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 854 - (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 816 setGeneric("Corpus", function(object,
5 : feinerer 817 readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),
6 : feinerer 741 dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
7 : feinerer 816 ...) standardGeneric("Corpus"))
8 :     setMethod("Corpus",
9 : feinerer 63 signature(object = "Source"),
10 : feinerer 717 function(object,
11 : feinerer 817 readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),
12 : feinerer 741 dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
13 : feinerer 733 ...) {
14 : feinerer 809 if (is.null(readerControl$reader))
15 :     readerControl$reader <- object@DefaultReader
16 : feinerer 777 if (is(readerControl$reader, "FunctionGenerator"))
17 : feinerer 722 readerControl$reader <- readerControl$reader(...)
18 : feinerer 799 if (is.null(readerControl$language))
19 :     readerControl$language = "en_US"
20 :     if (is.null(readerControl$load))
21 : feinerer 817 readerControl$load = TRUE
22 : feinerer 63
23 : feinerer 712 if (dbControl$useDb) {
24 :     if (!dbCreate(dbControl$dbName, dbControl$dbType))
25 :     stop("error in creating database")
26 :     db <- dbInit(dbControl$dbName, dbControl$dbType)
27 :     }
28 :    
29 : feinerer 63 tdl <- list()
30 :     counter <- 1
31 :     while (!eoi(object)) {
32 : feinerer 698 object <- stepNext(object)
33 :     elem <- getElem(object)
34 : feinerer 63 # If there is no Load on Demand support
35 :     # we need to load the corpus into memory at startup
36 : feinerer 694 if (!object@LoDSupport)
37 : feinerer 722 readerControl$load <- TRUE
38 :     doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))
39 : feinerer 712 if (dbControl$useDb) {
40 :     dbInsert(db, ID(doc), doc)
41 :     tdl <- c(tdl, ID(doc))
42 :     }
43 :     else
44 :     tdl <- c(tdl, list(doc))
45 : feinerer 63 counter <- counter + 1
46 :     }
47 :    
48 : feinerer 712 df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
49 :     if (dbControl$useDb) {
50 :     dbInsert(db, "DMetaData", df)
51 : feinerer 727 dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
52 : feinerer 712 }
53 :     else
54 :     dmeta.df <- df
55 :    
56 : feinerer 698 cmeta.node <- new("MetaDataNode",
57 : feinerer 71 NodeID = 0,
58 : feinerer 689 MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
59 : feinerer 71 children = list())
60 :    
61 : feinerer 816 return(new("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
62 : feinerer 21 })
63 :    
64 : feinerer 698 setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
65 :     setMethod("loadDoc",
66 : feinerer 62 signature(object = "PlainTextDocument"),
67 : feinerer 65 function(object, ...) {
68 : feinerer 61 if (!Cached(object)) {
69 : feinerer 67 con <- eval(URI(object))
70 : feinerer 65 corpus <- readLines(con)
71 :     close(con)
72 : feinerer 816 Content(object) <- corpus
73 : feinerer 60 Cached(object) <- TRUE
74 : feinerer 56 return(object)
75 :     } else {
76 :     return(object)
77 :     }
78 :     })
79 : feinerer 698 setMethod("loadDoc",
80 : feinerer 62 signature(object = "XMLTextDocument"),
81 : feinerer 65 function(object, ...) {
82 : feinerer 61 if (!Cached(object)) {
83 : feinerer 67 con <- eval(URI(object))
84 : feinerer 65 corpus <- paste(readLines(con), "\n", collapse = "")
85 :     close(con)
86 :     doc <- xmlTreeParse(corpus, asText = TRUE)
87 : feinerer 49 class(doc) <- "list"
88 : feinerer 816 Content(object) <- doc
89 : feinerer 60 Cached(object) <- TRUE
90 : feinerer 49 return(object)
91 :     } else {
92 :     return(object)
93 :     }
94 :     })
95 : feinerer 698 setMethod("loadDoc",
96 : feinerer 62 signature(object = "NewsgroupDocument"),
97 : feinerer 65 function(object, ...) {
98 : feinerer 61 if (!Cached(object)) {
99 : feinerer 67 con <- eval(URI(object))
100 : feinerer 65 mail <- readLines(con)
101 :     close(con)
102 : feinerer 60 Cached(object) <- TRUE
