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 1327 - (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 1327 outer_union <-
166 :     function(x, y, ...)
167 :     {
168 :     if (nrow(x) > 0L)
169 :     x[, setdiff(names(y), names(x))] <- NA
170 :     if (nrow(y) > 0L)
171 :     y[, setdiff(names(x), names(y))] <- NA
172 :     res <- rbind(x, y)
173 :     if (ncol(res) == 0L)
174 :     res <- data.frame(row.names = seq_len(nrow(x) + nrow(y)))
175 :     res
176 :     }
177 : feinerer 71
178 : feinerer 1313 c.VCorpus <-
179 : khornik 1203 function(..., recursive = FALSE)
180 : feinerer 985 {
181 :     args <- list(...)
182 : khornik 1203 x <- args[[1L]]
183 : feinerer 71
184 : feinerer 1313 if (length(args) == 1L)
185 : feinerer 985 return(x)
186 : feinerer 71
187 : feinerer 985 if (!all(unlist(lapply(args, inherits, class(x)))))
188 :     stop("not all arguments are of the same corpus type")
189 : feinerer 71
190 : feinerer 1327 structure(list(content = do.call("c", lapply(args, content)),
191 :     meta = structure(do.call("c",
192 :     lapply(args, function(a) meta(a, type = "corpus"))),
193 :     class = "CorpusMeta"),
194 :     dmeta = Reduce(outer_union, lapply(args, meta))),
195 :     class = c("VCorpus", "Corpus"))
196 : feinerer 985 }
197 : feinerer 54
198 : khornik 1203 c.TextDocument <-
199 :     function(..., recursive = FALSE)
200 :     {
201 : feinerer 985 args <- list(...)
202 : khornik 1203 x <- args[[1L]]
203 : feinerer 72
204 : feinerer 1313 if (length(args) == 1L)
205 : feinerer 985 return(x)
206 : feinerer 72
207 : feinerer 985 if (!all(unlist(lapply(args, inherits, class(x)))))
208 :     stop("not all arguments are text documents")
209 : feinerer 54
210 : feinerer 1313 structure(list(content = args,
211 :     meta = CorpusMeta(),
212 :     dmeta = data.frame(row.names = seq_along(args))),
213 :     class = c("VCorpus", "Corpus"))
214 : feinerer 985 }
215 : feinerer 55
216 : feinerer 1313 as.list.PCorpus <- as.list.VCorpus <-
217 :     function(x, ...)
218 :     content(x)
219 :    
220 :     content.VCorpus <-
221 : feinerer 1307 function(x)
222 : feinerer 1313 {
223 : feinerer 1315 if (!is.null(x$lazy))
224 :     .Call(copyCorpus, x, materialize(x))
225 : feinerer 1307 x$content
226 : feinerer 1313 }
227 : feinerer 1307
228 : feinerer 1313 content.PCorpus <-
229 :     function(x)
230 : feinerer 1307 {
231 : feinerer 1313 db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
232 :     filehash::dbMultiFetch(db, unlist(x$content))
233 : feinerer 1307 }
234 :    
235 : feinerer 1313 length.PCorpus <- length.VCorpus <-
236 : feinerer 1307 function(x)
237 : feinerer 1313 length(x$content)
238 : feinerer 1307
239 : feinerer 1313 print.PCorpus <- print.VCorpus <-
240 : khornik 1203 function(x, ...)
241 :     {
242 : feinerer 985 cat(sprintf(ngettext(length(x),
243 : feinerer 1307 "A corpus with %d text document\n\n",
244 :     "A corpus with %d text documents\n\n"),
245 : feinerer 985 length(x)))
246 : feinerer 1307
247 : feinerer 1312 meta <- meta(x, type = "corpus")
248 : feinerer 1307 dmeta <- meta(x, type = "indexed")
249 :    
250 :     cat("Metadata:\n")
251 :     cat(sprintf(" Tag-value pairs. Tags: %s\n",
252 :     paste(names(meta), collapse = " ")))
253 :     cat(" Data frame. Variables:", colnames(dmeta), "\n")
254 :    
255 : feinerer 985 invisible(x)
256 :     }
257 :    
258 : khornik 1203 inspect <-
259 :     function(x)
260 :     UseMethod("inspect", x)
261 : feinerer 1313 inspect.PCorpus <- inspect.VCorpus <-
262 : khornik 1203 function(x)
263 :     {
264 : feinerer 1307 print(x)
265 : feinerer 938 cat("\n")
266 : feinerer 1307 print(noquote(content(x)))
267 :     invisible(x)
268 : feinerer 946 }
269 : feinerer 65
270 : khornik 1203 writeCorpus <-
271 :     function(x, path = ".", filenames = NULL)
272 :     {
273 : feinerer 985 filenames <- file.path(path,
274 : feinerer 1306 if (is.null(filenames))
275 :     sprintf("%s.txt", as.character(meta(x, "id", "local")))
276 :     else filenames)
277 :    
278 :     stopifnot(length(x) == length(filenames))
279 :    
280 :     mapply(function(doc, f) writeLines(as.character(doc), f), x, filenames)
281 :    
282 :     invisible(x)
283 : feinerer 985 }

root@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