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 package org.forester.application;
  27
  28 import java.io.File;
  29 import java.io.FileInputStream;
  30 import java.io.IOException;
  31 import java.util.ArrayList;
  32 import java.util.HashMap;
  33 import java.util.List;
  34 import java.util.Map;
  35 import java.util.regex.Matcher;
  36 import java.util.regex.Pattern;
  37
  38 import org.forester.io.parsers.FastaParser;
  39 import org.forester.io.writers.SequenceWriter;
  40 import org.forester.io.writers.SequenceWriter.SEQ_FORMAT;
  41 import org.forester.sequence.MolecularSequence;
  42 import org.forester.util.CommandLineArguments;
  43 import org.forester.util.ForesterUtil;
  44
  45 public final class fasta_split {
  46
  47     final static private String PRG_NAME    = "fasta_split";
  48     final static private String PRG_VERSION = "1.00";
  49     final static private String PRG_DATE    = "150320";
  50
  51     public static void main( final String args[] ) {
  52         ForesterUtil.printProgramInformation( fasta_split.PRG_NAME, fasta_split.PRG_VERSION, fasta_split.PRG_DATE );
  53         System.out.println();
  54         if ( ( args.length != 3 ) ) {
  55             fasta_split.argumentsError();
  56         }
  57         CommandLineArguments cla = null;
  58         try {
  59             cla = new CommandLineArguments( args );
  60         }
  61         catch ( final Exception e ) {
  62             ForesterUtil.fatalError( PRG_NAME, e.getMessage() );
  63         }
  64         final String pattern_str = cla.getName( 0 );
  65         final File infile = cla.getFile( 1 );
  66         final File outdir = cla.getFile( 2 );
  67         Pattern pa = null;
  68         try {
  69             pa = Pattern.compile( pattern_str );
  70         }
  71         catch ( final Exception ex ) {
  72             ForesterUtil.fatalError( PRG_NAME, ex.getMessage() );
  73         }
  74         final String error = ForesterUtil.isReadableFile( infile );
  75         if ( !ForesterUtil.isEmpty( error ) ) {
  76             ForesterUtil.fatalError( PRG_NAME, error );
  77         }
  78         if ( !outdir.isDirectory() ) {
  79             ForesterUtil.fatalError( PRG_NAME, outdir + " is not a directory" );
  80         }
  81         List<MolecularSequence> seqs = null;
  82         try {
  83             seqs = FastaParser.parse( new FileInputStream( infile ) );
  84         }
  85         catch ( final IOException e ) {
  86             ForesterUtil.fatalError( PRG_NAME, e.getMessage() );
  87         }
  88         if ( ( seqs == null ) || seqs.isEmpty() ) {
  89             ForesterUtil.fatalError( PRG_NAME, infile + " appears empty" );
  90         }
  91         final Map<String, List<MolecularSequence>> output = new HashMap<String, List<MolecularSequence>>();
  92         for( final MolecularSequence seq : seqs ) {
  93             final Matcher m = pa.matcher( seq.getIdentifier() );
  94             if ( m.find() ) {
  95                 final String key = m.group( 1 );
  96                 if ( !output.containsKey( key ) ) {
  97                     output.put( key, new ArrayList<MolecularSequence>() );
  98                 }
  99                 output.get( key ).add( seq );
 100             }
 101             else {
 102                 ForesterUtil.fatalError( PRG_NAME, pattern_str + " not found in sequence " + seq.getIdentifier() );
 103             }
 104         }
 105         int c = 0;
 106         for( final Map.Entry<String, List<MolecularSequence>> entry : output.entrySet() ) {
 107             final File of = new File( outdir.getAbsolutePath().toString() + "/" + entry.getKey() + ".fasta" );
 108             if ( of.exists() ) {
 109                 ForesterUtil.fatalError( PRG_NAME, of + " already exists" );
 110             }
 111             System.out.println( ++c + ": writing " + of );
 112             try {
 113                 SequenceWriter.writeSeqs( entry.getValue(), of, SEQ_FORMAT.FASTA, 60 );
 114             }
 115             catch ( final IOException e ) {
 116                 ForesterUtil.fatalError( PRG_NAME, e.getMessage() );
 117             }
 118         }
 119     }
 120
 121     private static void argumentsError() {
 122         System.out.println( PRG_NAME + " <pattern> <infile> <outdir>" );
 123         System.out.println();
 124         System.exit( -1 );
 125     }
 126 }