103 : feinerer 744 for (index in seq_along(mail)) {
104 : feinerer 65 if (mail[index] == "")
105 :     break
106 :     }
107 : feinerer 816 Content(object) <- mail[(index + 1):length(mail)]
108 : feinerer 56 return(object)
109 :     } else {
110 :     return(object)
111 :     }
112 :     })
113 : feinerer 767 setMethod("loadDoc",
114 :     signature(object = "StructuredTextDocument"),
115 :     function(object, ...) {
116 :     if (!Cached(object)) {
117 :     warning("load on demand not (yet) supported for StructuredTextDocuments")
118 :     return(object)
119 :     } else
120 :     return(object)
121 :     })
122 : feinerer 49
123 : feinerer 719 setGeneric("tmUpdate", function(object,
124 :     origin,
125 : feinerer 817 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),
126 : feinerer 719 ...) standardGeneric("tmUpdate"))
127 : feinerer 72 # Update is only supported for directories
128 :     # At the moment no other LoD devices are available anyway
129 : feinerer 698 setMethod("tmUpdate",
130 : feinerer 816 signature(object = "Corpus", origin = "DirSource"),
131 : feinerer 719 function(object, origin,
132 : feinerer 817 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),
133 : feinerer 719 ...) {
134 : feinerer 809 if (is.null(readerControl$reader))
135 :     readerControl$reader <- origin@DefaultReader
136 : feinerer 777 if (is(readerControl$reader, "FunctionGenerator"))
137 : feinerer 722 readerControl$reader <- readerControl$reader(...)
138 : feinerer 809 if (is.null(readerControl$language))
139 :     readerControl$language = "en_US"
140 :     if (is.null(readerControl$load))
141 : feinerer 817 readerControl$load = TRUE
142 : feinerer 72
143 :     object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
144 :     new.files <- setdiff(origin@FileList, object.filelist)
145 :    
146 :     for (filename in new.files) {
147 : feinerer 812 encoding <- origin@Encoding
148 :     elem <- list(content = readLines(filename, encoding = encoding),
149 :     uri = substitute(file(filename, encoding = encoding)))
150 : feinerer 722 object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
151 : feinerer 72 }
152 :    
153 :     return(object)
154 :     })
155 :    
156 : feinerer 830 setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))
157 : feinerer 698 setMethod("tmMap",
158 : feinerer 816 signature(object = "Corpus", FUN = "function"),
159 : feinerer 830 function(object, FUN, ..., lazy = FALSE) {
160 : feinerer 73 result <- object
161 : feinerer 689 # Note that text corpora are automatically loaded into memory via \code{[[}
162 : feinerer 719 if (DBControl(object)[["useDb"]]) {
163 : feinerer 830 if (lazy)
164 :     warning("lazy mapping is deactived when using database backend")
165 : feinerer 719 db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
166 : feinerer 728 i <- 1
167 :     for (id in unlist(object)) {
168 :     db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
169 :     i <- i + 1
170 :     }
171 : feinerer 833 # Suggested by Christian Buchta
172 :     dbReorganize(db)
173 : feinerer 719 }
174 : feinerer 828 else {
175 : feinerer 830 # Lazy mapping
176 :     if (lazy) {
177 :     lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
178 :     if (is.null(lazyTmMap)) {
179 :     meta(result, tag = "lazyTmMap", type = "corpus") <-
180 :     list(index = rep(TRUE, length(result)),
181 :     maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
182 :     }
183 :     else {
184 :     lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
185 :     meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
186 :     }
187 :     }
188 : feinerer 828 else
189 :     result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
190 :     }
191 : feinerer 56 return(result)
192 : feinerer 49 })
193 :    
194 : feinerer 828 # Materialize lazy mappings
195 : feinerer 833 # Improvements by Christian Buchta
196 : feinerer 829 materialize <- function(corpus, range = seq_along(corpus)) {
