Merge commit 'upstream/0.5'
[pysam.git] / samtools / faidx.c
diff --git a/samtools/faidx.c b/samtools/faidx.c
deleted file mode 100644 (file)
index dbd8b3e..0000000
+++ /dev/null
@@ -1,422 +0,0 @@
-#include <ctype.h>
-#include <string.h>
-#include <stdlib.h>
-#include <stdio.h>
-#include "faidx.h"
-#include "khash.h"
-
-typedef struct {
-       uint64_t len:32, line_len:16, line_blen:16;
-       uint64_t offset;
-} faidx1_t;
-KHASH_MAP_INIT_STR(s, faidx1_t)
-
-#ifndef _NO_RAZF
-#include "razf.h"
-#else
-#ifdef _WIN32
-#define ftello(fp) ftell(fp)
-#define fseeko(fp, offset, whence) fseek(fp, offset, whence)
-#else
-extern off_t ftello(FILE *stream);
-extern int fseeko(FILE *stream, off_t offset, int whence);
-#endif
-#define RAZF FILE
-#define razf_read(fp, buf, size) fread(buf, 1, size, fp)
-#define razf_open(fn, mode) fopen(fn, mode)
-#define razf_close(fp) fclose(fp)
-#define razf_seek(fp, offset, whence) fseeko(fp, offset, whence)
-#define razf_tell(fp) ftello(fp)
-#endif
-#ifdef _USE_KNETFILE
-#include "knetfile.h"
-#endif
-
-struct __faidx_t {
-       RAZF *rz;
-       int n, m;
-       char **name;
-       khash_t(s) *hash;
-};
-
-#ifndef kroundup32
-#define kroundup32(x) (--(x), (x)|=(x)>>1, (x)|=(x)>>2, (x)|=(x)>>4, (x)|=(x)>>8, (x)|=(x)>>16, ++(x))
-#endif
-
-static inline void fai_insert_index(faidx_t *idx, const char *name, int len, int line_len, int line_blen, uint64_t offset)
-{
-       khint_t k;
-       int ret;
-       faidx1_t t;
-       if (idx->n == idx->m) {
-               idx->m = idx->m? idx->m<<1 : 16;
-               idx->name = (char**)realloc(idx->name, sizeof(void*) * idx->m);
-       }
-       idx->name[idx->n] = strdup(name);
-       k = kh_put(s, idx->hash, idx->name[idx->n], &ret);
-       t.len = len; t.line_len = line_len; t.line_blen = line_blen; t.offset = offset;
-       kh_value(idx->hash, k) = t;
-       ++idx->n;
-}
-
-faidx_t *fai_build_core(RAZF *rz)
-{
-       char c, *name;
-       int l_name, m_name, ret;
-       int len, line_len, line_blen, state;
-       int l1, l2;
-       faidx_t *idx;
-       uint64_t offset;
-
-       idx = (faidx_t*)calloc(1, sizeof(faidx_t));
-       idx->hash = kh_init(s);
-       name = 0; l_name = m_name = 0;
-       len = line_len = line_blen = -1; state = 0; l1 = l2 = -1; offset = 0;
-       while (razf_read(rz, &c, 1)) {
-               if (c == '\n') { // an empty line
-                       if (state == 1) {
-                               offset = razf_tell(rz);
-                               continue;
-                       } else if ((state == 0 && len < 0) || state == 2) continue;
-               }
-               if (c == '>') { // fasta header
-                       if (len >= 0)
-                               fai_insert_index(idx, name, len, line_len, line_blen, offset);
-                       l_name = 0;
-                       while ((ret = razf_read(rz, &c, 1)) != 0 && !isspace(c)) {
-                               if (m_name < l_name + 2) {
-                                       m_name = l_name + 2;
-                                       kroundup32(m_name);
-                                       name = (char*)realloc(name, m_name);
-                               }
-                               name[l_name++] = c;
-                       }
-                       name[l_name] = '\0';
-                       if (ret == 0) {
-                               fprintf(stderr, "[fai_build_core] the last entry has no sequence\n");
