Fejl overskrivning af array

Jeg ved ihvertfald en ting som er gal.

char *find(char *s, char *start, char *end)
{
    char *p,*p2 = 0,tmp[1000];
...
      return tmp;
...
}

du maa ikke returnere adressen paa en lokal variabel !

Lav tmp global eller send den med som argument.

En anden ting.

char *exonLoc[1000][1];
...
exonLoc[i][1] = exonLocE;

Du kan kun bruge index 0 paa noget som har dimension 1.

Den skal no vaere dimension 2.

Hej arne,

Ja min compiler klager godt nok over det, men kører det alligevel. Kan du forklare hvad det betyder? Jeg har blot ladet det være fordi jeg ikke viste hvordan jeg løste det og hvad det betyder.

Jeg har gjort tmp global og rettet mit array til char *exonLoc[1000][2]; og exonLoc[i][1] = exonLocS; samt exonLoc[i][2] = exonLocE;

Det fjernede min warning men løste ikke problemet.

Med dimension 2 skal du bruge index 0 og 1.

Den memory som en lokal variabel ligger i frigives ved return og den bliver derfor
genbrugt.

Ok. Jeg har også rettet mit array til at bruge index 0 og 1.

Følgende fil kan evt bruges til test;
http://www.ncbi.nlm.nih.gov/entrez/viewer.fcgi?db=nuccore&qty=1&c_start=1&list_uids=5016088&uids=&dopt=gbc&dispmax=1&sendto=t&fmt_mask=0&extrafeatpresent=1&ef_STS=64&ef_Exon=512&ef_CDD=8&ef_MGC=16&ef_HPRD=32&ef_tRNA=128&ef_microRNA=256

Hvis man bruger den fil, var formålet at arrayet skulle indeholde;
exonLoc[0][0] = 1, exonLoc[0][1] = 67
exonLoc[1][0] = 68, exonLoc[1][1] = 196
exonLoc[2][0] = 197, exonLoc[2][1] = 436
exonLoc[3][0] = 437, exonLoc[3][1] = 875
exonLoc[4][0] = 876, exonLoc[4][1] = 1057
exonLoc[5][0] = 1058, exonLoc[5][1] = 1793

Jeg har prøvet at finde ud af hvor fejlen er. Det ser ud til at det er i find funktionen. Når den køres med korrekt xml tag, men indholdet ikke er ok går det galt.

Nogen ide til, hvordan jeg løser det?

Kan du give et eksempel på de data den ikke virker med ?

Hvis jeg smider indholdet af den her side;
http://www.ncbi.nlm.nih.gov/entrez/viewer.fcgi?db=nuccore&qty=1&c_start=1&list_uids=5016088&uids=&dopt=gbc&dispmax=1&sendto=t&fmt_mask=0&extrafeatpresent=1&ef_STS=64&ef_Exon=512&ef_CDD=8&ef_MGC=16&ef_HPRD=32&ef_tRNA=128&ef_microRNA=256

i en txt fil og kører det, så virker det ikke.

Når jeg kører for-løkken, hvor jeg vil have den til at udskrive positionerne som anført i min tidligere kommentar skriver den som det kan ses på billedet fra første post bare polyA_site, hvilket er indholdet af et INSDFeature_key.

Jeg ønsker at hive start og slut positioner ud af det dokument når INSDFeature_key tag'et indeholder exon.

Jeg har forsøgt mig frem og problemet ser ud til at opstå når tmp returneres. Nogen ide til, hvorfor og hvordan det løses?

Hvordan ser koden ud nu ?

Den ser således ud;
http://ahv.dk/test_310807.cpp

Der er stadig mange ting som falder i øjnene:

* find bør nok returnere 0/1 (false/true) fremfor strenge

* er det virkeligt status og ikke tmp som du vil gemme i exonLoc ??

* find vil crashe hvis end tag ikke findes

Det sidste skal løses med enten at returnere hvis p2 er NULL eller ved at få læst hele filen
ind inden du parser (jeg antager at alle tags i filen er afsluttet).

Jeg har forsøgt at rette det til efter din anvisning;
http://ahv.dk/test_310807.cpp

Problemet er der stadig.

Jeg har leget lidt med koden,;
http://ahv.dk/test_310807.cpp

Problemet er der endnu. Hvordan kan det være at find laver bøvl med array'et? Hvis jeg bare giver mit array en statisk værdi find ikke bliver kørt er alt som det burde være.
Er det mon strncpy som laver noget bøvl?

