我正在编写一些需要阅读fasta files的代码,因此我的部分代码(包含在下面)是一个fasta解析器。由于单个序列可以跨越fasta格式的多行,我需要将从文件读取的多个连续行连接成一个字符串。我这样做,通过在读取每一行后重新分配字符串缓冲区,成为序列的当前长度加上读入的行的长度。我做了一些其他的东西,比如剥离空白等。一切顺利第一个序列,但fasta文件可以包含多个序列。所以类似地,我有一个动态的结构数组,有两个字符串(标题和实际序列),是“char *”。同样,当我遇到一个新标题(由以'>'开头的行引入)时,我增加序列数,并重新分配序列列表缓冲区。使用
为第二个序列分配空间的realloc段错误*** glibc detected *** ./stackoverflow: malloc(): memory corruption: 0x09fd9210 ***
Aborted
对于我的生活,我不明白为什么。我通过gdb运行它,一切似乎都在工作(即一切都已初始化,值看起来很清晰)......这是代码:
#include <stdio.h>
#include <string.h>
#include <stdlib.h>
#include <ctype.h>
#include <math.h>
#include <errno.h>
//a struture to keep a record of sequences read in from file, and their titles
typedef struct {
char *title;
char *sequence;
} sequence_rec;
//string convenience functions
//checks whether a string consists entirely of white space
int empty(const char *s) {
int i;
i = 0;
while (s[i] != 0) {
if (!isspace(s[i])) return 0;
i++;
}
return 1;
}
//substr allocates and returns a new string which is a substring of s from i to
//j exclusive, where i < j; If i or j are negative they refer to distance from
//the end of the s
char *substr(const char *s, int i, int j) {
char *ret;
if (i < 0) i = strlen(s)-i;
if (j < 0) j = strlen(s)-j;
ret = malloc(j-i+1);
strncpy(ret,s,j-i);
return ret;
}
//strips white space from either end of the string
void strip(char **s) {
int i, j, len;
char *tmp = *s;
len = strlen(*s);
i = 0;
while ((isspace(*(*s+i)))&&(i < len)) {
i++;
}
j = strlen(*s)-1;
while ((isspace(*(*s+j)))&&(j > 0)) {
j--;
}
*s = strndup(*s+i, j-i);
free(tmp);
}
int main(int argc, char**argv) {
sequence_rec *sequences = NULL;
FILE *f = NULL;
char *line = NULL;
size_t linelen;
int rcount;
int numsequences = 0;
f = fopen(argv[1], "r");
if (f == NULL) {
fprintf(stderr, "Error opening %s: %s\n", argv[1], strerror(errno));
return EXIT_FAILURE;
}
rcount = getline(&line, &linelen, f);
while (rcount != -1) {
while (empty(line)) rcount = getline(&line, &linelen, f);
if (line[0] != '>') {
fprintf(stderr,"Sequence input not in valid fasta format\n");
return EXIT_FAILURE;
}
numsequences++;
sequences = realloc(sequences,sizeof(sequence_rec)*numsequences);
sequences[numsequences-1].title = strdup(line+1); strip(&sequences[numsequences-1].title);
rcount = getline(&line, &linelen, f);
sequences[numsequences-1].sequence = malloc(1); sequences[numsequences-1].sequence[0] = 0;
while ((!empty(line))&&(line[0] != '>')) {
strip(&line);
sequences[numsequences-1].sequence = realloc(sequences[numsequences-1].sequence, strlen(sequences[numsequences-1].sequence)+strlen(line)+1);
strcat(sequences[numsequences-1].sequence,line);
rcount = getline(&line, &linelen, f);
}
}
return EXIT_SUCCESS;
}
答案 0 :(得分:4)
你应该使用看起来像这样的字符串:
struct string {
int len;
char *ptr;
};
这可以防止你看到的strncpy错误,并允许你更快地做strcat和朋友。
您还应该为每个字符串使用加倍数组。这可以防止过多的分配和memcpys。像这样:
int sstrcat(struct string *a, struct string *b)
{
int len = a->len + b->len;
int alen = a->len;
if (a->len < len) {
while (a->len < len) {
a->len *= 2;
}
a->ptr = realloc(a->ptr, a->len);
if (a->ptr == NULL) {
return ENOMEM;
}
}
memcpy(&a->ptr[alen], b->ptr, b->len);
return 0;
}
我现在看到你正在做生物信息学,这意味着你可能需要比我想象的更多的表现。您应该使用这样的字符串:
struct string {
int len;
char ptr[0];
};
这样,当你分配一个字符串对象时,你调用malloc(sizeof(struct string) + len)
并避免第二次调用malloc。这是一个更多的工作,但它应该在速度和内存碎片方面有所帮助。
最后,如果这实际上不是错误的来源,那么看起来你有一些腐败。如果gdb失败,Valgrind应该帮助你检测它。
答案 1 :(得分:3)
这里有一个潜在的问题:
strncpy(ret,s,j-i);
return ret;
ret
可能无法获得null终止符。见man strncpy
:
char *strncpy(char *dest, const char *src, size_t n);
...
The strncpy() function is similar, except that at most n bytes of src
are copied. Warning: If there is no null byte among the first n bytes
of src, the string placed in dest will not be null terminated.
这里还有一个错误:
j = strlen(*s)-1;
while ((isspace(*(*s+j)))&&(j > 0)) {
如果strlen(*s)
为0怎么办?您最终会阅读(*s)[-1]
。
您也不会检查strip()
该字符串不完全由空格组成。如果是这样,您最终会得到j < i
。
编辑:注意到您的substr()
函数实际上并没有被调用。
答案 2 :(得分:1)
我认为内存损坏问题可能是您处理getline()
调用中使用的数据的结果。基本上,line
会在strndup()
的调用中通过strip()
重新分配linelen
,因此getline()
getline()
跟踪的缓冲区大小将不再准确。 while ((!empty(line))&&(line[0] != '>')) {
strip(&line); // <-- assigns a `strndup()` allocation to `line`
sequences[numsequences-1].sequence = realloc(sequences[numsequences-1].sequence, strlen(sequences[numsequences-1].sequence)+strlen(line)+1);
strcat(sequences[numsequences-1].sequence,line);
rcount = getline(&line, &linelen, f); // <-- the buffer `line` points to might be
// smaller than `linelen` bytes
}
可能会超出缓冲区。
{{1}}