-                               free(name); fai_destroy(idx);
-                               return 0;
-                       }
-                       if (c != '\n') while (razf_read(rz, &c, 1) && c != '\n');
-                       state = 1; len = 0;
-                       offset = razf_tell(rz);
-               } else {
-                       if (state == 3) {
-                               fprintf(stderr, "[fai_build_core] inlined empty line is not allowed in sequence '%s'.\n", name);
-                               free(name); fai_destroy(idx);
-                               return 0;
-                       }
-                       if (state == 2) state = 3;
-                       l1 = l2 = 0;
-                       do {
-                               ++l1;
-                               if (isgraph(c)) ++l2;
-                       } while ((ret = razf_read(rz, &c, 1)) && c != '\n');
-                       if (state == 3 && l2) {
-                               fprintf(stderr, "[fai_build_core] different line length in sequence '%s'.\n", name);
-                               free(name); fai_destroy(idx);
-                               return 0;
-                       }
-                       ++l1; len += l2;
-                       if (l2 >= 0x10000) {
-                               fprintf(stderr, "[fai_build_core] line length exceeds 65535 in sequence '%s'.\n", name);
-                               free(name); fai_destroy(idx);
-                               return 0;
-                       }
-                       if (state == 1) line_len = l1, line_blen = l2, state = 0;
-                       else if (state == 0) {
-                               if (l1 != line_len || l2 != line_blen) state = 2;
-                       }
-               }
-       }
-       fai_insert_index(idx, name, len, line_len, line_blen, offset);
-       free(name);
-       return idx;
-}
-
-void fai_save(const faidx_t *fai, FILE *fp)
-{
-       khint_t k;
-       int i;
-       for (i = 0; i < fai->n; ++i) {
-               faidx1_t x;
-               k = kh_get(s, fai->hash, fai->name[i]);
-               x = kh_value(fai->hash, k);
-#ifdef _WIN32
-               fprintf(fp, "%s\t%d\t%ld\t%d\t%d\n", fai->name[i], (int)x.len, (long)x.offset, (int)x.line_blen, (int)x.line_len);
-#else
-               fprintf(fp, "%s\t%d\t%lld\t%d\t%d\n", fai->name[i], (int)x.len, (long long)x.offset, (int)x.line_blen, (int)x.line_len);
-#endif
-       }
-}
-
-faidx_t *fai_read(FILE *fp)
-{
-       faidx_t *fai;
-       char *buf, *p;
-       int len, line_len, line_blen;
-#ifdef _WIN32
-       long offset;
-#else
-       long long offset;
-#endif
-       fai = (faidx_t*)calloc(1, sizeof(faidx_t));
-       fai->hash = kh_init(s);
-       buf = (char*)calloc(0x10000, 1);
-       while (!feof(fp) && fgets(buf, 0x10000, fp)) {
-               for (p = buf; *p && isgraph(*p); ++p);
-               *p = 0; ++p;
-#ifdef _WIN32
-               sscanf(p, "%d%ld%d%d", &len, &offset, &line_blen, &line_len);
-#else
-               sscanf(p, "%d%lld%d%d", &len, &offset, &line_blen, &line_len);
-#endif
-               fai_insert_index(fai, buf, len, line_len, line_blen, offset);
-       }
-       free(buf);
-       return fai;
-}
-
-void fai_destroy(faidx_t *fai)
-{
-       int i;
-       for (i = 0; i < fai->n; ++i) free(fai->name[i]);
-       free(fai->name);
-       kh_destroy(s, fai->hash);
-       if (fai->rz) razf_close(fai->rz);
-       free(fai);
-}
-