197 : feinerer 828 lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")
198 : feinerer 829 if (!is.null(lazyTmMap)) {
199 : feinerer 833 # Make valid and lazy index
200 :     idx <- (seq_along(corpus) %in% range) & lazyTmMap$index
201 :     if (any(idx)) {
202 :     res <- lapply(corpus@.Data[idx], loadDoc)
203 :     for (m in lazyTmMap$maps)
204 :     res <- lapply(res, m, DMetaData = DMetaData(corpus))
205 :     corpus@.Data[idx] <- res
206 :     lazyTmMap$index[idx] <- FALSE
207 :     }
208 : feinerer 829 }
209 : feinerer 830 # Clean up if everything is materialized
210 :     if (!any(lazyTmMap$index))
211 :     lazyTmMap <- NULL
212 : feinerer 829 meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
213 : feinerer 828 return(corpus)
214 :     }
215 :    
216 : feinerer 698 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
217 :     setMethod("asPlain",
218 : feinerer 62 signature(object = "PlainTextDocument"),
219 : feinerer 49 function(object, FUN, ...) {
220 :     return(object)
221 :     })
222 : feinerer 698 setMethod("asPlain",
223 : feinerer 62 signature(object = "XMLTextDocument", FUN = "function"),
224 : feinerer 49 function(object, FUN, ...) {
225 : feinerer 816 corpus <- Content(object)
226 : feinerer 49
227 :     # As XMLDocument is no native S4 class, restore valid information
228 :     class(corpus) <- "XMLDocument"
229 :     names(corpus) <- c("doc","dtd")
230 :    
231 : feinerer 61 return(FUN(xmlRoot(corpus), ...))
232 : feinerer 49 })
233 : feinerer 725 setMethod("asPlain",
234 : feinerer 757 signature(object = "Reuters21578Document"),
235 :     function(object, FUN, ...) {
236 :     FUN <- convertReut21578XMLPlain
237 : feinerer 816 corpus <- Content(object)
238 : feinerer 757
239 :     # As XMLDocument is no native S4 class, restore valid information
240 :     class(corpus) <- "XMLDocument"
241 :     names(corpus) <- c("doc","dtd")
242 :    
243 :     return(FUN(xmlRoot(corpus), ...))
244 :     })
245 :     setMethod("asPlain",
246 :     signature(object = "RCV1Document"),
247 :     function(object, FUN, ...) {
248 :     FUN <- convertRCV1Plain
249 : feinerer 816 corpus <- Content(object)
250 : feinerer 757
251 :     # As XMLDocument is no native S4 class, restore valid information
252 :     class(corpus) <- "XMLDocument"
253 :     names(corpus) <- c("doc","dtd")
254 :    
255 :     return(FUN(xmlRoot(corpus), ...))
256 :     })
257 :     setMethod("asPlain",
258 : feinerer 725 signature(object = "NewsgroupDocument"),
259 :     function(object, FUN, ...) {
260 : feinerer 816 new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = "", Author = Author(object),
261 : feinerer 725 DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
262 : feinerer 826 Origin = Origin(object), Heading = Heading(object), Language = Language(object),
263 :     LocalMetaData = LocalMetaData(object))
264 : feinerer 725 })
265 : feinerer 775 setMethod("asPlain",
266 :     signature(object = "StructuredTextDocument"),
267 :     function(object, FUN, ...) {
268 : feinerer 816 new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,
269 : feinerer 775 URI = "", Author = Author(object), DateTimeStamp = DateTimeStamp(object),
270 :     Description = Description(object), ID = ID(object), Origin = Origin(object),
271 : feinerer 826 Heading = Heading(object), Language = Language(object),
272 :     LocalMetaData = LocalMetaData(object))
273 : feinerer 775 })
274 : feinerer 49
275 : feinerer 854 setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))
276 : feinerer 698 setMethod("tmFilter",
277 : feinerer 816 signature(object = "Corpus"),
278 : feinerer 854 function(object, ..., FUN = searchFullText, doclevel = TRUE) {
279 :     if (!is.null(attr(FUN, "doclevel")))
280 :     doclevel <- attr(FUN, "doclevel")
281 : feinerer 73 if (doclevel)
282 :     return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
283 :     else
284 : feinerer 724 return(object[FUN(object, ...)])
