mirror of
https://github.com/metabarcoding/obitools4.git
synced 2025-06-29 16:20:46 +00:00
First commit
This commit is contained in:
288
pkg/obiformats/fastseq_obi_header.go
Normal file
288
pkg/obiformats/fastseq_obi_header.go
Normal file
@ -0,0 +1,288 @@
|
||||
package obiformats
|
||||
|
||||
import (
|
||||
"bytes"
|
||||
"fmt"
|
||||
"regexp"
|
||||
"strconv"
|
||||
"strings"
|
||||
|
||||
"git.metabarcoding.org/lecasofts/go/oa2/pkg/obiseq"
|
||||
"github.com/goccy/go-json"
|
||||
)
|
||||
|
||||
var __obi_header_value_string_pattern__ = regexp.MustCompile(`^'\s*([^']*'|"[^"]*")\s*;`)
|
||||
var __obi_header_value_numeric_pattern__ = regexp.MustCompile(`^\s*([+-]?\.\d+|[+-]?\d+(\.\d*)?([eE][+-]?\d+)?)\s*;`)
|
||||
|
||||
func __match__dict__(text []byte) []int {
|
||||
|
||||
state := 0
|
||||
level := 0
|
||||
start := 0
|
||||
instring := byte(0)
|
||||
|
||||
for i, r := range text {
|
||||
if state == 2 {
|
||||
if r == ';' {
|
||||
// end of the pattern
|
||||
return []int{start, i + 1}
|
||||
}
|
||||
|
||||
if r != ' ' && r != '\t' {
|
||||
// Bad character at the end of the pattern
|
||||
return []int{}
|
||||
}
|
||||
}
|
||||
|
||||
if r == '{' && instring == 0 { // Beginning of dict
|
||||
level++
|
||||
if state == 0 {
|
||||
// Beginning of the main dict
|
||||
state++
|
||||
start = i
|
||||
}
|
||||
|
||||
continue
|
||||
}
|
||||
|
||||
if state == 0 && r != ' ' && r != '\t' {
|
||||
// It's not a dict
|
||||
return []int{}
|
||||
}
|
||||
|
||||
if state == 1 {
|
||||
if r == '"' || r == '\'' {
|
||||
if instring == 0 {
|
||||
// start of a string
|
||||
instring = r
|
||||
} else {
|
||||
if instring == r {
|
||||
// end of a string
|
||||
instring = 0
|
||||
}
|
||||
}
|
||||
|
||||
continue
|
||||
}
|
||||
}
|
||||
|
||||
if r == '}' && instring == 0 {
|
||||
// end of a dict
|
||||
level--
|
||||
|
||||
if level == 0 {
|
||||
// end of the main dict
|
||||
state++
|
||||
}
|
||||
}
|
||||
|
||||
}
|
||||
|
||||
return []int{}
|
||||
}
|
||||
|
||||
func __match__key__(text []byte) []int {
|
||||
|
||||
state := 0
|
||||
start := 0
|
||||
|
||||
for i, r := range text {
|
||||
|
||||
if state == 0 {
|
||||
if (r >= 'A' && r <= 'Z') || (r >= 'a' && r <= 'z') {
|
||||
// Beginning of the key
|
||||
// fmt.Printf("Beginning of the key (%c) %d\n", r, i)
|
||||
state++
|
||||
start = i
|
||||
continue
|
||||
}
|
||||
|
||||
if r != ' ' && r != '\t' {
|
||||
// It's not a key
|
||||
return []int{}
|
||||
}
|
||||
|
||||
continue
|
||||
}
|
||||
|
||||
if state > 0 && r == '=' {
|
||||
// End of thee pattern
|
||||
// fmt.Printf("End of the pattern (%c) %d\n", r, i)
|
||||
return []int{start, i + 1}
|
||||
}
|
||||
|
||||
if state == 1 {
|
||||
if r == ' ' || r == '\t' {
|
||||
// End of the key
|
||||
state++
|
||||
continue
|
||||
}
|
||||
|
||||
if (r >= 'A' && r <= 'Z') || (r >= 'a' && r <= 'z') ||
|
||||
(r >= '0' && r <= '9') ||
|
||||
r == '_' || r == '-' || r == '.' {
|
||||
// Continuing the key
|
||||
continue
|
||||
}
|
||||
|
||||
// Not allowed character in a key
|
||||
// fmt.Printf("Not allowed char (%c) %d\n", r, i)
|
||||
return []int{}
|
||||
}
|
||||
|
||||
if state == 2 && r != ' ' && r != '\t' {
|
||||
// fmt.Printf("Not allowed char 2 (%c) %d\n", r, i)
|
||||
// Not allowed character after a key
|
||||
return []int{}
|
||||
}
|
||||
}
|
||||
|
||||
return []int{} // Not a key
|
||||
}
|
||||
|
||||
func __match__general__(text []byte) []int {
|
||||
|
||||
for i, r := range text {
|
||||
if r == ';' {
|
||||
return []int{0, i + 1}
|
||||
}
|
||||
}
|
||||
|
||||
return []int{} // Not generic value
|
||||
}
|
||||
|
||||
var __false__ = []byte{'f', 'a', 'l', 's', 'e'}
|
||||
var __False__ = []byte{'F', 'a', 'l', 's', 'e'}
|
||||
var __FALSE__ = []byte{'F', 'A', 'L', 'S', 'E'}
|
||||
|
||||
var __true__ = []byte{'t', 'r', 'u', 'e'}
|
||||
