如何在C中按字符组读取文件？

Question

我有一个 DNA 序列文件（A's、T's、G's 和 C's）；它没有空格、逗号或行分隔符。我必须从中读取前 10,000 个值，并找到重复次数最多的两个五值模式。

到目前为止，我尝试将不同的模式存储在一个简单的结构中，如下所示：

typedef struct
{
    char* pattern;
    int count;
} pattern;

当我发现更多新模式时，我会通过以下循环存储它们：

int size = 10;
int pos = 0; //positions occupied
pattern* patrones = calloc(10, sizeof(pattern));

char temp[6];

FILE* file = fopen("dnaChain.txt", "rb");
while(file != NULL)
{
    bool has = false;
    fgets(temp, 6, file);

    for(int i = 0; i <= pos; i++)
    {
        pattern p = patrones[i];
        char* content = p.pattern;
        int comp = strcmp(content, temp);
        if(comp == 0)
        {
            has = true;
            p.count = p.count+1;
        }
    }

    if(!has)
    {
        pattern new;
        new.pattern = temp;
        new.count = 1;
        if(pos == size-1)
        {
            patrones = realloc(patrones, size+10);
            size += 10;
        }
    else{
        patrones[pos] = new;}
        pos++;
    }
}

但是我的代码是错误的并给了我一个segmentation fault 错误 当我执行它时，请帮助我。

Answer 1

首先将所有 10000 个值读入内存，然后只对内存中的数据进行操作。

至于查找序列，基本上就是简单的子字符串查找。一个天真的解决方案是从前五个字符开始，然后从第二个字符开始搜索相同的子字符串，然后从第三个字符开始，然后是第四个字符，以此类推。计算找到子字符串的次数。

然后做同样的事情，但从第二个字符和五个字符开始。从第三个字符、第四个字符等中查找该子字符串。

在前两次搜索后，您将获得两个计数，一大一小。如果在下一次搜索期间，您发现一个子字符串的计数大于当前两个子字符串中的任何一个，则删除最小的子字符串并保存当前子字符串（及其计数）。以此类推，直到您检查了整个字符串。

会有很多循环，而且不是很有效，但应该会给你想要的结果。