基因数据压缩算法(ACTG) C++

来源：互联网发布：stc单片机pwm程序编辑：程序博客网时间：2024/06/05 22:49

基因数据压缩算法是一个初级的数据压缩算法，基因数据如下所示"ATAGATGCAT"，如果使用标准的ASCII编码(每个字符1个字节)，这个基因字符串的流长度是10*8=80位。

这些字符是由4种不同的字符组成，所有我们可以使用双位编码压缩，比如 A:00, C:01,T:10, G11，压缩之后我们就可以在一个字节存放4个基因字符了，当数据比较大时，压缩效率为25%。

完整代码

#include <iostream>#include <string>using namespace std;void PrintBits(const char *pstr, int width = 1);// ACTG A:00, C:01, T:10, G11class Dna{public:Dna() : sizes(0) {}Dna(const char *str);void AddCompress(const char c) { Compress(c); }void AddCompress(const char *pstr);string Expand();int Size() const { return sizes; }string Data() const { return data; }string Compress() const { return compressData; }void PrintCompressData() { PrintBits(compressData.c_str()); }void PrintCompressData(int width) { PrintBits(compressData.c_str(), width); }private:int sizes;// 存放数据数string data;// 存放原始数据string compressData; // 存放压缩后的二进制数据void Compress(const char c);unsigned char Index(char c);char Table(int index) const;void PrintBits(const char c);void PrintBits(const char *pstr, int width = 1);};int main(void){char str[] = "ACTG";Dna dna(str);cout << dna.Size() << endl;cout << dna.Expand() << endl;dna.AddCompress("GTCA");cout << dna.Size() << endl;cout << dna.Expand() << endl;dna.PrintCompressData();system("pause");return 0;}Dna::Dna(const char *str) : sizes(0){if (str){const char *p = str;while (*p){Compress(*p);p++;}}}void Dna::AddCompress(const char *pstr){if (!pstr)return;const char *p = pstr;while (*p){Compress(*p);p++;}}// class Dna private scope// 压缩字符c，并添加到compressData中void Dna::Compress(const char c){data.append(1, c);if (sizes % 4 == 0)compressData.append(1, '\0');int n = sizes % 4;compressData[sizes / 4] |= Index(c) << (6 - 2 * n);sizes++;}// 解压缩，并以string返回string Dna::Expand(){string s;for (int i = 0; i < sizes; i++){int n = i % 4;unsigned char index = ((unsigned char)compressData[i / 4]) >> (6 - 2 * n);s.append(1, Table(index));}return s;}// 根据char值返回对应的索引，比如'A'为0时返回0unsigned char Dna::Index(char c){if (c == 'A')return 0;else if (c == 'C')return 1;else if(c == 'T')return 2;else // if(c == 'G')return 3;}// 根据index值返回对应的字符，比如index为0时返回'A'char Dna::Table(int index) const{static char table[4] = { 'A', 'C', 'T', 'G' };return table[index % 4];}void Dna::PrintBits(const char c){for (int i = 0; i < 8; i++){if ((c << i) & 0x80)cout << '1';elsecout << '0';}}void Dna::PrintBits(const char *pstr, int width){if (!pstr)return;const char *p = pstr;int nums = 0;while (*p){PrintBits(*p);p++;if (!((++nums) % width))cout << endl;}cout << endl;}

输出结果为：

参考：

《算法》第四版 5.5 数据压缩

1 0