-int fai_build(const char *fn)
-{
-       char *str;
-       RAZF *rz;
-       FILE *fp;
-       faidx_t *fai;
-       str = (char*)calloc(strlen(fn) + 5, 1);
-       sprintf(str, "%s.fai", fn);
-       rz = razf_open(fn, "r");
-       if (rz == 0) {
-               fprintf(stderr, "[fai_build] fail to open the FASTA file %s\n",fn);
-               free(str);
-               return -1;
-       }
-       fai = fai_build_core(rz);
-       razf_close(rz);
-       fp = fopen(str, "wb");
-       if (fp == 0) {
-               fprintf(stderr, "[fai_build] fail to write FASTA index %s\n",str);
-               fai_destroy(fai); free(str);
-               return -1;
-       }
-       fai_save(fai, fp);
-       fclose(fp);
-       free(str);
-       fai_destroy(fai);
-       return 0;
-}
-
-#ifdef _USE_KNETFILE
-FILE *download_and_open(const char *fn)
-{
-    const int buf_size = 1 * 1024 * 1024;
-    uint8_t *buf;
-    FILE *fp;
-    knetFile *fp_remote;
-    const char *url = fn;
-    const char *p;
-    int l = strlen(fn);
-    for (p = fn + l - 1; p >= fn; --p)
-        if (*p == '/') break;
-    fn = p + 1;
-
-    // First try to open a local copy
-    fp = fopen(fn, "r");
-    if (fp)
-        return fp;
-
-    // If failed, download from remote and open
-    fp_remote = knet_open(url, "rb");
-    if (fp_remote == 0) {
-        fprintf(stderr, "[download_from_remote] fail to open remote file %s\n",url);
-        return NULL;
-    }
-    if ((fp = fopen(fn, "wb")) == 0) {
-        fprintf(stderr, "[download_from_remote] fail to create file in the working directory %s\n",fn);
-        knet_close(fp_remote);
-        return NULL;
-    }
-    buf = (uint8_t*)calloc(buf_size, 1);
-    while ((l = knet_read(fp_remote, buf, buf_size)) != 0)
-        fwrite(buf, 1, l, fp);
-    free(buf);
-    fclose(fp);
-    knet_close(fp_remote);
-
-    return fopen(fn, "r");
-}
-#endif
-
-faidx_t *fai_load(const char *fn)
-{
-       char *str;
-       FILE *fp;
-       faidx_t *fai;
-       str = (char*)calloc(strlen(fn) + 5, 1);
-       sprintf(str, "%s.fai", fn);
-
-#ifdef _USE_KNETFILE
-    if (strstr(fn, "ftp://") == fn || strstr(fn, "http://") == fn)
-    {
-        fp = download_and_open(str);
-        if ( !fp )
-        {
-            fprintf(stderr, "[fai_load] failed to open remote FASTA index %s\n", str);
-            free(str);
-            return 0;
-        }
-    }
-    else
-#endif
-        fp = fopen(str, "rb");
-       if (fp == 0) {
-               fprintf(stderr, "[fai_load] build FASTA index.\n");
-               fai_build(fn);
-               fp = fopen(str, "rb");
-               if (fp == 0) {
-                       fprintf(stderr, "[fai_load] fail to open FASTA index.\n");
-                       free(str);
-                       return 0;
-               }
-       }
-
-       fai = fai_read(fp);
-       fclose(fp);
-
-       fai->rz = razf_open(fn, "rb");
-       free(str);
-       if (fai->rz == 0) {
-               fprintf(stderr, "[fai_load] fail to open FASTA file.\n");
-               return 0;
-       }
-       return fai;
-}
-
-char *fai_fetch(const faidx_t *fai, const char *str, int *len)
-{
-       char *s, *p, c;
-       int i, l, k;
-       khiter_t iter;
-       faidx1_t val;
-       khash_t(s) *h;
-       int beg, end;
-
-       beg = end = -1;
-       h = fai->hash;
-       l = strlen(str);
-       p = s = (char*)malloc(l+1);
-       /* squeeze out "," */
-       for (i = k = 0; i != l; ++i)
