Patched the example makefile to not use samtools pileup, deprecated.
[samtools.git] / bedidx.c
1 #include <stdlib.h>
2 #include <stdint.h>
3 #include <string.h>
4 #include <stdio.h>
5 #include <zlib.h>
6
7 #include "ksort.h"
8 KSORT_INIT_GENERIC(uint64_t)
9
10 #include "kseq.h"
11 KSTREAM_INIT(gzFile, gzread, 8192)
12
13 typedef struct {
14         int n, m;
15         uint64_t *a;
16         int *idx;
17 } bed_reglist_t;
18
19 #include "khash.h"
20 KHASH_MAP_INIT_STR(reg, bed_reglist_t)
21
22 #define LIDX_SHIFT 13
23
24 typedef kh_reg_t reghash_t;
25
26 int *bed_index_core(int n, uint64_t *a, int *n_idx)
27 {
28         int i, j, m, *idx;
29         m = *n_idx = 0; idx = 0;
30         for (i = 0; i < n; ++i) {
31                 int beg, end;
32                 beg = a[i]>>32 >> LIDX_SHIFT; end = ((uint32_t)a[i]) >> LIDX_SHIFT;
33                 if (m < end + 1) {
34                         int oldm = m;
35                         m = end + 1;
36                         kroundup32(m);
37                         idx = realloc(idx, m * sizeof(int));
38                         for (j = oldm; j < m; ++j) idx[j] = -1;
39                 }
40                 if (beg == end) {
41                         if (idx[beg] < 0) idx[beg] = i;
42                 } else {
43                         for (j = beg; j <= end; ++j)
44                                 if (idx[j] < 0) idx[j] = i;
45                 }
46                 *n_idx = end + 1;
47         }
48         return idx;
49 }
50
51 void bed_index(void *_h)
52 {
53         reghash_t *h = (reghash_t*)_h;
54         khint_t k;
55         for (k = 0; k < kh_end(h); ++k) {
56                 if (kh_exist(h, k)) {
57                         bed_reglist_t *p = &kh_val(h, k);
58                         if (p->idx) free(p->idx);
59                         ks_introsort(uint64_t, p->n, p->a);
60                         p->idx = bed_index_core(p->n, p->a, &p->m);
61                 }
62         }
63 }
64
65 int bed_overlap_core(const bed_reglist_t *p, int beg, int end)
66 {
67         int i, min_off;
68         if (p->n == 0) return 0;
69         min_off = (beg>>LIDX_SHIFT >= p->n)? p->idx[p->n-1] : p->idx[beg>>LIDX_SHIFT];
70         if (min_off < 0) { // TODO: this block can be improved, but speed should not matter too much here
71                 int n = beg>>LIDX_SHIFT;
72                 if (n > p->n) n = p->n;
73                 for (i = n - 1; i >= 0; --i)
74                         if (p->idx[i] >= 0) break;
75                 min_off = i >= 0? p->idx[i] : 0;
76         }
77         for (i = min_off; i < p->n; ++i) {
78                 if ((int)(p->a[i]>>32) >= end) break; // out of range; no need to proceed
79                 if ((int32_t)p->a[i] > beg && (int32_t)(p->a[i]>>32) < end)
80                         return 1; // find the overlap; return
81         }
82         return 0;
83 }
84
85 int bed_overlap(const void *_h, const char *chr, int beg, int end)
86 {
87         const reghash_t *h = (const reghash_t*)_h;
88         khint_t k;
89         if (!h) return 0;
90         k = kh_get(reg, h, chr);
91         if (k == kh_end(h)) return 0;
92         return bed_overlap_core(&kh_val(h, k), beg, end);
93 }
94
95 void *bed_read(const char *fn)
96 {
97         reghash_t *h = kh_init(reg);
98         gzFile fp;
99         kstream_t *ks;
100         int dret;
101         kstring_t *str;
102         // read the list
103         fp = strcmp(fn, "-")? gzopen(fn, "r") : gzdopen(fileno(stdin), "r");
104         if (fp == 0) return 0;
105         str = calloc(1, sizeof(kstring_t));
106         ks = ks_init(fp);
107         while (ks_getuntil(ks, 0, str, &dret) >= 0) { // read the chr name
108                 int beg = -1, end = -1;
109                 bed_reglist_t *p;
110                 khint_t k = kh_get(reg, h, str->s);
111                 if (k == kh_end(h)) { // absent from the hash table
112                         int ret;
113                         char *s = strdup(str->s);
114                         k = kh_put(reg, h, s, &ret);
115                         memset(&kh_val(h, k), 0, sizeof(bed_reglist_t));
116                 }
117                 p = &kh_val(h, k);
118                 if (dret != '\n') { // if the lines has other characters
119                         if (ks_getuntil(ks, 0, str, &dret) > 0 && isdigit(str->s[0])) {
120                                 beg = atoi(str->s); // begin
121                                 if (dret != '\n') {
122                                         if (ks_getuntil(ks, 0, str, &dret) > 0 && isdigit(str->s[0])) {
123                                                 end = atoi(str->s); // end
124                                                 if (end < beg) end = -1;
125                                         }
126                                 }
127                         }
128                 }
129                 if (dret != '\n') while ((dret = ks_getc(ks)) > 0 && dret != '\n'); // skip the rest of the line
130                 if (end < 0 && beg > 0) end = beg, beg = beg - 1; // if there is only one column
131                 if (beg >= 0 && end > beg) {
132                         if (p->n == p->m) {
133                                 p->m = p->m? p->m<<1 : 4;
134                                 p->a = realloc(p->a, p->m * 8);
135                         }
136                         p->a[p->n++] = (uint64_t)beg<<32 | end;
137                 }
138         }
139         ks_destroy(ks);
140         gzclose(fp);
141         free(str->s); free(str);
142         bed_index(h);
143         return h;
144 }
145
146 void bed_destroy(void *_h)
147 {
148         reghash_t *h = (reghash_t*)_h;
149         khint_t k;
150         for (k = 0; k < kh_end(h); ++k) {
151                 if (kh_exist(h, k)) {
152                         free(kh_val(h, k).a);
153                         free(kh_val(h, k).idx);
154                         free((char*)kh_key(h, k));
155                 }
156         }
157         kh_destroy(reg, h);
158 }