生物技术

开发平台：
C/C++

find_pattern.cpp：源码内容
							/*
 * ===========================================================================
 * PRODUCTION $Log: find_pattern.cpp,v $
 * PRODUCTION Revision 1000.1  2004/06/01 18:10:31  gouriano
 * PRODUCTION PRODUCTION: UPGRADED [GCC34_MSVC7] Dev-tree R1.10
 * PRODUCTION
 * ===========================================================================
 */
/*  $Id: find_pattern.cpp,v 1000.1 2004/06/01 18:10:31 gouriano Exp $
 * ===========================================================================
 *
 *                            PUBLIC DOMAIN NOTICE
 *               National Center for Biotechnology Information
 *
 *  This software/database is a "United States Government Work" under the
 *  terms of the United States Copyright Act.  It was written as part of
 *  the author's official duties as a United States Government employee and
 *  thus cannot be copyrighted.  This software/database is freely available
 *  to the public for use. The National Library of Medicine and the U.S.
 *  Government have not placed any restriction on its use or reproduction.
 *
 *  Although all reasonable efforts have been taken to ensure the accuracy
 *  and reliability of the software and data, the NLM and the U.S.
 *  Government do not and cannot warrant the performance or results that
 *  may be obtained by using this software or data. The NLM and the U.S.
 *  Government disclaim all warranties, express or implied, including
 *  warranties of performance, merchantability or fitness for any particular
 *  purpose.
 *
 *  Please cite the author in any work or product based on this material.
 *
 * ===========================================================================
 *
 * Authors:  Josh Cherry
 *
 * File Description:  Find occurrences of a regular expression in a sequence
 *
 */
#include <ncbi_pch.hpp>
#include <algo/sequence/find_pattern.hpp>
#include <util/regexp.hpp>
BEGIN_NCBI_SCOPE
// Find all occurrences of a pattern (regular expression) in a sequence.
void CFindPattern::Find(const string& seq, const string& pattern,
                       vector<TSeqPos>& starts, vector<TSeqPos>& ends) {
    // do a case-insensitive r.e. search for "all" (non-overlapping) occurrences
    // note that it's somewhat ambiguous what this means
    // want to ignore case, and to allow white space (and comments) in pattern
    CRegexp re(pattern, PCRE_CASELESS | PCRE_EXTENDED);
    starts.clear();
    ends.clear();
    unsigned int offset = 0;
    while (!re.GetMatch(seq, offset).empty()) {  
        // (empty string means no match)
        const int *res = re.GetResults(0);
        starts.push_back(res[0]);
        ends.push_back(res[1] - 1);
        offset = res[1];
    }
}
/// Find cases of at least min_repeats consecutive occurrences of any
/// *particular* match to pattern.
/// N.B.: pattern = "[ag]c" and min_repeats = 2 will match
/// "acac" and "gcgc" but NOT "acgc" or "gcac".
void CFindPattern::FindRepeatsOf(const string& seq, const string& pattern,
                                 int min_repeats,
                                 vector<TSeqPos>& starts,
                                 vector<TSeqPos>& ends)
{
    string total_pattern;
    total_pattern = "(" + pattern + ")\1{"
        + NStr::IntToString(min_repeats - 1) + ",}";
    Find(seq, total_pattern, starts, ends);
}
/// Find all cases of at least min_repeats consecutive occurrences
/// of any n-mer consisting of unambiguous nucleotides ({a, g, c, t}).
/// Note that, e.g., dinucelotide repeats can also qualify as
/// tetranucleotide repeats.
void CFindPattern::FindNucNmerRepeats(const string& seq,
                                      int n, int min_repeats,
                                      vector<TSeqPos>& starts,
                                      vector<TSeqPos>& ends)
{
    string pattern;
    for (int i = 0;  i < n;  ++i) {
        pattern += "[agct]";
    }
    FindRepeatsOf(seq, pattern, min_repeats, starts, ends);
}
END_NCBI_SCOPE
/*
 * ===========================================================================
 * $Log: find_pattern.cpp,v $
 * Revision 1000.1  2004/06/01 18:10:31  gouriano
 * PRODUCTION: UPGRADED [GCC34_MSVC7] Dev-tree R1.10
 *
 * Revision 1.10  2004/05/21 21:41:04  gorelenk
 * Added PCH ncbi_pch.hpp
 *
 * Revision 1.9  2004/04/01 14:14:02  lavr
 * Spell "occurred", "occurrence", and "occurring"
 *
 * Revision 1.8  2003/12/16 18:02:22  jcherry
 * Moved find_pattern to algo/sequence
 *
 * Revision 1.7  2003/12/15 21:20:02  jcherry
 * Added simple repeat searches
 *
 * Revision 1.6  2003/12/15 20:16:09  jcherry
 * Changed CFindPattern::Find to take a string rather than a CSeqVector
 *
 * Revision 1.5  2003/12/15 19:51:07  jcherry
 * CRegexp::GetMatch now takes a string&, not a char*
 *
 * Revision 1.4  2003/07/08 22:08:00  jcherry
 * Clear 'starts' and 'ends' before using them!
 *
 * Revision 1.3  2003/07/03 19:14:12  jcherry
 * Initial version
 *
 * ===========================================================================
 */

						