-               if (str[i] != ',' && !isspace(str[i])) s[k++] = str[i];
-       s[k] = 0;
-       for (i = 0; i != k; ++i) if (s[i] == ':') break;
-       s[i] = 0;
-       iter = kh_get(s, h, s); /* get the ref_id */
-       if (iter == kh_end(h)) {
-               *len = 0;
-               free(s); return 0;
-       }
-       val = kh_value(h, iter);
-       if (i == k) { /* dump the whole sequence */
-               beg = 0; end = val.len;
-       } else {
-               for (p = s + i + 1; i != k; ++i) if (s[i] == '-') break;
-               beg = atoi(p);
-               if (i < k) {
-                       p = s + i + 1;
-                       end = atoi(p);
-               } else end = val.len;
-       }
-       if (beg > 0) --beg;
-       if (beg >= val.len) beg = val.len;
-       if (end >= val.len) end = val.len;
-       if (beg > end) beg = end;
-       free(s);
-
-       // now retrieve the sequence
-       l = 0;
-       s = (char*)malloc(end - beg + 2);
-       razf_seek(fai->rz, val.offset + beg / val.line_blen * val.line_len + beg % val.line_blen, SEEK_SET);
-       while (razf_read(fai->rz, &c, 1) == 1 && l < end - beg && !fai->rz->z_err)
-               if (isgraph(c)) s[l++] = c;
-       s[l] = '\0';
-       *len = l;
-       return s;
-}
-
-int faidx_main(int argc, char *argv[])
-{
-       if (argc == 1) {
-               fprintf(stderr, "Usage: faidx <in.fasta> [<reg> [...]]\n");
-               return 1;
-       } else {
-               if (argc == 2) fai_build(argv[1]);
-               else {
-                       int i, j, k, l;
-                       char *s;
-                       faidx_t *fai;
-                       fai = fai_load(argv[1]);
-                       if (fai == 0) return 1;
-                       for (i = 2; i != argc; ++i) {
-                               printf(">%s\n", argv[i]);
-                               s = fai_fetch(fai, argv[i], &l);
-                               for (j = 0; j < l; j += 60) {
-                                       for (k = 0; k < 60 && k < l - j; ++k)
-                                               putchar(s[j + k]);
-                                       putchar('\n');
-                               }
-                               free(s);
-                       }
-                       fai_destroy(fai);
-               }
-       }
-       return 0;
-}
-
-int faidx_fetch_nseq(const faidx_t *fai) 
-{
-       return fai->n;
-}
-
-char *faidx_fetch_seq(const faidx_t *fai, char *c_name, int p_beg_i, int p_end_i, int *len)
-{
-       int l;
-       char c;
-    khiter_t iter;
-    faidx1_t val;
-       char *seq=NULL;
-
-    // Adjust position
-    iter = kh_get(s, fai->hash, c_name);
-    if(iter == kh_end(fai->hash)) return 0;
-    val = kh_value(fai->hash, iter);
-       if(p_end_i < p_beg_i) p_beg_i = p_end_i;
-    if(p_beg_i < 0) p_beg_i = 0;
-    else if(val.len <= p_beg_i) p_beg_i = val.len - 1;
-    if(p_end_i < 0) p_end_i = 0;
-    else if(val.len <= p_end_i) p_end_i = val.len - 1;
-
-    // Now retrieve the sequence 
-       l = 0;
-       seq = (char*)malloc(p_end_i - p_beg_i + 2);
-       razf_seek(fai->rz, val.offset + p_beg_i / val.line_blen * val.line_len + p_beg_i % val.line_blen, SEEK_SET);
-       while (razf_read(fai->rz, &c, 1) == 1 && l < p_end_i - p_beg_i + 1)
-               if (isgraph(c)) seq[l++] = c;
-       seq[l] = '\0';
-       *len = l;
-       return seq;
-}
-
-#ifdef FAIDX_MAIN
-int main(int argc, char *argv[]) { return faidx_main(argc, argv); }
-#endif