SCM

SCM Repository

[tm] Annotation of /pkg/R/corpus.R
ViewVC logotype

Annotation of /pkg/R/corpus.R

Parent Directory Parent Directory | Revision Log Revision Log


Revision 1315 - (view) (download)

1 : feinerer 17 # Author: Ingo Feinerer
2 :    
3 : khornik 1203 PCorpus <-
4 :     function(x,
5 : feinerer 1306 readerControl = list(reader = x$defaultreader, language = "en"),
6 : feinerer 1259 dbControl = list(dbName = "", dbType = "DB1"))
7 : khornik 1203 {
8 : feinerer 1297 stopifnot(inherits(x, "Source"))
9 : feinerer 1273
10 : feinerer 1306 readerControl <- prepareReader(readerControl, x$defaultreader)
11 : feinerer 63
12 : feinerer 1114 if (is.function(readerControl$init))
13 :     readerControl$init()
14 :    
15 :     if (is.function(readerControl$exit))
16 :     on.exit(readerControl$exit())
17 :    
18 : feinerer 946 if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
19 :     stop("error in creating database")
20 :     db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
21 : feinerer 712
22 : feinerer 946 # Allocate memory in advance if length is known
23 : feinerer 1315 tdl <- if (x$length > 0) vector("list", as.integer(x$length)) else list()
24 : feinerer 869
25 : feinerer 946 counter <- 1
26 : feinerer 985 while (!eoi(x)) {
27 :     x <- stepNext(x)
28 :     elem <- getElem(x)
29 : feinerer 1306 id <- if (is.null(x$names) || is.na(x$names))
30 : feinerer 1307 as.character(counter)
31 :     else
32 :     x$names[counter]
33 : feinerer 1259 doc <- readerControl$reader(elem, readerControl$language, id)
34 : feinerer 1306 filehash::dbInsert(db, meta(doc, "id"), doc)
35 :     if (x$length > 0) tdl[[counter]] <- meta(doc, "id")
36 :     else tdl <- c(tdl, meta(doc, "id"))
37 : feinerer 946 counter <- counter + 1
38 :     }
39 : feinerer 1306 if (!is.null(x$names) && !is.na(x$names))
40 :     names(tdl) <- x$names
41 : feinerer 63
42 : feinerer 1312 structure(list(content = tdl,
43 :     meta = CorpusMeta(),
44 :     dmeta = data.frame(row.names = seq_along(tdl)),
45 :     dbcontrol = dbControl),
46 :     class = c("PCorpus", "Corpus"))
47 : feinerer 985 }
48 : feinerer 71
49 : feinerer 1312 VCorpus <- Corpus <-
50 : feinerer 1306 function(x, readerControl = list(reader = x$defaultreader, language = "en"))
51 : khornik 1203 {
52 : feinerer 1297 stopifnot(inherits(x, "Source"))
53 : feinerer 1273
54 : feinerer 1306 readerControl <- prepareReader(readerControl, x$defaultreader)
55 : feinerer 49
56 : feinerer 1114 if (is.function(readerControl$init))
57 :     readerControl$init()
58 :    
59 :     if (is.function(readerControl$exit))
60 :     on.exit(readerControl$exit())
61 :    
62 : feinerer 946 # Allocate memory in advance if length is known
63 : feinerer 1315 tdl <- if (x$length > 0) vector("list", as.integer(x$length)) else list()
64 : feinerer 72
65 : feinerer 1306 if (x$vectorized)
66 : feinerer 1307 tdl <- mapply(function(elem, id)
67 :     readerControl$reader(elem, readerControl$language, id),
68 : feinerer 987 pGetElem(x),
69 : feinerer 1307 id = if (is.null(x$names) || is.na(x$names))
70 :     as.character(seq_len(x$length))
71 :     else x$names,
72 : feinerer 987 SIMPLIFY = FALSE)
73 : feinerer 946 else {
74 :     counter <- 1
75 : feinerer 985 while (!eoi(x)) {
76 :     x <- stepNext(x)
77 :     elem <- getElem(x)
78 : feinerer 1306 id <- if (is.null(x$names) || is.na(x$names))
79 : feinerer 1258 as.character(counter)
80 :     else
81 : feinerer 1306 x$names[counter]
82 : feinerer 1258 doc <- readerControl$reader(elem, readerControl$language, id)
83 : feinerer 1306 if (x$length > 0)
84 : feinerer 946 tdl[[counter]] <- doc
85 :     else
86 :     tdl <- c(tdl, list(doc))
87 :     counter <- counter + 1
88 :     }
89 :     }
90 : feinerer 1306 if (!is.null(x$names) && !is.na(x$names))
91 :     names(tdl) <- x$names
92 : feinerer 72
93 : feinerer 1312 structure(list(content = tdl,
94 :     meta = CorpusMeta(),
95 :     dmeta = data.frame(row.names = seq_along(tdl))),
96 :     class = c("VCorpus", "Corpus"))
