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 741 - (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 733 readerControl = list(reader = object@DefaultReader, language = "en_US", load = FALSE),
6 : feinerer 741 dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
7 : feinerer 733 ...) standardGeneric("TextDocCol"))
8 : feinerer 49 setMethod("TextDocCol",
9 : feinerer 63 signature(object = "Source"),
10 : feinerer 717 function(object,
11 : feinerer 733 readerControl = list(reader = object@DefaultReader, language = "en_US", load = FALSE),
12 : feinerer 741 dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
13 : feinerer 733 ...) {
14 : feinerer 722 if (attr(readerControl$reader, "FunctionGenerator"))
15 :     readerControl$reader <- readerControl$reader(...)
16 : feinerer 63
17 : feinerer 712 if (dbControl$useDb) {
18 :     if (!dbCreate(dbControl$dbName, dbControl$dbType))
19 :     stop("error in creating database")
20 :     db <- dbInit(dbControl$dbName, dbControl$dbType)
21 :     }
22 :    
23 : feinerer 63 tdl <- list()
24 :     counter <- 1
25 :     while (!eoi(object)) {
26 : feinerer 698 object <- stepNext(object)
27 :     elem <- getElem(object)
28 : feinerer 63 # If there is no Load on Demand support
29 :     # we need to load the corpus into memory at startup
30 : feinerer 694 if (!object@LoDSupport)
31 : feinerer 722 readerControl$load <- TRUE
32 :     doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))
33 : feinerer 712 if (dbControl$useDb) {
34 :     dbInsert(db, ID(doc), doc)
35 :     tdl <- c(tdl, ID(doc))
36 :     }
37 :     else
38 :     tdl <- c(tdl, list(doc))
39 : feinerer 63 counter <- counter + 1
40 :     }
41 :    
42 : feinerer 712 df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
43 :     if (dbControl$useDb) {
44 :     dbInsert(db, "DMetaData", df)
45 : feinerer 727 dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
46 : feinerer 712 dbDisconnect(db)
47 :     }
48 :     else
49 :     dmeta.df <- df
50 :    
51 : feinerer 698 cmeta.node <- new("MetaDataNode",
52 : feinerer 71 NodeID = 0,
53 : feinerer 689 MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
54 : feinerer 71 children = list())
55 :    
56 : feinerer 712 return(new("TextDocCol", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
57 : feinerer 21 })
58 :    
59 : feinerer 698 setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
60 :     setMethod("loadDoc",
61 : feinerer 62 signature(object = "PlainTextDocument"),
62 : feinerer 65 function(object, ...) {
63 : feinerer 61 if (!Cached(object)) {
64 : feinerer 67 con <- eval(URI(object))
65 : feinerer 65 corpus <- readLines(con)
66 :     close(con)
67 : feinerer 56 Corpus(object) <- corpus
68 : feinerer 60 Cached(object) <- TRUE
69 : feinerer 56 return(object)
70 :     } else {
71 :     return(object)
72 :     }
73 :     })
74 : feinerer 698 setMethod("loadDoc",
75 : feinerer 62 signature(object = "XMLTextDocument"),
76 : feinerer 65 function(object, ...) {
77 : feinerer 61 if (!Cached(object)) {
78 : feinerer 67 con <- eval(URI(object))
79 : feinerer 65 corpus <- paste(readLines(con), "\n", collapse = "")
80 :     close(con)
81 :     doc <- xmlTreeParse(corpus, asText = TRUE)
82 : feinerer 49 class(doc) <- "list"
83 : feinerer 56 Corpus(object) <- doc
84 : feinerer 60 Cached(object) <- TRUE
85 : feinerer 49 return(object)
86 :     } else {
87 :     return(object)
88 :     }
89 :     })
90 : feinerer 698 setMethod("loadDoc",
91 : feinerer 62 signature(object = "NewsgroupDocument"),
92 : feinerer 65 function(object, ...) {
93 : feinerer 61 if (!Cached(object)) {
94 : feinerer 67 con <- eval(URI(object))
95 : feinerer 65 mail <- readLines(con)
96 :     close(con)
97 : feinerer 60 Cached(object) <- TRUE
98 : feinerer 65 for (index in seq(along = mail)) {
99 :     if (mail[index] == "")
100 :     break
101 :     }
102 : feinerer 56 Corpus(object) <- mail[(index + 1):length(mail)]
103 :     return(object)
104 :     } else {
105 :     return(object)
106 :     }
107 :     })
108 : feinerer 49
109 : feinerer 719 setGeneric("tmUpdate", function(object,
110 :     origin,
111 : feinerer 723 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
112 : feinerer 719 ...) standardGeneric("tmUpdate"))
113 : feinerer 72 # Update is only supported for directories
114 :     # At the moment no other LoD devices are available anyway
115 : feinerer 698 setMethod("tmUpdate",
116 : feinerer 72 signature(object = "TextDocCol", origin = "DirSource"),
117 : feinerer 719 function(object, origin,
118 : feinerer 723 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
119 : feinerer 719 ...) {
120 : feinerer 722 if (inherits(readerControl$reader, "FunctionGenerator"))
121 :     readerControl$reader <- readerControl$reader(...)