285 : feinerer 61 })
286 :    
287 : feinerer 854 setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))
288 : feinerer 698 setMethod("tmIndex",
289 : feinerer 816 signature(object = "Corpus"),
290 : feinerer 854 function(object, ..., FUN = searchFullText, doclevel = TRUE) {
291 :     if (!is.null(attr(FUN, "doclevel")))
292 :     doclevel <- attr(FUN, "doclevel")
293 : feinerer 73 if (doclevel)
294 :     return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
295 :     else
296 : feinerer 724 return(FUN(object, ...))
297 : feinerer 49 })
298 :    
299 : feinerer 698 setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
300 :     setMethod("appendElem",
301 : feinerer 816 signature(object = "Corpus", data = "TextDocument"),
302 : feinerer 72 function(object, data, meta = NULL) {
303 : feinerer 712 if (DBControl(object)[["useDb"]]) {
304 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
305 :     if (dbExists(db, ID(data)))
306 :     warning("document with identical ID already exists")
307 :     dbInsert(db, ID(data), data)
308 :     object@.Data[[length(object)+1]] <- ID(data)
309 :     }
310 :     else
311 :     object@.Data[[length(object)+1]] <- data
312 :     DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
313 : feinerer 52 return(object)
314 :     })
315 :    
316 : feinerer 698 setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
317 :     setMethod("appendMeta",
318 : feinerer 816 signature(object = "Corpus"),
319 : feinerer 698 function(object, cmeta = NULL, dmeta = NULL) {
320 : feinerer 712 object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
321 :     if (!is.null(dmeta)) {
322 : feinerer 719 DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
323 : feinerer 712 }
324 : feinerer 52 return(object)
325 :     })
326 : feinerer 53
327 : feinerer 698 setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
328 :     setMethod("removeMeta",
329 : feinerer 816 signature(object = "Corpus"),
330 : feinerer 698 function(object, cname = NULL, dname = NULL) {
331 : feinerer 729 if (!is.null(cname))
332 : feinerer 698 object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
333 : feinerer 729 if (!is.null(dname))
334 :     DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
335 : feinerer 77 return(object)
336 :     })
337 : feinerer 69
338 : feinerer 698 setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
339 :     setMethod("prescindMeta",
340 : feinerer 816 signature(object = "Corpus", meta = "character"),
341 : feinerer 73 function(object, meta) {
342 :     for (m in meta) {
343 : feinerer 719 if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
344 : feinerer 75 local.m <- lapply(object, m)
345 : feinerer 853 local.m <- sapply(local.m, paste, collapse = " ")
346 : feinerer 75 local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
347 : feinerer 73 local.m <- unlist(local.m)
348 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
349 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
350 : feinerer 75 }
351 :     else {
352 :     local.meta <- lapply(object, LocalMetaData)
353 :     local.m <- lapply(local.meta, "[[", m)
354 :     local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
355 :     if (length(local.m) == length(unlist(local.m)))
356 :     local.m <- unlist(local.m)
357 :     else
358 :     local.m <- I(local.m)
359 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
360 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
361 : feinerer 75 }
362 : feinerer 73 }
363 :     return(object)
364 :     })
365 :    
366 : feinerer 53 setMethod("[",
367 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),
368 : feinerer 53 function(x, i, j, ... , drop) {
369 :     if(missing(i))
370 :     return(x)
371 :    
372 :     object <- x
373 :     object@.Data <- x@.Data[i, ..., drop = FALSE]
