.io.FileInputStream;
  35 import java.io.IOException;
  36 import java.util.ArrayList;
  37 import java.util.HashMap;
  38 import java.util.List;
  39 import java.util.Map;
  40 import java.util.regex.Matcher;
  41 import java.util.regex.Pattern;
  42
  43 import org.forester.io.parsers.FastaParser;
  44 import org.forester.io.writers.SequenceWriter;
  45 import org.forester.io.writers.SequenceWriter.SEQ_FORMAT;
  46 import org.forester.sequence.MolecularSequence;
  47 import org.forester.util.CommandLineArguments;
  48 import org.forester.util.ForesterUtil;
  49
  50 public final class fasta_split {
  51
  52     final static private String PRG_NAME    = "fasta_split";
  53     final static private String PRG_VERSION = "1.00";
  54     final static private String PRG_DATE    = "150331";
  55
  56     public static void main( final String args[] ) {
  57         ForesterUtil.printProgramInformation( fasta_split.PRG_NAME, fasta_split.PRG_VERSION, fasta_split.PRG_DATE );
  58         System.out.println();
  59         if ( ( args.length != 3 ) ) {
  60             fasta_split.argumentsError();
  61         }
  62         CommandLineArguments cla = null;
  63         try {
  64             cla = new CommandLineArguments( args );
  65         }
  66         catch ( final Exception e ) {
  67             ForesterUtil.fatalError( PRG_NAME, e.getMessage() );
  68         }
  69         final String pattern_str = cla.getName( 0 );
  70         final File infile = cla.getFile( 1 );
  71         final File outdir = cla.getFile( 2 );
  72         Pattern pa = null;
  73         try {
  74             pa = Pattern.compile( pattern_str );
  75         }
  76         catch ( final Exception ex ) {
  77             ForesterUtil.fatalError( PRG_NAME, ex.getMessage() );
  78         }
  79         final String error = ForesterUtil.isReadableFile( infile );
  80         if ( !ForesterUtil.isEmpty( error ) ) {
  81             ForesterUtil.fatalError( PRG_NAME, error );
  82         }
  83         if ( !outdir.exists() ) {
  84             new File( outdir.toString() ).mkdir();
  85         }
  86         if ( !outdir.isDirectory() ) {
  87             ForesterUtil.fatalError( PRG_NAME, outdir + " is not a directory" );
  88         }
  89         List<MolecularSequence> seqs = null;
  90         try {
  91             seqs = FastaParser.parse( new FileInputStream( infile ) );
  92         }
  93         catch ( final IOException e ) {
  94             ForesterUtil.fatalError( PRG_NAME, e.getMessage() );
  95         }
  96         if ( ( seqs == null ) || seqs.isEmpty() ) {
  97             ForesterUtil.fatalError( PRG_NAME, infile + " appears empty" );
  98         }
  99         System.out.println( "Read " + seqs.size() + " sequences" );
 100         final Map<String, List<MolecularSequence>> output = new HashMap<String, List<MolecularSequence>>();
 101         int cc = 0;
 102         for( final MolecularSequence seq : seqs ) {
 103             ++cc;
 104             final Matcher m = pa.matcher( seq.getIdentifier() );
 105             if ( m.find() ) {
 106                 final String key = m.group( 1 );
 107                 if ( !output.containsKey( key ) ) {
 108                     output.put( key, new ArrayList<MolecularSequence>() );
 109                 }
 110                 output.get( key ).add( seq );
 111             }
 112             else {
 113                 System.out.println( "warning: " + pattern_str + " not found in sequence \"" + seq.getIdentifier()
 114                                     + "\"" );
 115                 final String key = "unknown";
 116                 if ( !output.containsKey( key ) ) {
 117                     output.put( key, new ArrayList<MolecularSequence>() );
 118                 }
 119                 output.get( key ).add( seq );
 120             }
 121         }
 122         int c = 0;
 123         for( final Map.Entry<String, List<MolecularSequence>> entry : output.entrySet() ) {
 124             String s = entry.getKey();
 125             s = s.replace( '*', '_' );
 126             final File of = new File( outdir.getAbsolutePath().toString() + "/" + s + ".fasta" );
 127             if ( of.exists() ) {
 128                 ForesterUtil.fatalError( PRG_NAME, of + " already exists" );
 129             }
 130             System.out.println( ++c + ": writing " + of + " [" + entry.getValue().size() + " seqs]" );
 131             try {
 132                 SequenceWriter.writeSeqs( entry.getValue(), of, SEQ_FORMAT.FASTA, 60 );
 133             }
 134             catch ( final IOException e ) {
 135                 ForesterUtil.fatalError( PRG_NAME, e.getMessage() );
 136             }
 137         }
 138     }
 139
 140     private static void argumentsError() {
 141         System.out.println( PRG_NAME + " <pattern> <infile> <outdir>" );
 142         System.out.println( "Example: " + PRG_NAME + " \"v-germ=(\\S+)\" tt.fasta outdir" );
 143         System.out.println();
 144         System.exit( -1 );
 145     }
 146 }