122 : feinerer 72
123 :     object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
124 :     new.files <- setdiff(origin@FileList, object.filelist)
125 :    
126 :     for (filename in new.files) {
127 :     elem <- list(content = readLines(filename),
128 :     uri = substitute(file(filename)))
129 : feinerer 722 object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
130 : feinerer 72 }
131 :    
132 :     return(object)
133 :     })
134 :    
135 : feinerer 698 setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))
136 :     setMethod("tmMap",
137 : feinerer 62 signature(object = "TextDocCol", FUN = "function"),
138 : feinerer 49 function(object, FUN, ...) {
139 : feinerer 73 result <- object
140 : feinerer 689 # Note that text corpora are automatically loaded into memory via \code{[[}
141 : feinerer 719 if (DBControl(object)[["useDb"]]) {
142 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
143 : feinerer 728 i <- 1
144 :     for (id in unlist(object)) {
145 :     db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
146 :     i <- i + 1
147 :     }
148 : feinerer 719 dbDisconnect(db)
149 :     }
150 :     else
151 :     result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
152 : feinerer 56 return(result)
153 : feinerer 49 })
154 :    
155 : feinerer 698 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
156 :     setMethod("asPlain",
157 : feinerer 62 signature(object = "PlainTextDocument"),
158 : feinerer 49 function(object, FUN, ...) {
159 :     return(object)
160 :     })
161 : feinerer 698 setMethod("asPlain",
162 : feinerer 62 signature(object = "XMLTextDocument", FUN = "function"),
163 : feinerer 49 function(object, FUN, ...) {
164 : feinerer 56 corpus <- Corpus(object)
165 : feinerer 49
166 :     # As XMLDocument is no native S4 class, restore valid information
167 :     class(corpus) <- "XMLDocument"
168 :     names(corpus) <- c("doc","dtd")
169 :    
170 : feinerer 61 return(FUN(xmlRoot(corpus), ...))