97 : feinerer 946 }
98 : feinerer 72
99 : feinerer 1315 `[.PCorpus` <-
100 : khornik 1203 function(x, i)
101 :     {
102 : feinerer 1307 if (!missing(i)) {
103 :     x$content <- x$content[i]
104 :     x$dmeta <- x$dmeta[i, , drop = FALSE]
105 :     }
106 :     x
107 : feinerer 985 }
108 : feinerer 49
109 : feinerer 1315 `[.VCorpus` <-
110 :     function(x, i)
111 :     {
112 :     if (!missing(i)) {
113 :     x$content <- x$content[i]
114 :     x$dmeta <- x$dmeta[i, , drop = FALSE]
115 :     if (!is.null(x$lazy))
116 :     x$lazy$index <- x$lazy$index[i]
117 :     }
118 :     x
119 :     }
120 :    
121 : khornik 1203 .map_name_index <-
122 :     function(x, i)
123 :     {
124 : feinerer 1307 if (is.character(i))
125 :     match(i, if (is.null(names(x))) meta(x, "id", "local") else names(x))
126 :     else
127 :     i
128 : feinerer 1108 }
129 :    
130 : khornik 1203 `[[.PCorpus` <-
131 :     function(x, i)
132 :     {
133 : feinerer 1108 i <- .map_name_index(x, i)
134 : feinerer 1307 db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
135 :     filehash::dbFetch(db, x$content[[i]])
136 : feinerer 985 }
137 : khornik 1203 `[[.VCorpus` <-
138 :     function(x, i)
139 :     {
140 : feinerer 1108 i <- .map_name_index(x, i)
141 : feinerer 1315 if (!is.null(x$lazy))
142 :     .Call(copyCorpus, x, materialize(x, i))
143 : feinerer 1307 x$content[[i]]
144 : feinerer 985 }
145 : feinerer 886
146 : khornik 1203 `[[<-.PCorpus` <-
147 :     function(x, i, value)
148 :     {
149 : feinerer 1108 i <- .map_name_index(x, i)
150 : feinerer 1307 db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
151 :     db[[x$content[[i]]]] <- value
152 : feinerer 985 x
153 : feinerer 946 }
154 : khornik 1203 `[[<-.VCorpus` <-
155 :     function(x, i, value)
156 :     {
157 : feinerer 1108 i <- .map_name_index(x, i)
158 : feinerer 1315 # Mark new objects as inactive for lazy mapping
159 :     if (!is.null(x$lazy))
160 :     x$lazy$index[i] <- FALSE
161 : feinerer 1307 x$content[[i]] <- value
162 :     x
163 : feinerer 985 }
164 : feinerer 946
165 : feinerer 1307 #c2 <-
166 :     #function(x, y, ...)
167 :     #{
168 :     # # Update the CMetaData tree
169 :     # cmeta <- .MetaDataNode(0, list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), list(CMetaData(x), CMetaData(y)))
170 :     # update.struct <- .update_id(cmeta)
171 :     #
172 :     # new <- .VCorpus(c(unclass(x), unclass(y)), update.struct$root, NULL)
173 :     #
174 :     # # Find indices to be updated for the left tree
175 :     # indices.mapping <- .find_indices(x)
176 :     #
177 :     # # Update the CorpusDMeta data frames for the left tree
178 :     # for (i in 1:ncol(update.struct$left.mapping)) {
179 :     # map <- update.struct$left.mapping[,i]
180 :     # DMetaData(x)$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
181 :     # }
182 :     #
183 :     # # Find indices to be updated for the right tree
184 :     # indices.mapping <- .find_indices(y)
185 :     #
186 :     # # Update the CorpusDMeta data frames for the right tree
187 :     # for (i in 1:ncol(update.struct$right.mapping)) {
188 :     # map <- update.struct$right.mapping[,i]
189 :     # DMetaData(y)$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
190 :     # }
191 :     #
192 :     # # Merge the CorpusDMeta data frames
193 :     # labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
194 :     # na.matrix <- matrix(NA,
195 :     # nrow = nrow(DMetaData(x)),
196 :     # ncol = length(labels),
197 :     # dimnames = list(row.names(DMetaData(x)), labels))
198 :     # x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
199 :     # labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
200 :     # na.matrix <- matrix(NA,
201 :     # nrow = nrow(DMetaData(y)),
202 :     # ncol = length(labels),
203 :     # dimnames = list(row.names(DMetaData(y)), labels))
204 :     # y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
205 :     # DMetaData(new) <- rbind(x.dmeta.aug, y.dmeta.aug)
