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 730 - (view) (download)
Original Path: trunk/tm/R/textdoccol.R

1 : feinerer 17 # Author: Ingo Feinerer
2 :    
3 : feinerer 722 # The "..." are additional arguments for the FunctionGenerator reader
4 : feinerer 712 setGeneric("TextDocCol", function(object,
5 : feinerer 730 readerControl = list(reader = object@DefaultReader, language = "en_US", load = FALSE, ...),
6 :     dbControl = list(useDb = FALSE, dbName = "", dbType = "SQLite")) standardGeneric("TextDocCol"))
7 : feinerer 49 setMethod("TextDocCol",
8 : feinerer 63 signature(object = "Source"),
9 : feinerer 717 function(object,
10 : feinerer 730 readerControl = list(reader = object@DefaultReader, language = "en_US", load = FALSE, ...),
11 :     dbControl = list(useDb = FALSE, dbName = "", dbType = "SQLite")) {
12 : feinerer 722 if (attr(readerControl$reader, "FunctionGenerator"))
13 :     readerControl$reader <- readerControl$reader(...)
14 : feinerer 63
15 : feinerer 712 if (dbControl$useDb) {
16 :     if (!dbCreate(dbControl$dbName, dbControl$dbType))
17 :     stop("error in creating database")
18 :     db <- dbInit(dbControl$dbName, dbControl$dbType)
19 :     }
20 :    
21 : feinerer 63 tdl <- list()
22 :     counter <- 1
23 :     while (!eoi(object)) {
24 : feinerer 698 object <- stepNext(object)
25 :     elem <- getElem(object)
26 : feinerer 63 # If there is no Load on Demand support
27 :     # we need to load the corpus into memory at startup
28 : feinerer 694 if (!object@LoDSupport)
29 : feinerer 722 readerControl$load <- TRUE
30 :     doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))
31 : feinerer 712 if (dbControl$useDb) {
32 :     dbInsert(db, ID(doc), doc)
33 :     tdl <- c(tdl, ID(doc))
34 :     }
35 :     else
36 :     tdl <- c(tdl, list(doc))
37 : feinerer 63 counter <- counter + 1
38 :     }
39 :    
40 : feinerer 712 df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
41 :     if (dbControl$useDb) {
42 :     dbInsert(db, "DMetaData", df)
43 : feinerer 727 dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
44 : feinerer 712 dbDisconnect(db)
45 :     }
46 :     else
47 :     dmeta.df <- df
48 :    
49 : feinerer 698 cmeta.node <- new("MetaDataNode",
50 : feinerer 71 NodeID = 0,
51 : feinerer 689 MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
52 : feinerer 71 children = list())
53 :    
54 : feinerer 712 return(new("TextDocCol", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
55 : feinerer 21 })
56 :    
57 : feinerer 698 setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
58 :     setMethod("loadDoc",
59 : feinerer 62 signature(object = "PlainTextDocument"),
60 : feinerer 65 function(object, ...) {
61 : feinerer 61 if (!Cached(object)) {
62 : feinerer 67 con <- eval(URI(object))
63 : feinerer 65 corpus <- readLines(con)
64 :     close(con)
65 : feinerer 56 Corpus(object) <- corpus
66 : feinerer 60 Cached(object) <- TRUE
67 : feinerer 56 return(object)
68 :     } else {
69 :     return(object)
70 :     }
71 :     })
72 : feinerer 698 setMethod("loadDoc",
73 : feinerer 62 signature(object = "XMLTextDocument"),
74 : feinerer 65 function(object, ...) {
75 : feinerer 61 if (!Cached(object)) {
76 : feinerer 67 con <- eval(URI(object))
77 : feinerer 65 corpus <- paste(readLines(con), "\n", collapse = "")
78 :     close(con)
79 :     doc <- xmlTreeParse(corpus, asText = TRUE)
80 : feinerer 49 class(doc) <- "list"
81 : feinerer 56 Corpus(object) <- doc