171 : feinerer 49 })
172 : feinerer 725 setMethod("asPlain",
173 :     signature(object = "NewsgroupDocument"),
174 :     function(object, FUN, ...) {
175 :     new("PlainTextDocument", .Data = Corpus(object), Cached = TRUE, URI = "", Author = Author(object),
176 :     DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
177 :     Origin = Origin(object), Heading = Heading(object), Language = Language(object))
178 :     })
179 : feinerer 49
180 : feinerer 698 setGeneric("tmTolower", function(object, ...) standardGeneric("tmTolower"))
181 :     setMethod("tmTolower",
182 : feinerer 67 signature(object = "PlainTextDocument"),
183 :     function(object, ...) {
184 :     Corpus(object) <- tolower(object)
185 :     return(object)
186 :     })
187 :    
188 : feinerer 698 setGeneric("stripWhitespace", function(object, ...) standardGeneric("stripWhitespace"))
189 :     setMethod("stripWhitespace",
190 : feinerer 67 signature(object = "PlainTextDocument"),
191 :     function(object, ...) {
192 :     Corpus(object) <- gsub("[[:space:]]+", " ", object)
193 :     return(object)
194 :     })
195 :    
196 : feinerer 713 setGeneric("stemDoc", function(object, language = "english", ...) standardGeneric("stemDoc"))
197 : feinerer 698 setMethod("stemDoc",
198 : feinerer 62 signature(object = "PlainTextDocument"),
199 : feinerer 713 function(object, language = "english", ...) {
200 : feinerer 49 splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
201 : feinerer 713 stemmedCorpus <- if (require("Rstem"))
202 :     Rstem::wordStem(splittedCorpus, language)
203 :     else
204 :     SnowballStemmer(splittedCorpus, Weka_control(S = language))
205 : feinerer 56 Corpus(object) <- paste(stemmedCorpus, collapse = " ")
206 :     return(object)
207 : feinerer 49 })
208 :    
209 : feinerer 722 setGeneric("removePunctuation", function(object, ...) standardGeneric("removePunctuation"))
210 :     setMethod("removePunctuation",
211 :     signature(object = "PlainTextDocument"),
212 :     function(object, ...) {
213 :     Corpus(object) <- gsub("[[:punct:]]+", "", Corpus(object))
214 :     return(object)
215 :     })
216 :    
217 : feinerer 698 setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))
218 :     setMethod("removeWords",
219 : feinerer 60 signature(object = "PlainTextDocument", stopwords = "character"),
220 : feinerer 61 function(object, stopwords, ...) {
221 : feinerer 49 splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
222 :     noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]
223 : feinerer 56 Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")
224 :     return(object)
225 : feinerer 49 })
226 :    
227 : feinerer 698 setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
228 :     setMethod("tmFilter",
229 : feinerer 61 signature(object = "TextDocCol"),
230 : feinerer 698 function(object, ..., FUN = sFilter, doclevel = FALSE) {
231 : feinerer 73 if (doclevel)
232 :     return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
233 :     else
234 : feinerer 724 return(object[FUN(object, ...)])
235 : feinerer 61 })
236 :    
237 : feinerer 698 setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
238 :     setMethod("tmIndex",
239 : feinerer 61 signature(object = "TextDocCol"),
240 : feinerer 698 function(object, ..., FUN = sFilter, doclevel = FALSE) {
241 : feinerer 73 if (doclevel)
242 :     return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
243 :     else
244 : feinerer 724 return(FUN(object, ...))
245 : feinerer 49 })
246 :    
247 : feinerer 698 sFilter <- function(object, s, ...) {
248 : feinerer 73 con <- textConnection(s)
249 :     tokens <- scan(con, "character")
250 :     close(con)
251 : feinerer 721 localMetaNames <- unique(names(sapply(object, LocalMetaData)))
252 :     localMetaTokens <- localMetaNames[localMetaNames %in% tokens]
253 : feinerer 729 n <- names(DMetaData(object))
254 :     tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)
255 :     query.df <- DMetaData(prescindMeta(object, tags))
256 :     if (DBControl(object)[["useDb"]])
257 :     DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = FALSE]
258 : feinerer 721 # Rename to avoid name conflicts
259 :     names(query.df)[names(query.df) == "Author"] <- "author"
260 :     names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"
261 :     names(query.df)[names(query.df) == "Description"] <- "description"
262 :     names(query.df)[names(query.df) == "ID"] <- "identifier"
263 :     names(query.df)[names(query.df) == "Origin"] <- "origin"
264 :     names(query.df)[names(query.df) == "Heading"] <- "heading"
265 :     names(query.df)[names(query.df) == "Language"] <- "language"
266 : feinerer 73 attach(query.df)
267 : feinerer 74 try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
268 : feinerer 73 detach(query.df)
269 :     return(result)
270 : feinerer 61 }
271 :    
272 : feinerer 698 setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))
273 :     setMethod("searchFullText",