var __True__ = []byte{'T', 'r', 'u', 'e'}
|
||||
var __TRUE__ = []byte{'T', 'R', 'U', 'E'}
|
||||
|
||||
func __is_true__(text []byte) bool {
|
||||
return (len(text) == 1 && (text[0] == 't' || text[0] == 'T')) ||
|
||||
bytes.Equal(text, __true__) ||
|
||||
bytes.Equal(text, __True__) ||
|
||||
bytes.Equal(text, __TRUE__)
|
||||
}
|
||||
|
||||
func __is_false__(text []byte) bool {
|
||||
return (len(text) == 1 && (text[0] == 'f' || text[0] == 'F')) ||
|
||||
bytes.Equal(text, __false__) ||
|
||||
bytes.Equal(text, __False__) ||
|
||||
bytes.Equal(text, __FALSE__)
|
||||
}
|
||||
|
||||
func ParseFastSeqOBIHeader(sequence obiseq.BioSequence) {
|
||||
definition := []byte(sequence.Definition())
|
||||
annotations := sequence.Annotations()
|
||||
|
||||
// all_matches := __obi_header_pattern__.FindAllSubmatchIndex(definition, -1)
|
||||
|
||||
d := definition
|
||||
|
||||
//for m := __obi_header_key_pattern__.FindIndex(definition); len(m) > 0; {
|
||||
//fmt.Println(string(definition[0:20]), __match__key__(definition))
|
||||
for m := __match__key__(definition); len(m) > 0; {
|
||||
var bvalue []byte
|
||||
var value interface{}
|
||||
start := m[0]
|
||||
stop := -1
|
||||
key := string(bytes.TrimSpace(d[start:(m[1] - 1)]))
|
||||
part := d[m[1]:]
|
||||
|
||||
// numeric value
|
||||
m = __obi_header_value_numeric_pattern__.FindIndex(part)
|
||||
if len(m) > 0 {
|
||||
bvalue = bytes.TrimSpace(part[m[0]:(m[1] - 1)])
|
||||
value, _ = strconv.ParseFloat(string(bvalue), 64)
|
||||
stop = m[1] + 1
|
||||
} else {
|
||||
// string value
|
||||
|
||||
m = __obi_header_value_string_pattern__.FindIndex(part)
|
||||
if len(m) > 0 {
|
||||
bvalue = bytes.TrimSpace(part[m[0]:(m[1] - 1)])
|
||||
value = string(bvalue[1:(len(bvalue) - 1)])
|
||||
stop = m[1] + 1
|
||||
} else {
|
||||
|
||||
// dict value
|
||||
m = __match__dict__(part)
|
||||
if len(m) > 0 {
|
||||
bvalue = bytes.TrimSpace(part[m[0]:(m[1] - 1)])
|
||||
j := bytes.ReplaceAll(bvalue, []byte("'"), []byte(`"`))
|
||||
var err error
|
||||
if strings.HasPrefix(key, "merged_") ||
|
||||
strings.HasSuffix(key, "_count") {
|
||||
dict := make(map[string]int)
|
||||
err = json.Unmarshal(j, &dict)
|
||||
value = dict
|
||||
} else {
|
||||
dict := make(map[string]interface{})
|
||||
err = json.Unmarshal(j, &dict)
|
||||
value = dict
|
||||
}
|
||||
|
||||
if err != nil {
|
||||
value = string(bvalue)
|
||||
}
|
||||
stop = m[1] + 1
|
||||
} else {
|
||||
|
||||
// Generic value
|
||||
|
||||
// m = __obi_header_value_general_pattern__.FindIndex(part)
|
||||
m = __match__general__(part)
|
||||
if len(m) > 0 {
|
||||
bvalue = bytes.TrimSpace(part[m[0]:(m[1] - 1)])
|
||||
|
||||
if __is_false__(bvalue) {
|
||||
value = false
|
||||
} else {
|
||||
if __is_true__(bvalue) {
|
||||
value = true
|
||||
} else {
|
||||
value = string(bvalue)
|
||||
}
|
||||
}
|
||||
|
||||
stop = m[1] + 1
|
||||
} else {
|
||||
// no value
|
||||
break
|
||||
} // End of No value
|
||||
} // End of not dict
|
||||
} // End of not string
|
||||
} // End of not numeric
|
||||
|
||||
annotations[key] = value
|
||||
|
||||
d = part[stop:]
|
||||
//m = __obi_header_key_pattern__.FindIndex(d)
|
||||
m = __match__key__(d)
|
||||
}
|
||||
|
||||
sequence.SetDefinition(string(bytes.TrimSpace(d)))
|
||||
}
|
||||
|
||||
func FormatFastSeqOBIHeader(sequence obiseq.BioSequence) string {
|
||||
annotations := sequence.Annotations()
|
||||
|
||||
if annotations != nil {
|
||||
var text strings.Builder
|
||||
|
||||
for key, value := range annotations {
|
||||
switch t := value.(type) {
|
||||
case string:
|
||||
text.WriteString(fmt.Sprintf("%s=%s; ", key, t))
|
||||
default:
|
||||
text.WriteString(fmt.Sprintf("%s=%v; ", key, value))
|
||||
}
|
||||
}
|
||||
|
||||
return text.String()
|
||||
}
|
||||
|
||||
return ""
|
||||
}
|
||||
Reference in New Issue
Block a user