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 1350 - (view) (download)

1 : feinerer 17 # Author: Ingo Feinerer
2 :    
3 : khornik 1203 PCorpus <-
4 :     function(x,
5 : feinerer 1336 readerControl = list(reader = reader(x), 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 1336 readerControl <- prepareReader(readerControl, reader(x))
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 1336 tdl <- if (length(x) > 0) vector("list", as.integer(length(x))) 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 1336 id <- if (is.null(names(x)) || is.na(names(x)))
30 : feinerer 1307 as.character(counter)
31 :     else
32 : feinerer 1336 names(x)[counter]
33 : feinerer 1259 doc <- readerControl$reader(elem, readerControl$language, id)
34 : feinerer 1306 filehash::dbInsert(db, meta(doc, "id"), doc)
35 : feinerer 1336 tdl[[counter]] <- meta(doc, "id")
36 : feinerer 946 counter <- counter + 1
37 :     }
38 : feinerer 1336 if (!is.null(names(x)) && !is.na(names(x)))
39 :     names(tdl) <- names(x)
40 : feinerer 63
41 : feinerer 1312 structure(list(content = tdl,
42 :     meta = CorpusMeta(),
43 :     dmeta = data.frame(row.names = seq_along(tdl)),
44 :     dbcontrol = dbControl),
45 :     class = c("PCorpus", "Corpus"))
46 : feinerer 985 }
47 : feinerer 71
48 : feinerer 1333 VCorpus <-
49 : feinerer 1336 function(x, readerControl = list(reader = reader(x), language = "en"))
50 : khornik 1203 {
51 : feinerer 1297 stopifnot(inherits(x, "Source"))
52 : feinerer 1273
53 : feinerer 1336 readerControl <- prepareReader(readerControl, reader(x))
54 : feinerer 49
55 : feinerer 1114 if (is.function(readerControl$init))
56 :     readerControl$init()
57 :    
58 :     if (is.function(readerControl$exit))
59 :     on.exit(readerControl$exit())
60 :    
61 : feinerer 946 # Allocate memory in advance if length is known
62 : feinerer 1336 tdl <- if (length(x) > 0) vector("list", as.integer(length(x))) else list()
63 : feinerer 72
64 : feinerer 1336 # Check for parallel element access
65 :     if (is.function(getS3method("pGetElem", class(x), TRUE)))
66 : feinerer 1307 tdl <- mapply(function(elem, id)
67 :     readerControl$reader(elem, readerControl$language, id),
68 : feinerer 987 pGetElem(x),
69 : feinerer 1336 id = if (is.null(names(x)) || is.na(names(x)))
70 :     as.character(seq_len(length(x)))
71 :     else names(x),
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 1336 id <- if (is.null(names(x)) || is.na(names(x)))
79 : feinerer 1258 as.character(counter)
80 :     else
81 : feinerer 1336 names(x)[counter]
82 : feinerer 1258 doc <- readerControl$reader(elem, readerControl$language, id)
83 : feinerer 1336 tdl[[counter]] <- doc
84 : feinerer 946 counter <- counter + 1
85 :     }
86 :     }
87 : feinerer 1336 if (!is.null(names(x)) && !is.na(names(x)))
88 :     names(tdl) <- names(x)
89 : feinerer 72
90 : feinerer 1312 structure(list(content = tdl,
91 :     meta = CorpusMeta(),
92 :     dmeta = data.frame(row.names = seq_along(tdl))),
93 :     class = c("VCorpus", "Corpus"))
94 : feinerer 946 }
95 : feinerer 72
96 : feinerer 1315 `[.PCorpus` <-
97 : khornik 1203 function(x, i)
98 :     {
99 : feinerer 1307 if (!missing(i)) {
100 :     x$content <- x$content[i]
101 :     x$dmeta <- x$dmeta[i, , drop = FALSE]
102 :     }
103 :     x
104 : feinerer 985 }
105 : feinerer 49
106 : feinerer 1315 `[.VCorpus` <-
107 :     function(x, i)
108 :     {
109 :     if (!missing(i)) {
110 :     x$content <- x$content[i]
111 :     x$dmeta <- x$dmeta[i, , drop = FALSE]
112 :     if (!is.null(x$lazy))
113 :     x$lazy$index <- x$lazy$index[i]
114 :     }
115 :     x
116 :     }
117 :    
118 : khornik 1203 .map_name_index <-
119 :     function(x, i)
120 :     {
121 : feinerer 1342 if (is.character(i)) {
122 :     n <- names(x$content)
123 :     match(i, if (is.null(n)) meta(x, "id", "local") else n)
124 :     } else
125 : feinerer 1307 i
126 : feinerer 1108 }
127 :    
128 : khornik 1203 `[[.PCorpus` <-
129 :     function(x, i)
130 :     {
131 : feinerer 1108 i <- .map_name_index(x, i)
132 : feinerer 1307 db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
133 :     filehash::dbFetch(db, x$content[[i]])
134 : feinerer 985 }
135 : khornik 1203 `[[.VCorpus` <-
136 :     function(x, i)
137 :     {
138 : feinerer 1108 i <- .map_name_index(x, i)
139 : feinerer 1315 if (!is.null(x$lazy))
140 :     .Call(copyCorpus, x, materialize(x, i))
141 : feinerer 1307 x$content[[i]]
142 : feinerer 985 }
143 : feinerer 886
144 : khornik 1203 `[[<-.PCorpus` <-
145 :     function(x, i, value)
146 :     {
147 : feinerer 1108 i <- .map_name_index(x, i)
148 : feinerer 1307 db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
149 :     db[[x$content[[i]]]] <- value
150 : feinerer 985 x
151 : feinerer 946 }
152 : khornik 1203 `[[<-.VCorpus` <-
153 :     function(x, i, value)
154 :     {
155 : feinerer 1108 i <- .map_name_index(x, i)
156 : feinerer 1315 # Mark new objects as inactive for lazy mapping
157 :     if (!is.null(x$lazy))
158 :     x$lazy$index[i] <- FALSE
159 : feinerer 1307 x$content[[i]] <- value
160 :     x
161 : feinerer 985 }
162 : feinerer 946
163 : feinerer 1350 as.list.PCorpus <- as.list.VCorpus <-
164 :     function(x, ...)