274 : feinerer 61 signature(object = "PlainTextDocument", pattern = "character"),
275 :     function(object, pattern, ...) {
276 :     return(any(grep(pattern, Corpus(object))))
277 :     })
278 :    
279 : feinerer 698 setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
280 :     setMethod("appendElem",
281 : feinerer 72 signature(object = "TextDocCol", data = "TextDocument"),
282 :     function(object, data, meta = NULL) {
283 : feinerer 712 if (DBControl(object)[["useDb"]]) {
284 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
285 :     if (dbExists(db, ID(data)))
286 :     warning("document with identical ID already exists")
287 :     dbInsert(db, ID(data), data)
288 :     dbDisconnect(db)
289 :     object@.Data[[length(object)+1]] <- ID(data)
290 :     }
291 :     else
292 :     object@.Data[[length(object)+1]] <- data
293 :     DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
294 : feinerer 52 return(object)
295 :     })
296 :    
297 : feinerer 698 setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
298 :     setMethod("appendMeta",
299 : feinerer 72 signature(object = "TextDocCol"),
300 : feinerer 698 function(object, cmeta = NULL, dmeta = NULL) {
301 : feinerer 712 object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
302 :     if (!is.null(dmeta)) {
303 : feinerer 719 DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
304 : feinerer 712 }
305 : feinerer 52 return(object)
306 :     })
307 : feinerer 53
308 : feinerer 698 setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
309 :     setMethod("removeMeta",
310 : feinerer 77 signature(object = "TextDocCol"),
311 : feinerer 698 function(object, cname = NULL, dname = NULL) {
312 : feinerer 729 if (!is.null(cname))
313 : feinerer 698 object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
314 : feinerer 729 if (!is.null(dname))
315 :     DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
316 : feinerer 77 return(object)
317 :     })
318 : feinerer 69
319 : feinerer 698 setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
320 :     setMethod("prescindMeta",
321 : feinerer 73 signature(object = "TextDocCol", meta = "character"),
322 :     function(object, meta) {
323 :     for (m in meta) {
324 : feinerer 719 if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
325 : feinerer 75 local.m <- lapply(object, m)
326 :     local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
327 : feinerer 73 local.m <- unlist(local.m)
328 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
329 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
330 : feinerer 75 }
331 :     else {
332 :     local.meta <- lapply(object, LocalMetaData)
333 :     local.m <- lapply(local.meta, "[[", m)
334 :     local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
335 :     if (length(local.m) == length(unlist(local.m)))
336 :     local.m <- unlist(local.m)
337 :     else
338 :     local.m <- I(local.m)
339 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
340 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
341 : feinerer 75 }
342 : feinerer 73 }
343 :     return(object)
344 :     })
345 :    
346 : feinerer 53 setMethod("[",
347 :     signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),
348 :     function(x, i, j, ... , drop) {
349 :     if(missing(i))
350 :     return(x)
351 :    
352 :     object <- x
353 :     object@.Data <- x@.Data[i, ..., drop = FALSE]
354 : feinerer 724 if (DBControl(object)[["useDb"]]) {
355 : feinerer 727 index <- object@DMetaData[[1 , "subset"]]
356 :     if (any(is.na(index)))
357 :     object@DMetaData[[1 , "subset"]] <- i
358 : feinerer 724 else
359 : feinerer 727 object@DMetaData[[1 , "subset"]] <- index[i]
360 : feinerer 724 }
361 : feinerer 729 else
362 :     DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
363 : feinerer 53 return(object)
364 :     })
365 :    
366 : feinerer 63 setMethod("[<-",
367 :     signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
368 :     function(x, i, j, ... , value) {
369 :     object <- x
370 : feinerer 724 if (DBControl(object)[["useDb"]]) {
371 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
372 :     counter <- 1
373 :     for (id in object@.Data[i, ...]) {
374 :     if (length(value) == 1)
375 :     db[[id]] <- value
376 :     else {
377 :     db[[id]] <- value[[counter]]
378 :     }
379 :     counter <- counter + 1
380 :     }
381 :     dbDisconnect(db)
382 :     }
383 :     else
384 :     object@.Data[i, ...] <- value
385 : feinerer 63 return(object)
386 :     })
387 :    
388 :     setMethod("[[",
389 :     signature(x = "TextDocCol", i = "ANY", j = "ANY"),
390 :     function(x, i, j, ...) {
391 : feinerer 712 if (DBControl(x)[["useDb"]]) {
392 :     db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
393 :     result <- dbFetch(db, x@.Data[[i]])
394 :     dbDisconnect(db)
395 :     return(loadDoc(result))
396 :     }
397 :     else
398 :     return(loadDoc(x@.Data[[i]]))
399 : feinerer 63 })