374 : feinerer 724 if (DBControl(object)[["useDb"]]) {
375 : feinerer 727 index <- object@DMetaData[[1 , "subset"]]
376 :     if (any(is.na(index)))
377 :     object@DMetaData[[1 , "subset"]] <- i
378 : feinerer 724 else
379 : feinerer 727 object@DMetaData[[1 , "subset"]] <- index[i]
380 : feinerer 724 }
381 : feinerer 729 else
382 :     DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
383 : feinerer 53 return(object)
384 :     })
385 :    
386 : feinerer 63 setMethod("[<-",
387 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
388 : feinerer 63 function(x, i, j, ... , value) {
389 :     object <- x
390 : feinerer 724 if (DBControl(object)[["useDb"]]) {
391 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
392 :     counter <- 1
393 :     for (id in object@.Data[i, ...]) {
394 :     if (length(value) == 1)
395 :     db[[id]] <- value
396 :     else {
397 :     db[[id]] <- value[[counter]]
398 :     }
399 :     counter <- counter + 1
400 :     }
401 :     }
402 :     else
403 :     object@.Data[i, ...] <- value
404 : feinerer 63 return(object)
405 :     })
406 :    
407 :     setMethod("[[",
408 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY"),
409 : feinerer 63 function(x, i, j, ...) {
410 : feinerer 712 if (DBControl(x)[["useDb"]]) {
411 :     db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
412 :     result <- dbFetch(db, x@.Data[[i]])
413 :     return(loadDoc(result))
414 :     }
415 : feinerer 829 else {
416 : feinerer 830 lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
417 :     if (!is.null(lazyTmMap))
418 :     .Call("copyCorpus", x, materialize(x, i))
419 : feinerer 712 return(loadDoc(x@.Data[[i]]))
420 : feinerer 829 }
421 : feinerer 63 })
422 :    
423 :     setMethod("[[<-",
424 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
425 : feinerer 63 function(x, i, j, ..., value) {
426 :     object <- x
427 : feinerer 712 if (DBControl(object)[["useDb"]]) {
428 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
429 :     index <- object@.Data[[i]]
430 :     db[[index]] <- value
431 :     }
432 : feinerer 830 else {
433 :     # Mark new objects as not active for lazy mapping
434 :     lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
435 : feinerer 831 if (!is.null(lazyTmMap)) {
436 : feinerer 830 lazyTmMap$index[i] <- FALSE
437 : feinerer 831 meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
438 :     }
439 : feinerer 830 # Set the value
440 : feinerer 712 object@.Data[[i, ...]] <- value
441 : feinerer 830 }
442 : feinerer 63 return(object)
443 :     })
444 :    
445 : feinerer 698 # Update \code{NodeID}s of a CMetaData tree
446 : feinerer 697 update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
447 : feinerer 698 # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
448 : feinerer 697 set_id <- function(object) {
449 :     object@NodeID <- id
450 :     id <<- id + 1
451 :     level <<- level + 1
452 : feinerer 71
453 : feinerer 697 if (length(object@children) > 0) {
454 :     mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
455 :     left <- set_id(object@children[[1]])
456 :     if (level == 1) {
457 :     left.mapping <<- mapping
458 :     mapping <<- NULL
459 :     }
460 :     mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
461 :     right <- set_id(object@children[[2]])
462 : feinerer 71
463 : feinerer 697 object@children <- list(left, right)
464 : feinerer 71 }
465 : feinerer 697 level <<- level - 1
466 : feinerer 71
467 : feinerer 697 return(object)
468 : feinerer 71 }
469 :    
470 : feinerer 697 return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
471 : feinerer 71 }
472 :    
473 : feinerer 53 setMethod("c",
474 : feinerer 816 signature(x = "Corpus"),
475 : feinerer 689 function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
476 :     args <- list(...)
