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 //
  24 // "java -Xmx1024m -cp path\to\forester.jar org.forester.application.fasta_split
  25 //
  26 //
  27
  28 package org.forester.application;
  29
  30 import java.io.File;
  31 import java.io.FileInputStream;
  32 import java.io.IOException;
  33 import java.util.ArrayList;
  34 import java.util.HashMap;
  35 import java.util.List;
  36 import java.util.Map;
  37 import java.util.regex.Matcher;
  38 import java.util.regex.Pattern;
  39
  40 import org.forester.io.parsers.FastaParser;
  41 import org.forester.io.writers.SequenceWriter;
  42 import org.forester.io.writers.SequenceWriter.SEQ_FORMAT;
  43 import org.forester.sequence.MolecularSequence;
  44 import org.forester.util.CommandLineArguments;
  45 import org.forester.util.ForesterUtil;
  46
  47 public final class fasta_split {
  48
  49     final static private String PRG_NAME    = "fasta_split";
  50     final static private String PRG_VERSION = "1.01";
  51     final static private String PRG_DATE    = "170718";
  52
  53     public static void main( final String args[] ) {
  54         ForesterUtil.printProgramInformation( fasta_split.PRG_NAME, fasta_split.PRG_VERSION, fasta_split.PRG_DATE );
  55         System.out.println();
  56         if ( ( args.length != 3 ) ) {
  57             fasta_split.argumentsError();
  58         }
  59         CommandLineArguments cla = null;
  60         try {
  61             cla = new CommandLineArguments( args );
  62         }
  63         catch ( final Exception e ) {
  64             ForesterUtil.fatalError( PRG_NAME, e.getMessage() );
  65         }
  66         final String pattern_str = cla.getName( 0 );
  67         final File infile = cla.getFile( 1 );
  68         final File outdir = cla.getFile( 2 );
  69         Pattern pa = null;
  70         try {
  71             pa = Pattern.compile( pattern_str );
  72         }
  73         catch ( final Exception ex ) {
  74             ForesterUtil.fatalError( PRG_NAME, ex.getMessage() );
  75         }
  76         final String error = ForesterUtil.isReadableFile( infile );
  77         if ( !ForesterUtil.isEmpty( error ) ) {
  78             ForesterUtil.fatalError( PRG_NAME, error );
  79         }
  80         if ( !outdir.exists() ) {
  81             new File( outdir.toString() ).mkdir();
  82         }
  83         if ( !outdir.isDirectory() ) {
  84             ForesterUtil.fatalError( PRG_NAME, outdir + " is not a directory" );
  85         }
  86         List<MolecularSequence> seqs = null;
  87         try {
  88             seqs = FastaParser.parse( new FileInputStream( infile ) );
  89         }
  90         catch ( final IOException e ) {
  91             ForesterUtil.fatalError( PRG_NAME, e.getMessage() );
  92         }
  93         if ( ( seqs == null ) || seqs.isEmpty() ) {
  94             ForesterUtil.fatalError( PRG_NAME, infile + " appears empty" );
  95         }
  96         System.out.println( "Read " + seqs.size() + " sequences" );
  97         final Map<String, List<MolecularSequence>> output = new HashMap<>();
  98         for( final MolecularSequence seq : seqs ) {
  99             final Matcher m = pa.matcher( seq.getIdentifier() );
 100             if ( m.find() ) {
 101                 final String key = m.group( 1 );
 102                 if ( !output.containsKey( key ) ) {
 103                     output.put( key, new ArrayList<MolecularSequence>() );
 104                 }
 105                 output.get( key ).add( seq );
 106             }
 107             else {
 108                 System.out.println( "warning: " + pattern_str + " not found in sequence \"" + seq.getIdentifier()
 109                         + "\"" );
 110                 final String key = "unknown";
 111                 if ( !output.containsKey( key ) ) {
 112                     output.put( key, new ArrayList<MolecularSequence>() );
 113                 }
 114                 output.get( key ).add( seq );
 115             }
 116         }
 117         int c = 0;
 118         int seqs_written = 0;
 119         for( final Map.Entry<String, List<MolecularSequence>> entry : output.entrySet() ) {
 120             String s = entry.getKey().trim();
 121             s = s.replaceAll( "[\\./\\*\\s]+", "_" );
 122             s = s.replaceAll( "\\(", "~" );
 123             s = s.replaceAll( "\\)", "~" );
 124             final File of = new File( outdir.getAbsolutePath().toString() + "/" + s + ".fasta" );
 125             if ( of.exists() ) {
 126                 ForesterUtil.fatalError( PRG_NAME, of + " already exists" );
 127             }
 128             System.out.println( ++c + ": writing " + of + " [" + entry.getValue().size() + " seqs]" );
 129
 130             try {
 131                 SequenceWriter.writeSeqs( entry.getValue(), of, SEQ_FORMAT.FASTA, 60 );
 132             }
 133             catch ( final IOException e ) {
 134                 ForesterUtil.fatalError( PRG_NAME, e.getMessage() );
 135             }
 136             seqs_written += entry.getValue().size();
 137         }
 138         System.out.println( "Wrote " + seqs_written + " sequences" );
 139     }
 140
 141     private static void argumentsError() {
 142         System.out.println( PRG_NAME + " <pattern> <infile> <outdir>" );
 143         System.out.println();
 144         System.out.println( "Examples: " );
 145         System.out.println( "  " + PRG_NAME + " \"v-germ=(\\S+)\" tt.fasta outdir" );
 146         System.out.println( "  " + PRG_NAME + " \"(\\S+?)\\|\" seqs.fasta outdir" );
 147         System.out.println( "  " + PRG_NAME + " \"OS=(.+?)[A-Z]{2}=\" seqs.fasta outdir" );
 148         System.out.println();
 149         System.exit( -1 );
 150     }
 151 }