165 :     content(x)
166 :    
167 :     as.VCorpus <-
168 :     function(x)
169 :     UseMethod("as.VCorpus")
170 :     as.VCorpus.VCorpus <- identity
171 :    
172 : feinerer 1327 outer_union <-
173 :     function(x, y, ...)
174 :     {
175 :     if (nrow(x) > 0L)
176 :     x[, setdiff(names(y), names(x))] <- NA
177 :     if (nrow(y) > 0L)
178 :     y[, setdiff(names(x), names(y))] <- NA
179 :     res <- rbind(x, y)
180 :     if (ncol(res) == 0L)
181 :     res <- data.frame(row.names = seq_len(nrow(x) + nrow(y)))
182 :     res
183 :     }
184 : feinerer 71
185 : feinerer 1313 c.VCorpus <-
186 : khornik 1203 function(..., recursive = FALSE)
187 : feinerer 985 {
188 :     args <- list(...)
189 : khornik 1203 x <- args[[1L]]
190 : feinerer 71
191 : feinerer 1313 if (length(args) == 1L)
192 : feinerer 985 return(x)
193 : feinerer 71
194 : feinerer 985 if (!all(unlist(lapply(args, inherits, class(x)))))
195 :     stop("not all arguments are of the same corpus type")
196 : feinerer 71
197 : feinerer 1327 structure(list(content = do.call("c", lapply(args, content)),
198 :     meta = structure(do.call("c",
199 :     lapply(args, function(a) meta(a, type = "corpus"))),
200 :     class = "CorpusMeta"),
201 :     dmeta = Reduce(outer_union, lapply(args, meta))),
202 :     class = c("VCorpus", "Corpus"))
203 : feinerer 985 }
204 : feinerer 54
205 : feinerer 1313 content.VCorpus <-
206 : feinerer 1307 function(x)
207 : feinerer 1313 {
208 : feinerer 1315 if (!is.null(x$lazy))
209 :     .Call(copyCorpus, x, materialize(x))
210 : feinerer 1307 x$content
211 : feinerer 1313 }
212 : feinerer 1307
213 : feinerer 1313 content.PCorpus <-
214 :     function(x)
215 : feinerer 1307 {
216 : feinerer 1313 db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
217 :     filehash::dbMultiFetch(db, unlist(x$content))
218 : feinerer 1307 }
219 :    
220 : feinerer 1313 length.PCorpus <- length.VCorpus <-
221 : feinerer 1307 function(x)
222 : feinerer 1313 length(x$content)
223 : feinerer 1307
224 : feinerer 1313 print.PCorpus <- print.VCorpus <-
225 : khornik 1203 function(x, ...)
226 :     {
227 : feinerer 1329 writeLines(sprintf("<<%s (documents: %d, metadata (corpus/indexed): %d/%d)>>",
228 :     class(x)[1],
229 :     length(x),
230 :     length(meta(x, type = "corpus")),
231 :     ncol(meta(x, type = "indexed"))))
232 : feinerer 985 invisible(x)
233 :     }
234 :    
235 : khornik 1203 inspect <-
236 :     function(x)
237 :     UseMethod("inspect", x)
238 : feinerer 1313 inspect.PCorpus <- inspect.VCorpus <-
239 : khornik 1203 function(x)
240 :     {
241 : feinerer 1307 print(x)
242 : feinerer 938 cat("\n")
243 : feinerer 1307 print(noquote(content(x)))
244 :     invisible(x)
245 : feinerer 946 }
246 : feinerer 65
247 : khornik 1203 writeCorpus <-
248 :     function(x, path = ".", filenames = NULL)
249 :     {
250 : feinerer 985 filenames <- file.path(path,
251 : feinerer 1306 if (is.null(filenames))
252 :     sprintf("%s.txt", as.character(meta(x, "id", "local")))
253 :     else filenames)
254 :    
255 :     stopifnot(length(x) == length(filenames))
256 :    
257 :     mapply(function(doc, f) writeLines(as.character(doc), f), x, filenames)
258 :    
259 :     invisible(x)
260 : 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