477 : feinerer 720 if (length(args) == 0)
478 : feinerer 689 return(x)
479 : feinerer 71
480 : feinerer 816 if (!all(sapply(args, inherits, "Corpus")))
481 : feinerer 720 stop("not all arguments are text document collections")
482 : feinerer 730 if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
483 : feinerer 720 stop("concatenating text document collections with activated database is not supported")
484 :    
485 : feinerer 689 result <- x
486 :     for (c in args) {
487 :     result <- c2(result, c)
488 :     }
489 :     return(result)
490 :     })
491 :    
492 :     setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
493 :     setMethod("c2",
494 : feinerer 816 signature(x = "Corpus", y = "Corpus"),
495 : feinerer 689 function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
496 : feinerer 71 object <- x
497 :     # Concatenate data slots
498 :     object@.Data <- c(as(x, "list"), as(y, "list"))
499 :    
500 : feinerer 720 # Set the DBControl slot
501 : feinerer 741 object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
502 : feinerer 720
503 : feinerer 698 # Update the CMetaData tree
504 :     cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
505 :     update.struct <- update_id(cmeta)
506 :     object@CMetaData <- update.struct$root
507 : feinerer 71
508 :     # Find indices to be updated for the left tree
509 :     indices.mapping <- NULL
510 :     for (m in levels(as.factor(DMetaData(x)$MetaID))) {
511 :     indices <- (DMetaData(x)$MetaID == m)
512 :     indices.mapping <- c(indices.mapping, list(m = indices))
513 :     names(indices.mapping)[length(indices.mapping)] <- m
514 :     }
515 :    
516 :     # Update the DMetaData data frames for the left tree
517 :     for (i in 1:ncol(update.struct$left.mapping)) {
518 :     map <- update.struct$left.mapping[,i]
519 :     x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
520 :     }
521 :    
522 :     # Find indices to be updated for the right tree
523 :     indices.mapping <- NULL
524 :     for (m in levels(as.factor(DMetaData(y)$MetaID))) {
525 :     indices <- (DMetaData(y)$MetaID == m)
526 :     indices.mapping <- c(indices.mapping, list(m = indices))
527 :     names(indices.mapping)[length(indices.mapping)] <- m
528 :     }
529 :    
530 :     # Update the DMetaData data frames for the right tree
531 :     for (i in 1:ncol(update.struct$right.mapping)) {
532 :     map <- update.struct$right.mapping[,i]
533 :     y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
534 :     }
535 :    
536 :     # Merge the DMetaData data frames
537 :     labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
538 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
539 :     x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
540 :     labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
541 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
542 :     y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
543 :     object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
544 :    
545 :     return(object)
546 : feinerer 72 })
547 : feinerer 689
548 : feinerer 72 setMethod("c",
549 :     signature(x = "TextDocument"),
550 :     function(x, ..., recursive = TRUE){
551 :     args <- list(...)
552 :     if(length(args) == 0)
553 :     return(x)
554 : feinerer 54
555 : feinerer 73 dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
556 : feinerer 698 cmeta.node <- new("MetaDataNode",
557 : feinerer 72 NodeID = 0,
558 : feinerer 689 MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
559 : feinerer 72 children = list())
560 :    
561 : feinerer 816 return(new("Corpus",
562 : feinerer 720 .Data = list(x, ...),
563 :     DMetaData = dmeta.df,
564 :     CMetaData = cmeta.node,
565 : feinerer 741 DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
566 : feinerer 72 })
567 :    
568 : feinerer 54 setMethod("length",
569 : feinerer 816 signature(x = "Corpus"),
570 : feinerer 54 function(x){
571 :     return(length(as(x, "list")))
572 :     })
573 :    
574 :     setMethod("show",
575 : feinerer 816 signature(object = "Corpus"),
576 : feinerer 54 function(object){
577 : feinerer 70 cat(sprintf(ngettext(length(object),
578 :     "A text document collection with %d text document\n",
579 :     "A text document collection with %d text documents\n"),
580 :     length(object)))
581 : feinerer 54 })
582 :    
583 :     setMethod("summary",
584 : feinerer 816 signature(object = "Corpus"),
585 : feinerer 54 function(object){