82 : feinerer 60 Cached(object) <- TRUE
83 : feinerer 49 return(object)
84 :     } else {
85 :     return(object)
86 :     }
87 :     })
88 : feinerer 698 setMethod("loadDoc",
89 : feinerer 62 signature(object = "NewsgroupDocument"),
90 : feinerer 65 function(object, ...) {
91 : feinerer 61 if (!Cached(object)) {
92 : feinerer 67 con <- eval(URI(object))
93 : feinerer 65 mail <- readLines(con)
94 :     close(con)
95 : feinerer 60 Cached(object) <- TRUE
96 : feinerer 65 for (index in seq(along = mail)) {
97 :     if (mail[index] == "")
98 :     break
99 :     }
100 : feinerer 56 Corpus(object) <- mail[(index + 1):length(mail)]
101 :     return(object)
102 :     } else {
103 :     return(object)
104 :     }
105 :     })
106 : feinerer 49
107 : feinerer 719 setGeneric("tmUpdate", function(object,
108 :     origin,
109 : feinerer 723 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
110 : feinerer 719 ...) standardGeneric("tmUpdate"))
111 : feinerer 72 # Update is only supported for directories
112 :     # At the moment no other LoD devices are available anyway
113 : feinerer 698 setMethod("tmUpdate",
114 : feinerer 72 signature(object = "TextDocCol", origin = "DirSource"),
115 : feinerer 719 function(object, origin,
116 : feinerer 723 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
117 : feinerer 719 ...) {
118 : feinerer 722 if (inherits(readerControl$reader, "FunctionGenerator"))
119 :     readerControl$reader <- readerControl$reader(...)
120 : feinerer 72
121 :     object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
122 :     new.files <- setdiff(origin@FileList, object.filelist)
123 :    
124 :     for (filename in new.files) {
125 :     elem <- list(content = readLines(filename),
126 :     uri = substitute(file(filename)))
127 : feinerer 722 object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
128 : feinerer 72 }
129 :    
130 :     return(object)
131 :     })
132 :    
133 : feinerer 698 setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))
134 :     setMethod("tmMap",
135 : feinerer 62 signature(object = "TextDocCol", FUN = "function"),
136 : feinerer 49 function(object, FUN, ...) {
137 : feinerer 73 result <- object
138 : feinerer 689 # Note that text corpora are automatically loaded into memory via \code{[[}
139 : feinerer 719 if (DBControl(object)[["useDb"]]) {
140 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
141 : feinerer 728 i <- 1
142 :     for (id in unlist(object)) {
143 :     db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
144 :     i <- i + 1
145 :     }
146 : feinerer 719 dbDisconnect(db)
147 :     }
148 :     else
149 :     result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
150 : feinerer 56 return(result)
151 : feinerer 49 })
152 :    
153 : feinerer 698 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
154 :     setMethod("asPlain",
155 : feinerer 62 signature(object = "PlainTextDocument"),
156 : feinerer 49 function(object, FUN, ...) {
157 :     return(object)
158 :     })
159 : feinerer 698 setMethod("asPlain",
160 : feinerer 62 signature(object = "XMLTextDocument", FUN = "function"),
161 : feinerer 49 function(object, FUN, ...) {
162 : feinerer 56 corpus <- Corpus(object)
163 : feinerer 49
164 :     # As XMLDocument is no native S4 class, restore valid information
165 :     class(corpus) <- "XMLDocument"
166 :     names(corpus) <- c("doc","dtd")
167 :    
168 : feinerer 61 return(FUN(xmlRoot(corpus), ...))
