GTFItem.h

   1 #ifndef __GTFITEM__
   2 #define __GTFITEM__
   3
   4 #include<cstdio>
   5 #include<cstdlib>
   6 #include<cassert>
   7 #include<string>
   8 #include<sstream>
   9
  10 #include "utils.h"
  11
  12 class GTFItem {
  13 public:
  14
  15         GTFItem() {
  16                 seqname = source = feature = "";
  17                 score = "";
  18                 start = end = 0;
  19                 strand = 0; //strand is a char variable
  20                 frame = "";
  21                 gene_id = transcript_id = "";
  22                 left = "";
  23         }
  24
  25         bool operator<(const GTFItem& o) const {
  26                 if (gene_id != o.gene_id) return gene_id < o.gene_id;
  27                 if (transcript_id != o.transcript_id) return transcript_id < o.transcript_id;
  28                 return start < o.start;
  29         }
  30
  31         void my_assert(char value, std::string& line, const std::string& msg) {
  32                 if (!value) {
  33                         fprintf(stderr, ".gtf file might be corrupted!\n");
  34                         fprintf(stderr, "Stop at line : %s\n", line.c_str());
  35                         fprintf(stderr, "Error Message: %s\n", msg.c_str());
  36                         exit(-1);
  37                 }
  38         }
  39
  40         void parse(std::string line) {
  41                 std::istringstream strin(line);
  42                 std::string tmp;
  43
  44                 getline(strin, seqname, '\t');
  45                 getline(strin, source, '\t');
  46                 getline(strin, feature, '\t');
  47                 getline(strin, tmp, '\t');
  48                 start = atoi(tmp.c_str());
  49                 getline(strin, tmp, '\t');
  50                 end = atoi(tmp.c_str());
  51                 getline(strin, score, '\t');
  52                 getline(strin, tmp, '\t');
  53                 my_assert((tmp.length() == 1 && (tmp[0] == '+' || tmp[0] == '-')), line, "Strand is neither '+' nor '-'!");
  54                 strand = tmp[0];
  55                 getline(strin, frame, '\t');
  56
  57                 getline(strin, left); // assign attributes and possible comments into "left"
  58
  59                 strin.clear(); strin.str(left);
  60                 bool find_gene_id = false, find_transcript_id = false;
  61
  62                 while (getline(strin, tmp, ';') && (!find_gene_id || !find_transcript_id)) {
  63                         tmp = cleanStr(tmp);
  64                         size_t pos = tmp.find(' ');
  65                         my_assert((pos != std::string::npos), line, "Cannot separate the identifier from the value for attribute " + tmp + "!");
  66                         std::string identifier = tmp.substr(0, pos);
  67
  68                         if (identifier == "gene_id") {
  69                                 my_assert(!find_gene_id, line, "gene_id appear more than once!");
  70                                 tmp = cleanStr(tmp.substr(pos));
  71                                 my_assert((tmp[0] == '"' && tmp[tmp.length() - 1] == '"'), line, "Textual attributes should be surrounded by doublequotes!");
  72                                 gene_id = tmp.substr(1, tmp.length() - 2);
  73                                 find_gene_id = true;
  74                         } else if (identifier == "transcript_id") {
  75                                 my_assert(!find_transcript_id, line, "transcript_id appear more than once!");
  76                                 tmp = cleanStr(tmp.substr(pos));
  77                                 my_assert((tmp[0] == '"' && tmp[tmp.length() - 1] == '"'), line, "Textual attributes should be surrounded by doublequotes!");
  78                                 transcript_id = tmp.substr(1, tmp.length() - 2);
  79                                 find_transcript_id = true;
  80                         }
  81                 }
  82
  83                 my_assert(feature != "exon" || find_gene_id, line, "Cannot find gene_id!");
  84                 my_assert(feature != "exon" || find_transcript_id, line, "Cannot find transcript_id!");
  85                 if (!find_gene_id && feature != "exon") { printf("Warning: line \" %s \" does not contain a gene_id attribute! Since this line will not be used for reference construction, it is skipped. But if you think this GTF file is corrupted, you should find a complelete GTF file instead and rebuild the reference.\n", line.c_str()); }
  86                 if (!find_transcript_id && feature != "exon") { printf("Warning: line \" %s \" does not contain a transcript_id attribute! Since this line will not be used for reference construction, it is skipped. But if you think this GTF file is corrupted, you should find a complelete GTF file instead and rebuild the reference.\n", line.c_str()); }
  87         }
  88
  89         std::string getSeqName() { return seqname; }
  90         std::string getSource() { return source; }
  91         std::string getFeature() { return feature; }
  92         int getStart() { return start; }
  93         int getEnd() { return end; }
  94         char getStrand() { return strand; }
  95         std::string getScore() { return score; }  // float, integer or "." ; let downstream programs parse it
  96         std::string getFrame() { return frame; }  // 0, 1, 2, or "."; let downstream programs parse it
  97         std::string getGeneID() { return gene_id; }
  98         std::string getTranscriptID() { return transcript_id; }
  99         std::string getLeft() { return left; }
 100
 101         void setGeneID(const std::string& gene_id) {
 102                 this->gene_id = gene_id;
 103         }
 104
 105         std::string toString() {
 106                 std::string val;
 107                 std::ostringstream strout;
 108                 strout<<seqname<<'\t'<<source<<'\t'<<feature<<'\t'<<start<<'\t'<<end<<'\t'<<score<<'\t'<<strand<<'\t'<<frame<<'\t';
 109                 strout<<"gene_id \""<<gene_id<<"\"; transcript_id \""<<transcript_id<<"\";"<<left;
 110                 val = strout.str();
 111
 112                 return val;
 113         }
 114
 115 private:
 116         std::string seqname, source, feature;
 117         std::string score;
 118         int start, end;
 119         char strand;
 120         std::string frame;
 121         std::string gene_id, transcript_id;
 122         std::string left;
 123 };
 124
 125 #endif