586 :     show(object)
587 : feinerer 71 if (length(DMetaData(object)) > 0) {
588 : feinerer 698 cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
589 : feinerer 77 "\nThe metadata consists of %d tag-value pair and a data frame\n",
590 :     "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
591 : feinerer 698 length(CMetaData(object)@MetaData)))
592 : feinerer 54 cat("Available tags are:\n")
593 : feinerer 722 cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
594 : feinerer 77 cat("Available variables in the data frame are:\n")
595 : feinerer 722 cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
596 : feinerer 54 }
597 :     })
598 : feinerer 55
599 :     setGeneric("inspect", function(object) standardGeneric("inspect"))
600 :     setMethod("inspect",
601 : feinerer 816 signature("Corpus"),
602 : feinerer 55 function(object) {
603 :     summary(object)
604 :     cat("\n")
605 : feinerer 719 if (DBControl(object)[["useDb"]]) {
606 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
607 :     show(dbMultiFetch(db, unlist(object)))
608 :     }
609 :     else
610 : feinerer 837 print(noquote(lapply(object, identity)))
611 : feinerer 55 })
612 : feinerer 65
613 :     # No metadata is checked
614 :     setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
615 :     setMethod("%IN%",
616 : feinerer 816 signature(x = "TextDocument", y = "Corpus"),
617 : feinerer 65 function(x, y) {
618 : feinerer 729 if (DBControl(y)[["useDb"]]) {
619 :     db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
620 : feinerer 816 result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))
621 : feinerer 729 }
622 :     else
623 :     result <- x %in% y
624 :     return(result)
625 : feinerer 65 })
626 : feinerer 719
627 :     setMethod("lapply",
628 : feinerer 816 signature(X = "Corpus"),
629 : feinerer 719 function(X, FUN, ...) {
630 : feinerer 830 print("lapply")
631 : feinerer 719 if (DBControl(X)[["useDb"]]) {
632 :     db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
633 :     result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
634 :     }
635 : feinerer 830 else {
636 :     lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
637 :     if (!is.null(lazyTmMap))
638 :     .Call("copyCorpus", X, materialize(X))
639 : feinerer 719 result <- base::lapply(X, FUN, ...)
640 : feinerer 830 }
641 : feinerer 719 return(result)
642 :     })
643 :    
644 :     setMethod("sapply",
645 : feinerer 816 signature(X = "Corpus"),
646 : feinerer 719 function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
647 :     if (DBControl(X)[["useDb"]]) {
648 :     db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
649 :     result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
650 :     }
651 : feinerer 830 else {
652 :     lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
653 :     if (!is.null(lazyTmMap))
654 :     .Call("copyCorpus", X, materialize(X))
655 : feinerer 719 result <- base::sapply(X, FUN, ...)
656 : feinerer 830 }
657 : feinerer 719 return(result)
658 :     })
659 : feinerer 819
660 : feinerer 836 setAs("list", "Corpus", function(from) {
661 :     cmeta.node <- new("MetaDataNode",
662 :     NodeID = 0,
663 :     MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
664 :     children = list())
665 :     data <- list()
666 :     counter <- 1
667 :     for (f in from) {
668 :     doc <- new("PlainTextDocument",
669 :     .Data = f, URI = NULL, Cached = TRUE,
670 :     Author = "", DateTimeStamp = Sys.time(),
671 :     Description = "", ID = as.character(counter),
672 :     Origin = "", Heading = "", Language = "en_US")
673 :     data <- c(data, list(doc))
674 :     counter <- counter + 1
675 :     }
676 :     return(new("Corpus", .Data = data,
677 :     DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),
678 :     CMetaData = cmeta.node,
679 :     DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))
680 :     })
681 :    
682 : feinerer 819 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))
683 :     setMethod("writeCorpus",
684 :     signature(object = "Corpus"),
685 :     function(object, path = ".", filenames = NULL) {
686 :     filenames <- file.path(path,
687 :     if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))
688 :     else filenames)
689 :     i <- 1
690 :     for (o in object) {
691 :     writeLines(o, filenames[i])
692 :     i <- i + 1
693 :     }
694 :     })

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