169 : feinerer 49 })
170 : feinerer 725 setMethod("asPlain",
171 :     signature(object = "NewsgroupDocument"),
172 :     function(object, FUN, ...) {
173 :     new("PlainTextDocument", .Data = Corpus(object), Cached = TRUE, URI = "", Author = Author(object),
174 :     DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
175 :     Origin = Origin(object), Heading = Heading(object), Language = Language(object))
176 :     })
177 : feinerer 49
178 : feinerer 698 setGeneric("tmTolower", function(object, ...) standardGeneric("tmTolower"))
179 :     setMethod("tmTolower",
180 : feinerer 67 signature(object = "PlainTextDocument"),
181 :     function(object, ...) {
182 :     Corpus(object) <- tolower(object)
183 :     return(object)
184 :     })
185 :    
186 : feinerer 698 setGeneric("stripWhitespace", function(object, ...) standardGeneric("stripWhitespace"))
187 :     setMethod("stripWhitespace",
188 : feinerer 67 signature(object = "PlainTextDocument"),
189 :     function(object, ...) {
190 :     Corpus(object) <- gsub("[[:space:]]+", " ", object)
191 :     return(object)
192 :     })
193 :    
194 : feinerer 713 setGeneric("stemDoc", function(object, language = "english", ...) standardGeneric("stemDoc"))
195 : feinerer 698 setMethod("stemDoc",
196 : feinerer 62 signature(object = "PlainTextDocument"),
197 : feinerer 713 function(object, language = "english", ...) {
198 : feinerer 49 splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
199 : feinerer 713 stemmedCorpus <- if (require("Rstem"))
200 :     Rstem::wordStem(splittedCorpus, language)
201 :     else
202 :     SnowballStemmer(splittedCorpus, Weka_control(S = language))
203 : feinerer 56 Corpus(object) <- paste(stemmedCorpus, collapse = " ")
204 :     return(object)
205 : feinerer 49 })
206 :    
207 : feinerer 722 setGeneric("removePunctuation", function(object, ...) standardGeneric("removePunctuation"))
208 :     setMethod("removePunctuation",
209 :     signature(object = "PlainTextDocument"),
210 :     function(object, ...) {
211 :     Corpus(object) <- gsub("[[:punct:]]+", "", Corpus(object))
212 :     return(object)
213 :     })
214 :    
215 : feinerer 698 setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))
216 :     setMethod("removeWords",
217 : feinerer 60 signature(object = "PlainTextDocument", stopwords = "character"),
218 : feinerer 61 function(object, stopwords, ...) {
219 : feinerer 49 splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
220 :     noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]
221 : feinerer 56 Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")
222 :     return(object)
223 : feinerer 49 })
224 :    
225 : feinerer 698 setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
226 :     setMethod("tmFilter",
227 : feinerer 61 signature(object = "TextDocCol"),
228 : feinerer 698 function(object, ..., FUN = sFilter, doclevel = FALSE) {
229 : feinerer 73 if (doclevel)
230 :     return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
231 :     else
232 : feinerer 724 return(object[FUN(object, ...)])
233 : feinerer 61 })
234 :    
235 : feinerer 698 setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
236 :     setMethod("tmIndex",
237 : feinerer 61 signature(object = "TextDocCol"),
238 : feinerer 698 function(object, ..., FUN = sFilter, doclevel = FALSE) {
239 : feinerer 73 if (doclevel)
240 :     return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
241 :     else
242 : feinerer 724 return(FUN(object, ...))
243 : feinerer 49 })
244 :    
245 : feinerer 698 sFilter <- function(object, s, ...) {
246 : feinerer 73 con <- textConnection(s)
247 :     tokens <- scan(con, "character")
248 :     close(con)
249 : feinerer 721 localMetaNames <- unique(names(sapply(object, LocalMetaData)))
250 :     localMetaTokens <- localMetaNames[localMetaNames %in% tokens]
251 : feinerer 729 n <- names(DMetaData(object))
252 :     tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)
253 :     query.df <- DMetaData(prescindMeta(object, tags))
254 :     if (DBControl(object)[["useDb"]])
255 :     DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = FALSE]
256 : feinerer 721 # Rename to avoid name conflicts
257 :     names(query.df)[names(query.df) == "Author"] <- "author"
258 :     names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"
259 :     names(query.df)[names(query.df) == "Description"] <- "description"
260 :     names(query.df)[names(query.df) == "ID"] <- "identifier"
261 :     names(query.df)[names(query.df) == "Origin"] <- "origin"
262 :     names(query.df)[names(query.df) == "Heading"] <- "heading"
263 :     names(query.df)[names(query.df) == "Language"] <- "language"
264 : feinerer 73 attach(query.df)
265 : feinerer 74 try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
266 : feinerer 73 detach(query.df)
267 :     return(result)
268 : feinerer 61 }
269 :    
270 : feinerer 698 setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))
271 :     setMethod("searchFullText",