206 :     #
207 :     # new
208 :     #}
209 : feinerer 71
210 : feinerer 1313 c.VCorpus <-
211 : khornik 1203 function(..., recursive = FALSE)
212 : feinerer 985 {
213 :     args <- list(...)
214 : khornik 1203 x <- args[[1L]]
215 : feinerer 71
216 : feinerer 1313 if (length(args) == 1L)
217 : feinerer 985 return(x)
218 : feinerer 71
219 : feinerer 985 if (!all(unlist(lapply(args, inherits, class(x)))))
220 :     stop("not all arguments are of the same corpus type")
221 : feinerer 71
222 : feinerer 1095 if (recursive)
223 : khornik 1203 Reduce(c2, args)
224 : feinerer 1095 else {
225 : feinerer 1308 args <- do.call("c", lapply(args, content))
226 : feinerer 1313 structure(list(content = args,
227 :     meta = CorpusMeta(),
228 :     dmeta = data.frame(row.names = seq_along(args))),
229 :     class = c("VCorpus", "Corpus"))
230 : feinerer 1095 }
231 : feinerer 985 }
232 : feinerer 54
233 : khornik 1203 c.TextDocument <-
234 :     function(..., recursive = FALSE)
235 :     {
236 : feinerer 985 args <- list(...)
237 : khornik 1203 x <- args[[1L]]
238 : feinerer 72
239 : feinerer 1313 if (length(args) == 1L)
240 : feinerer 985 return(x)
241 : feinerer 72
242 : feinerer 985 if (!all(unlist(lapply(args, inherits, class(x)))))
243 :     stop("not all arguments are text documents")
244 : feinerer 54
245 : feinerer 1313 structure(list(content = args,
246 :     meta = CorpusMeta(),
247 :     dmeta = data.frame(row.names = seq_along(args))),
248 :     class = c("VCorpus", "Corpus"))
249 : feinerer 985 }
250 : feinerer 55
251 : feinerer 1313 as.list.PCorpus <- as.list.VCorpus <-
252 :     function(x, ...)
253 :     content(x)
254 :    
255 :     content.VCorpus <-
256 : feinerer 1307 function(x)
257 : feinerer 1313 {
258 : feinerer 1315 if (!is.null(x$lazy))
259 :     .Call(copyCorpus, x, materialize(x))
260 : feinerer 1307 x$content
261 : feinerer 1313 }
262 : feinerer 1307
263 : feinerer 1313 content.PCorpus <-
264 :     function(x)
265 : feinerer 1307 {
266 : feinerer 1313 db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
267 :     filehash::dbMultiFetch(db, unlist(x$content))
268 : feinerer 1307 }
269 :    
270 : feinerer 1313 length.PCorpus <- length.VCorpus <-
271 : feinerer 1307 function(x)
272 : feinerer 1313 length(x$content)
273 : feinerer 1307
274 : feinerer 1313 print.PCorpus <- print.VCorpus <-
275 : khornik 1203 function(x, ...)
276 :     {
277 : feinerer 985 cat(sprintf(ngettext(length(x),
278 : feinerer 1307 "A corpus with %d text document\n\n",
279 :     "A corpus with %d text documents\n\n"),
280 : feinerer 985 length(x)))
281 : feinerer 1307
282 : feinerer 1312 meta <- meta(x, type = "corpus")
283 : feinerer 1307 dmeta <- meta(x, type = "indexed")
284 :    
285 :     cat("Metadata:\n")
286 :     cat(sprintf(" Tag-value pairs. Tags: %s\n",
287 :     paste(names(meta), collapse = " ")))
288 :     cat(" Data frame. Variables:", colnames(dmeta), "\n")
289 :    
290 : feinerer 985 invisible(x)
291 :     }
292 :    
293 : khornik 1203 inspect <-
294 :     function(x)
295 :     UseMethod("inspect", x)
296 : feinerer 1313 inspect.PCorpus <- inspect.VCorpus <-
297 : khornik 1203 function(x)
298 :     {
299 : feinerer 1307 print(x)
300 : feinerer 938 cat("\n")
301 : feinerer 1307 print(noquote(content(x)))
302 :     invisible(x)
303 : feinerer 946 }
304 : feinerer 65
305 : khornik 1203 writeCorpus <-
306 :     function(x, path = ".", filenames = NULL)
307 :     {
308 : feinerer 985 filenames <- file.path(path,
309 : feinerer 1306 if (is.null(filenames))
310 :     sprintf("%s.txt", as.character(meta(x, "id", "local")))
311 :     else filenames)
312 :    
313 :     stopifnot(length(x) == length(filenames))
314 :    
315 :     mapply(function(doc, f) writeLines(as.character(doc), f), x, filenames)
316 :    
317 :     invisible(x)
318 : feinerer 985 }

R-Forge@R-project.org
ViewVC Help
Powered by ViewVC 1.0.0  
Thanks to:
Vienna University of Economics and Business University of Wisconsin - Madison Powered By FusionForge