400 :    
401 :     setMethod("[[<-",
402 :     signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
403 :     function(x, i, j, ..., value) {
404 :     object <- x
405 : feinerer 712 if (DBControl(object)[["useDb"]]) {
406 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
407 :     index <- object@.Data[[i]]
408 :     db[[index]] <- value
409 :     dbDisconnect(db)
410 :     }
411 :     else
412 :     object@.Data[[i, ...]] <- value
413 : feinerer 63 return(object)
414 :     })
415 :    
416 : feinerer 698 # Update \code{NodeID}s of a CMetaData tree
417 : feinerer 697 update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
418 : feinerer 698 # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
419 : feinerer 697 set_id <- function(object) {
420 :     object@NodeID <- id
421 :     id <<- id + 1
422 :     level <<- level + 1
423 : feinerer 71
424 : feinerer 697 if (length(object@children) > 0) {
425 :     mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
426 :     left <- set_id(object@children[[1]])
427 :     if (level == 1) {
428 :     left.mapping <<- mapping
429 :     mapping <<- NULL
430 :     }
431 :     mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
432 :     right <- set_id(object@children[[2]])
433 : feinerer 71
434 : feinerer 697 object@children <- list(left, right)
435 : feinerer 71 }
436 : feinerer 697 level <<- level - 1
437 : feinerer 71
438 : feinerer 697 return(object)
439 : feinerer 71 }
440 :    
441 : feinerer 697 return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
442 : feinerer 71 }
443 :    
444 : feinerer 53 setMethod("c",
445 :     signature(x = "TextDocCol"),
446 : feinerer 689 function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
447 :     args <- list(...)
448 : feinerer 720 if (length(args) == 0)
449 : feinerer 689 return(x)
450 : feinerer 71
451 : feinerer 720 if (!all(sapply(args, inherits, "TextDocCol")))
452 :     stop("not all arguments are text document collections")
453 : feinerer 730 if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
454 : feinerer 720 stop("concatenating text document collections with activated database is not supported")
455 :    
456 : feinerer 689 result <- x
457 :     for (c in args) {
458 :     result <- c2(result, c)
459 :     }
460 :     return(result)
461 :     })
462 :    
463 :     setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
464 :     setMethod("c2",
465 :     signature(x = "TextDocCol", y = "TextDocCol"),
466 :     function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
467 : feinerer 71 object <- x
468 :     # Concatenate data slots
469 :     object@.Data <- c(as(x, "list"), as(y, "list"))
470 :    
471 : feinerer 720 # Set the DBControl slot
472 : feinerer 741 object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
473 : feinerer 720
474 : feinerer 698 # Update the CMetaData tree
475 :     cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
476 :     update.struct <- update_id(cmeta)
477 :     object@CMetaData <- update.struct$root
478 : feinerer 71
479 :     # Find indices to be updated for the left tree
480 :     indices.mapping <- NULL
481 :     for (m in levels(as.factor(DMetaData(x)$MetaID))) {
482 :     indices <- (DMetaData(x)$MetaID == m)
483 :     indices.mapping <- c(indices.mapping, list(m = indices))
484 :     names(indices.mapping)[length(indices.mapping)] <- m
485 :     }
486 :    
487 :     # Update the DMetaData data frames for the left tree
488 :     for (i in 1:ncol(update.struct$left.mapping)) {
489 :     map <- update.struct$left.mapping[,i]
490 :     x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
491 :     }
492 :    
493 :     # Find indices to be updated for the right tree
494 :     indices.mapping <- NULL
495 :     for (m in levels(as.factor(DMetaData(y)$MetaID))) {
496 :     indices <- (DMetaData(y)$MetaID == m)
497 :     indices.mapping <- c(indices.mapping, list(m = indices))
498 :     names(indices.mapping)[length(indices.mapping)] <- m
499 :     }
500 :    
501 :     # Update the DMetaData data frames for the right tree
502 :     for (i in 1:ncol(update.struct$right.mapping)) {
503 :     map <- update.struct$right.mapping[,i]
504 :     y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
505 :     }
506 :    
507 :     # Merge the DMetaData data frames
508 :     labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
509 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
510 :     x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
511 :     labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
512 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
513 :     y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
514 :     object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
515 :    
516 :     return(object)
517 : feinerer 72 })
518 : feinerer 689
519 : feinerer 72 setMethod("c",
520 :     signature(x = "TextDocument"),
521 :     function(x, ..., recursive = TRUE){
522 :     args <- list(...)