272 : feinerer 61 signature(object = "PlainTextDocument", pattern = "character"),
273 :     function(object, pattern, ...) {
274 :     return(any(grep(pattern, Corpus(object))))
275 :     })
276 :    
277 : feinerer 698 setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
278 :     setMethod("appendElem",
279 : feinerer 72 signature(object = "TextDocCol", data = "TextDocument"),
280 :     function(object, data, meta = NULL) {
281 : feinerer 712 if (DBControl(object)[["useDb"]]) {
282 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
283 :     if (dbExists(db, ID(data)))
284 :     warning("document with identical ID already exists")
285 :     dbInsert(db, ID(data), data)
286 :     dbDisconnect(db)
287 :     object@.Data[[length(object)+1]] <- ID(data)
288 :     }
289 :     else
290 :     object@.Data[[length(object)+1]] <- data
291 :     DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
292 : feinerer 52 return(object)
293 :     })
294 :    
295 : feinerer 698 setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
296 :     setMethod("appendMeta",
297 : feinerer 72 signature(object = "TextDocCol"),
298 : feinerer 698 function(object, cmeta = NULL, dmeta = NULL) {
299 : feinerer 712 object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
300 :     if (!is.null(dmeta)) {
301 : feinerer 719 DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
302 : feinerer 712 }
303 : feinerer 52 return(object)
304 :     })
305 : feinerer 53
306 : feinerer 698 setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
307 :     setMethod("removeMeta",
308 : feinerer 77 signature(object = "TextDocCol"),
309 : feinerer 698 function(object, cname = NULL, dname = NULL) {
310 : feinerer 729 if (!is.null(cname))
311 : feinerer 698 object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
312 : feinerer 729 if (!is.null(dname))
313 :     DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
314 : feinerer 77 return(object)
315 :     })
316 : feinerer 69
317 : feinerer 698 setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
318 :     setMethod("prescindMeta",
319 : feinerer 73 signature(object = "TextDocCol", meta = "character"),
320 :     function(object, meta) {
321 :     for (m in meta) {
322 : feinerer 719 if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
323 : feinerer 75 local.m <- lapply(object, m)
324 :     local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
325 : feinerer 73 local.m <- unlist(local.m)
326 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
327 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
328 : feinerer 75 }
329 :     else {
330 :     local.meta <- lapply(object, LocalMetaData)
331 :     local.m <- lapply(local.meta, "[[", m)
332 :     local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
333 :     if (length(local.m) == length(unlist(local.m)))
334 :     local.m <- unlist(local.m)
335 :     else
336 :     local.m <- I(local.m)
337 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
338 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
339 : feinerer 75 }
340 : feinerer 73 }
341 :     return(object)
342 :     })
343 :    
344 : feinerer 53 setMethod("[",
345 :     signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),
346 :     function(x, i, j, ... , drop) {
347 :     if(missing(i))
348 :     return(x)
349 :    
350 :     object <- x
351 :     object@.Data <- x@.Data[i, ..., drop = FALSE]
352 : feinerer 724 if (DBControl(object)[["useDb"]]) {
353 : feinerer 727 index <- object@DMetaData[[1 , "subset"]]
354 :     if (any(is.na(index)))
355 :     object@DMetaData[[1 , "subset"]] <- i
356 : feinerer 724 else
357 : feinerer 727 object@DMetaData[[1 , "subset"]] <- index[i]
358 : feinerer 724 }
359 : feinerer 729 else
360 :     DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
361 : feinerer 53 return(object)
362 :     })
363 :    
364 : feinerer 63 setMethod("[<-",
365 :     signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
366 :     function(x, i, j, ... , value) {
367 :     object <- x
368 : feinerer 724 if (DBControl(object)[["useDb"]]) {
369 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
370 :     counter <- 1
371 :     for (id in object@.Data[i, ...]) {
372 :     if (length(value) == 1)
373 :     db[[id]] <- value
374 :     else {
375 :     db[[id]] <- value[[counter]]
376 :     }
377 :     counter <- counter + 1
378 :     }
379 :     dbDisconnect(db)
380 :     }
381 :     else
382 :     object@.Data[i, ...] <- value
383 : feinerer 63 return(object)
384 :     })
385 :    
386 :     setMethod("[[",
387 :     signature(x = "TextDocCol", i = "ANY", j = "ANY"),
388 :     function(x, i, j, ...) {
389 : feinerer 712 if (DBControl(x)[["useDb"]]) {
390 :     db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
391 :     result <- dbFetch(db, x@.Data[[i]])
392 :     dbDisconnect(db)
393 :     return(loadDoc(result))
394 :     }
395 :     else
396 :     return(loadDoc(x@.Data[[i]]))
397 : feinerer 63 })
398 :    