Kan du ikke fortælle hvad du vil have ud af den XML fil, så kan jeg prøve at skrive noget kode til det ?

Hej arne,

Jeg vil gerne have positionsintervallet ud hver gang der har været; <INSDFeature_key>exon</INSDFeature_key>.

Når den linie har været der kommmer positionsintervallet et par linier efter f.eks;
<INSDInterval_from>437</INSDInterval_from>
<INSDInterval_to>875</INSDInterval_to>

Der kan være et vilkårligt antal exon's (i den givne xml fil er der 6) og dermed et vilkårligt antal intervaller.

Intervallerne skal bruges til at klippe i <INSDSeq_sequence></INSDSeq_sequence> som indeholder en lang sekvens. De opdelte sekvensstykker vil jeg gerne have i et array.

Hej arne,

Jeg har løst problemet, hvis jeg konverterer fra char til int på tmp virker det, hvorfor ved jeg ikke og hvorfor jeg prøvede ved jeg egentlig heller ikke.
Jeg vil meget gerne se, hvis du har skrevet noget som virker.

Jeg har rettet til;
exonLoc[i][0] = atoi(tmp); og exonLoc[i][1] = atoi(tmp);

Her er min rå C kode:

#include <stdio.h>
#include <stdlib.h>
#include <string.h>

#define MAXFILESIZ 1000000
#define MAXELMSIZ 100000
#define MAXPAIR 100

static char tmp[MAXELMSIZ];

char *find(char *s, char *start, char *end)
{
    char *p, *p2;
    p = strstr(s, start);
    p2 = strstr(p, end);
    strncpy(tmp, p + strlen(start), p2 - p - strlen(start));
    tmp[p2 - p - strlen(start)] = '\0';
    return tmp;
}

void multifind(char *s, char *start, char *end, void (*f)(char *))
{
    char *p, *p2, tmp[MAXELMSIZ];
    p = s;
    while((p = strstr(p, start)) != NULL)
    {
        p2 = strstr(p, end);
        strncpy(tmp, p + strlen(start), p2 - p - strlen(start));
        tmp[p2 - p - strlen(start)] = '\0';
        f(tmp);
        p = p2;
    }
}

static int npair;
static int pairfrom[MAXPAIR];
static int pairto[MAXPAIR];

void process_sequencepart(char *s)
{
    printf("exon sequnce part = %s\n", s);
}

void process_feature(char *s)
{
    if(strcmp(find(s, "<INSDFeature_key>", "</INSDFeature_key>"), "exon") == 0)
    {
        pairfrom[npair] = atoi(find(s, "<INSDInterval_from>", "</INSDInterval_from>"));
        pairto[npair] = atoi(find(s, "<INSDInterval_to>", "</INSDInterval_to>"));
        npair++;
    }
}

void process(char *s)
{
    int i;
    char *sequence, part[MAXELMSIZ];
    npair = 0;
    multifind(s, "<INSDFeature>", "</INSDFeature>", process_feature);
    sequence = find(s, "<INSDSeq_sequence>", "</INSDSeq_sequence>");
    for(i = 0; i < npair; i++)
    {
        strncpy(part, sequence + pairfrom[i], pairto[i] - pairfrom[i] + 1);
        part[pairto[i] - pairfrom[i] + 1] = '\0';
        process_sequencepart(part);
    }
}

int main()
{
    FILE *fp;
    char buf[MAXFILESIZ],*p;
    fp = fopen("INSD.xml", "r");
    p = buf;
    while(fgets(p, MAXFILESIZ - (p - buf), fp))
    {
        p += strlen(p);
    }
    fclose(fp);
    process(buf);
    return 0;
}

Og her er så den samme kode ved brug af LIBXML2 og XPATH:

#include <stdlib.h>
#include <stdio.h>
#include <string.h>

#include "libxml/parser.h"
#include "libxml/tree.h"
#include "libxml/xpath.h"