523 :     if(length(args) == 0)
524 :     return(x)
525 : feinerer 54
526 : feinerer 73 dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
527 : feinerer 698 cmeta.node <- new("MetaDataNode",
528 : feinerer 72 NodeID = 0,
529 : feinerer 689 MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
530 : feinerer 72 children = list())
531 :    
532 : feinerer 720 return(new("TextDocCol",
533 :     .Data = list(x, ...),
534 :     DMetaData = dmeta.df,
535 :     CMetaData = cmeta.node,
536 : feinerer 741 DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
537 : feinerer 72 })
538 :    
539 : feinerer 54 setMethod("length",
540 :     signature(x = "TextDocCol"),
541 :     function(x){
542 :     return(length(as(x, "list")))
543 :     })
544 :    
545 :     setMethod("show",
546 :     signature(object = "TextDocCol"),
547 :     function(object){
548 : feinerer 70 cat(sprintf(ngettext(length(object),
549 :     "A text document collection with %d text document\n",
550 :     "A text document collection with %d text documents\n"),
551 :     length(object)))
552 : feinerer 54 })
553 :    
554 :     setMethod("summary",
555 :     signature(object = "TextDocCol"),
556 :     function(object){
557 :     show(object)
558 : feinerer 71 if (length(DMetaData(object)) > 0) {
559 : feinerer 698 cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
560 : feinerer 77 "\nThe metadata consists of %d tag-value pair and a data frame\n",
561 :     "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
562 : feinerer 698 length(CMetaData(object)@MetaData)))
563 : feinerer 54 cat("Available tags are:\n")
564 : feinerer 722 cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
565 : feinerer 77 cat("Available variables in the data frame are:\n")
566 : feinerer 722 cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
567 : feinerer 54 }
568 :     })
569 : feinerer 55
570 :     setGeneric("inspect", function(object) standardGeneric("inspect"))
571 :     setMethod("inspect",
572 : feinerer 65 signature("TextDocCol"),
573 : feinerer 55 function(object) {
574 :     summary(object)
575 :     cat("\n")
576 : feinerer 719 if (DBControl(object)[["useDb"]]) {
577 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
578 :     show(dbMultiFetch(db, unlist(object)))
579 :     dbDisconnect(db)
580 :     }
581 :     else
582 :     show(object@.Data)
583 : feinerer 55 })
584 : feinerer 65
585 :     # No metadata is checked
586 :     setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
587 :     setMethod("%IN%",
588 :     signature(x = "TextDocument", y = "TextDocCol"),
589 :     function(x, y) {
590 : feinerer 729 if (DBControl(y)[["useDb"]]) {
591 :     db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
592 :     result <- any(sapply(y, function(x, z) {x %in% Corpus(z)}, x))
593 :     dbDisconnect(db)
594 :     }
595 :     else
596 :     result <- x %in% y
597 :     return(result)
598 : feinerer 65 })
599 : feinerer 719
600 :     setMethod("lapply",
601 :     signature(X = "TextDocCol"),
602 :     function(X, FUN, ...) {
603 :     if (DBControl(X)[["useDb"]]) {
604 :     db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
605 :     result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
606 :     dbDisconnect(db)
607 :     }
608 :     else
609 :     result <- base::lapply(X, FUN, ...)
610 :     return(result)
611 :     })
612 :    
613 :     setMethod("sapply",
614 :     signature(X = "TextDocCol"),
615 :     function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
616 :     if (DBControl(X)[["useDb"]]) {
617 :     db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
618 :     result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
619 :     dbDisconnect(db)
620 :     }
621 :     else
622 :     result <- base::sapply(X, FUN, ...)
623 :     return(result)
624 :     })

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