399 :     setMethod("[[<-",
400 :     signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
401 :     function(x, i, j, ..., value) {
402 :     object <- x
403 : feinerer 712 if (DBControl(object)[["useDb"]]) {
404 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
405 :     index <- object@.Data[[i]]
406 :     db[[index]] <- value
407 :     dbDisconnect(db)
408 :     }
409 :     else
410 :     object@.Data[[i, ...]] <- value
411 : feinerer 63 return(object)
412 :     })
413 :    
414 : feinerer 698 # Update \code{NodeID}s of a CMetaData tree
415 : feinerer 697 update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
416 : feinerer 698 # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
417 : feinerer 697 set_id <- function(object) {
418 :     object@NodeID <- id
419 :     id <<- id + 1
420 :     level <<- level + 1
421 : feinerer 71
422 : feinerer 697 if (length(object@children) > 0) {
423 :     mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
424 :     left <- set_id(object@children[[1]])
425 :     if (level == 1) {
426 :     left.mapping <<- mapping
427 :     mapping <<- NULL
428 :     }
429 :     mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
430 :     right <- set_id(object@children[[2]])
431 : feinerer 71
432 : feinerer 697 object@children <- list(left, right)
433 : feinerer 71 }
434 : feinerer 697 level <<- level - 1
435 : feinerer 71
436 : feinerer 697 return(object)
437 : feinerer 71 }
438 :    
439 : feinerer 697 return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
440 : feinerer 71 }
441 :    
442 : feinerer 53 setMethod("c",
443 :     signature(x = "TextDocCol"),
444 : feinerer 689 function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
445 :     args <- list(...)
446 : feinerer 720 if (length(args) == 0)
447 : feinerer 689 return(x)
448 : feinerer 71
449 : feinerer 720 if (!all(sapply(args, inherits, "TextDocCol")))
450 :     stop("not all arguments are text document collections")
451 : feinerer 730 if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
452 : feinerer 720 stop("concatenating text document collections with activated database is not supported")
453 :    
454 : feinerer 689 result <- x
455 :     for (c in args) {
456 :     result <- c2(result, c)
457 :     }
458 :     return(result)
459 :     })
460 :    
461 :     setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
462 :     setMethod("c2",
463 :     signature(x = "TextDocCol", y = "TextDocCol"),
464 :     function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
465 : feinerer 71 object <- x
466 :     # Concatenate data slots
467 :     object@.Data <- c(as(x, "list"), as(y, "list"))
468 :    
469 : feinerer 720 # Set the DBControl slot
470 : feinerer 730 object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "SQLite")
471 : feinerer 720
472 : feinerer 698 # Update the CMetaData tree
473 :     cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
474 :     update.struct <- update_id(cmeta)
475 :     object@CMetaData <- update.struct$root
476 : feinerer 71
477 :     # Find indices to be updated for the left tree
478 :     indices.mapping <- NULL
479 :     for (m in levels(as.factor(DMetaData(x)$MetaID))) {
480 :     indices <- (DMetaData(x)$MetaID == m)
481 :     indices.mapping <- c(indices.mapping, list(m = indices))
482 :     names(indices.mapping)[length(indices.mapping)] <- m
483 :     }
484 :    
485 :     # Update the DMetaData data frames for the left tree
486 :     for (i in 1:ncol(update.struct$left.mapping)) {
487 :     map <- update.struct$left.mapping[,i]
488 :     x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
489 :     }
490 :    
491 :     # Find indices to be updated for the right tree
492 :     indices.mapping <- NULL
493 :     for (m in levels(as.factor(DMetaData(y)$MetaID))) {
494 :     indices <- (DMetaData(y)$MetaID == m)
495 :     indices.mapping <- c(indices.mapping, list(m = indices))
496 :     names(indices.mapping)[length(indices.mapping)] <- m
497 :     }
498 :    
499 :     # Update the DMetaData data frames for the right tree
500 :     for (i in 1:ncol(update.struct$right.mapping)) {
501 :     map <- update.struct$right.mapping[,i]
502 :     y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
503 :     }
504 :    
505 :     # Merge the DMetaData data frames
506 :     labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
507 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
508 :     x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
509 :     labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
510 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
511 :     y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
512 :     object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
513 :    
514 :     return(object)
515 : feinerer 72 })
516 : feinerer 689
517 : feinerer 72 setMethod("c",
518 :     signature(x = "TextDocument"),
519 :     function(x, ..., recursive = TRUE){
520 :     args <- list(...)