#define MAXELMSIZ 100000
#define MAXPAIR 100

void process_sequencepart(char *s)
{
    printf("exon sequnce part = %s\n", s);
}

int main()
{
    int i, npair, pairfrom[MAXPAIR], pairto[MAXPAIR];
    char *sequence, part[MAXELMSIZ];
    xmlDocPtr doc;
    xmlXPathContextPtr xpathCtx;
    xmlXPathObjectPtr xpathObj;
    xmlNodePtr elm;
    xmlInitParser();
    doc = xmlParseFile("INSD.xml");
    xpathCtx = xmlXPathNewContext(doc);
    xpathObj = xmlXPathEvalExpression("//INSDSet/INSDSeq/INSDSeq_feature-table/INSDFeature[INSDFeature_key='exon']/INSDFeature_intervals/INSDInterval/INSDInterval_from", xpathCtx);
    npair = xpathObj->nodesetval->nodeNr;
    for(i = 0; i < xpathObj->nodesetval->nodeNr; i++)
    {
        elm = xpathObj->nodesetval->nodeTab[i];
        pairfrom[i] = atoi(elm->children->content);
    }
    xpathObj = xmlXPathEvalExpression("//INSDSet/INSDSeq/INSDSeq_feature-table/INSDFeature[INSDFeature_key='exon']/INSDFeature_intervals/INSDInterval/INSDInterval_to", xpathCtx);
    for(i = 0; i < xpathObj->nodesetval->nodeNr; i++)
    {
        elm = xpathObj->nodesetval->nodeTab[i];
        pairto[i] = atoi(elm->children->content);
    }
    xpathObj = xmlXPathEvalExpression("//INSDSet/INSDSeq/INSDSeq_sequence", xpathCtx);
    sequence = xpathObj->nodesetval->nodeTab[0]->children->content;
    for(i = 0; i < npair; i++)
    {
        strncpy(part, sequence + pairfrom[i], pairto[i] - pairfrom[i] + 1);
        part[pairto[i] - pairfrom[i] + 1] = '\0';
        process_sequencepart(part);
    }
    xmlXPathFreeContext(xpathCtx);
    xmlFreeDoc(doc);
    xmlCleanupParser();
    return 0;
}

Hej arne,

Din kode virker fint, tak.

Der er dog stadig et problem, som jeg håber på du har en forklaring og løsning til.
Hvorfor overskriver den i array'et, hvis jeg ikke laver en konvertering med atoi? Lad os f.eks. antage at jeg havde noget tekst istedet for. Hvordan skal det konverteres for at den ikke overskriver?

Jeg ved det ikke.

Den nyeste kode på download linket bruger ikke atoi - og den crasher ikke hos mig
men skriver dog:

0 Start 1793 End: 1793
1 Start 1793 End: 1793
2 Start 1793 End: 1793
3 Start 1793 End: 1793
4 Start 1793 End: 1793
5 Start 1793 End: 1793

ud, hvilket jo er logisk forkert.

Hvis jeg skulle gætte på hvad der går galt, så er det fordi du bare gemmer en pointer til data
som genbruges i.s.f. at strcpy/strncpy data til en ny buffer.

Nu hvor jeg kan konvertere denne pointer med atoi til int, kan jeg så også konvertere en pointer til en streng?

Det er ca. detjeg gør med:

char part[MAXELMSIZ];
strncpy(part, sequence + pairfrom[i], pairto[i] - pairfrom[i] + 1);
part[pairto[i] - pairfrom[i] + 1] = '\0';

fremfor:

char *part;
part = sequence + pairfrom[i];

(den sidste har dog også et problem med termineringen)

Nu kan jeg se at du inkluderer iostream (dog uden at bruge den).

Er C++ ok ?

Ved at ændre fra C til C++ kunne man pynte en hel del på koden !

Såfremt at jeg kan få en tekststreng ind i mit array, ville jeg da gerne se en sådan løsning. Jeg har dog aldrig rodet med C++, men jeg kan sikkert sjusse mig frem til noget, når jeg ser noget andet kode.

Jeg har smidt min kode op med hvad jeg har nu, hvordan vil den se ud i c++?
http://ahv.dk/test_020907.cpp

Problemet med min egen kode er nu, at den sekvens jeg prøver at smide ind i mit array bliver overskrevet, som det var problemet tidligere med intervallerne.

Jeg har ikke lavet funktioner i min egen kode, da jeg egentlig bare gerne ville have det til at virke først. Så kan jeg altid pynte på koden senere.