521 :     if(length(args) == 0)
522 :     return(x)
523 : feinerer 54
524 : feinerer 73 dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
525 : feinerer 698 cmeta.node <- new("MetaDataNode",
526 : feinerer 72 NodeID = 0,
527 : feinerer 689 MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
528 : feinerer 72 children = list())
529 :    
530 : feinerer 720 return(new("TextDocCol",
531 :     .Data = list(x, ...),
532 :     DMetaData = dmeta.df,
533 :     CMetaData = cmeta.node,
534 : feinerer 730 DBControl = list(useDb = FALSE, dbName = "", dbType = "SQLite")))
535 : feinerer 72 })
536 :    
537 : feinerer 54 setMethod("length",
538 :     signature(x = "TextDocCol"),
539 :     function(x){
540 :     return(length(as(x, "list")))
541 :     })
542 :    
543 :     setMethod("show",
544 :     signature(object = "TextDocCol"),
545 :     function(object){
546 : feinerer 70 cat(sprintf(ngettext(length(object),
547 :     "A text document collection with %d text document\n",
548 :     "A text document collection with %d text documents\n"),
549 :     length(object)))
550 : feinerer 54 })
551 :    
552 :     setMethod("summary",
553 :     signature(object = "TextDocCol"),
554 :     function(object){
555 :     show(object)
556 : feinerer 71 if (length(DMetaData(object)) > 0) {
557 : feinerer 698 cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
558 : feinerer 77 "\nThe metadata consists of %d tag-value pair and a data frame\n",
559 :     "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
560 : feinerer 698 length(CMetaData(object)@MetaData)))
561 : feinerer 54 cat("Available tags are:\n")
562 : feinerer 722 cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
563 : feinerer 77 cat("Available variables in the data frame are:\n")
564 : feinerer 722 cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
565 : feinerer 54 }
566 :     })
567 : feinerer 55
568 :     setGeneric("inspect", function(object) standardGeneric("inspect"))
569 :     setMethod("inspect",
570 : feinerer 65 signature("TextDocCol"),
571 : feinerer 55 function(object) {
572 :     summary(object)
573 :     cat("\n")
574 : feinerer 719 if (DBControl(object)[["useDb"]]) {
575 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
576 :     show(dbMultiFetch(db, unlist(object)))
577 :     dbDisconnect(db)
578 :     }
579 :     else
580 :     show(object@.Data)
581 : feinerer 55 })
582 : feinerer 65
583 :     # No metadata is checked
584 :     setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
585 :     setMethod("%IN%",
586 :     signature(x = "TextDocument", y = "TextDocCol"),
587 :     function(x, y) {
588 : feinerer 729 if (DBControl(y)[["useDb"]]) {
589 :     db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
590 :     result <- any(sapply(y, function(x, z) {x %in% Corpus(z)}, x))
591 :     dbDisconnect(db)
592 :     }
593 :     else
594 :     result <- x %in% y
595 :     return(result)
596 : feinerer 65 })
597 : feinerer 719
598 :     setMethod("lapply",
599 :     signature(X = "TextDocCol"),
600 :     function(X, FUN, ...) {
601 :     if (DBControl(X)[["useDb"]]) {
602 :     db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
603 :     result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
604 :     dbDisconnect(db)
605 :     }
606 :     else
607 :     result <- base::lapply(X, FUN, ...)
608 :     return(result)
609 :     })
610 :    
611 :     setMethod("sapply",
612 :     signature(X = "TextDocCol"),
613 :     function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
614 :     if (DBControl(X)[["useDb"]]) {
615 :     db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
616 :     result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
617 :     dbDisconnect(db)
618 :     }
619 :     else
620 :     result <- base::sapply(X, FUN, ...)
621 :     return(result)
622 :     })

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