Den er gal med index igen.

for (k=1; k <= 2; k++)

duer ikke som index for arrays med dimension [2]

Ups, jeg retter asap :)

Jeg arbejder på en workaround såfremt det heller ikke duer i c++.

Der er ikke så stor forskel på C og C++.

Men det bør kunne gøres mere sikkert i C++.

Og jeg tror ikke på "få det til at virke og så pynt koden" logikken - det er en hjælp
til at få det til at virke at opdele ens kode i små funktioner.

Jeg prøver lige at lave noget C++ kode.

Her er den samme rå kode i C++:

#include <iostream>
#include <fstream>
#include <cstdlib>
#include <string>
#include <vector>

using namespace std;

string find(string s, string start, string end)
{
    return s.substr(s.find(start) + start.length(), s.find(end) - s.find(start) - start.length());
}

void multifind(string s, string start, string end, void (*f)(string))
{
    int ix = 0;
    while((ix = s.find(start, ix)) != string::npos)
    {
        int ix2 = s.find(end, ix);
        f(s.substr(ix + start.length(), ix2 - ix - start.length()));
        ix = ix2;
    }
}

static vector<int> pairfrom;
static vector<int> pairto;

void process_sequencepart(string s)
{
    cout << "exon sequnce part = " << s << endl;
}

void process_feature(string s)
{
    if(find(s, "<INSDFeature_key>", "</INSDFeature_key>") == "exon")
    {
        pairfrom.push_back(atoi(find(s, "<INSDInterval_from>", "</INSDInterval_from>").c_str()));
        pairto.push_back(atoi(find(s, "<INSDInterval_to>", "</INSDInterval_to>").c_str()));
    }
}

void process(string s)
{
    multifind(s, "<INSDFeature>", "</INSDFeature>", process_feature);
    string sequence = find(s, "<INSDSeq_sequence>", "</INSDSeq_sequence>");
    for(int i = 0; i < pairfrom.size(); i++)
    {
        string part = sequence.substr(pairfrom[i], pairto[i] - pairfrom[i] + 1);
        process_sequencepart(part);
    }
}

int main()
{
    ifstream f("INSD.xml");
    string buf = "";
    string line;
    while(getline(f,line))
    {
        buf += line;
    }
    f.close();
    process(buf);
    return 0;
}

Og endnu en gang - denne gang i PHP !!

<?php
function find($s, $start, $end) {
    return substr($s, strpos($s, $start) + strlen($start), strpos($s, $end) - strpos($s, $start) - strlen($start));
}

function multifind($s, $start, $end, $f) {
    $ix = 0;
    while(($ix = strpos($s, $start, $ix)) !== False) {
        $ix2 = strpos($s, $end, $ix);
        $f(substr($s, $ix + strlen($start), $ix2 - $ix - strlen($start)));
        $ix = $ix2;
    }
}

$pairfrom = array();
$pairto = array();

function process_sequencepart($s) {
    echo "exon sequnce part = " . $s . "\n";
}

function process_feature($s) {
    global $pairfrom;
    global $pairto;
    if(find($s, "<INSDFeature_key>", "</INSDFeature_key>") == "exon")
    {
        $pairfrom[] = intval(find($s, "<INSDInterval_from>", "</INSDInterval_from>"));
        $pairto[] = intval(find($s, "<INSDInterval_to>", "</INSDInterval_to>"));
    }
}

function process($s) {
    global $pairfrom;
    global $pairto;
    multifind($s, "<INSDFeature>", "</INSDFeature>", process_feature);
    $sequence = find($s, "<INSDSeq_sequence>", "</INSDSeq_sequence>");
    for($i = 0; $i < sizeof($pairfrom); $i++) {
        $part = substr($sequence, $pairfrom[$i], $pairto[$i] - $pairfrom[$i] + 1);
        process_sequencepart($part);
    }
}

$buf = file_get_contents("INSD.xml");
process($buf);
?>

Arne, så mangler jeg bare asp og java ;)

Smid et svar, c++ ser ud til at kunne smide tekststrenge i et array uden at overskrive, så skal jeg nok kunne sjusse mig frem til resten med google.

Måske jeg skulle til at se på lidt C++, det ser ud til at minde en hel del om PHP.

svar

Man kan lave det samme fnadderi i C++ som i C hvis man vil, men hvis man bruger
nogle mere high level konstruktioner som STL (string og vector i eksemplet), så undgår
man en del problemer.