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 860 - (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 856 signature(object = "XMLTextDocument"),
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 : feinerer 856 return(convertRCV1Plain(object, ...))
249 : feinerer 757 })
250 :     setMethod("asPlain",
251 : feinerer 725 signature(object = "NewsgroupDocument"),
252 :     function(object, FUN, ...) {
253 : feinerer 816 new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = "", Author = Author(object),
254 : feinerer 725 DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
255 : feinerer 826 Origin = Origin(object), Heading = Heading(object), Language = Language(object),
256 :     LocalMetaData = LocalMetaData(object))
257 : feinerer 725 })
258 : feinerer 775 setMethod("asPlain",
259 :     signature(object = "StructuredTextDocument"),
260 :     function(object, FUN, ...) {
261 : feinerer 816 new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,
262 : feinerer 775 URI = "", Author = Author(object), DateTimeStamp = DateTimeStamp(object),
263 :     Description = Description(object), ID = ID(object), Origin = Origin(object),
264 : feinerer 826 Heading = Heading(object), Language = Language(object),
265 :     LocalMetaData = LocalMetaData(object))
266 : feinerer 775 })
267 : feinerer 49
268 : feinerer 854 setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))
269 : feinerer 698 setMethod("tmFilter",
270 : feinerer 816 signature(object = "Corpus"),
271 : feinerer 854 function(object, ..., FUN = searchFullText, doclevel = TRUE) {
272 :     if (!is.null(attr(FUN, "doclevel")))
273 :     doclevel <- attr(FUN, "doclevel")
274 : feinerer 73 if (doclevel)
275 :     return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
276 :     else
277 : feinerer 724 return(object[FUN(object, ...)])
278 : feinerer 61 })
279 :    
280 : feinerer 854 setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))
281 : feinerer 698 setMethod("tmIndex",
282 : feinerer 816 signature(object = "Corpus"),
283 : feinerer 854 function(object, ..., FUN = searchFullText, doclevel = TRUE) {
284 :     if (!is.null(attr(FUN, "doclevel")))
285 :     doclevel <- attr(FUN, "doclevel")
286 : feinerer 73 if (doclevel)
287 :     return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
288 :     else
289 : feinerer 724 return(FUN(object, ...))
290 : feinerer 49 })
291 :    
292 : feinerer 698 setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
293 :     setMethod("appendElem",
294 : feinerer 816 signature(object = "Corpus", data = "TextDocument"),
295 : feinerer 72 function(object, data, meta = NULL) {
296 : feinerer 712 if (DBControl(object)[["useDb"]]) {
297 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
298 :     if (dbExists(db, ID(data)))
299 :     warning("document with identical ID already exists")
300 :     dbInsert(db, ID(data), data)
301 :     object@.Data[[length(object)+1]] <- ID(data)
302 :     }
303 :     else
304 :     object@.Data[[length(object)+1]] <- data
305 :     DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
306 : feinerer 52 return(object)
307 :     })
308 :    
309 : feinerer 698 setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
310 :     setMethod("appendMeta",
311 : feinerer 816 signature(object = "Corpus"),
312 : feinerer 698 function(object, cmeta = NULL, dmeta = NULL) {
313 : feinerer 712 object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
314 :     if (!is.null(dmeta)) {
315 : feinerer 719 DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
316 : feinerer 712 }
317 : feinerer 52 return(object)
318 :     })
319 : feinerer 53
320 : feinerer 698 setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
321 :     setMethod("removeMeta",
322 : feinerer 816 signature(object = "Corpus"),
323 : feinerer 698 function(object, cname = NULL, dname = NULL) {
324 : feinerer 729 if (!is.null(cname))
325 : feinerer 698 object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
326 : feinerer 729 if (!is.null(dname))
327 :     DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
328 : feinerer 77 return(object)
329 :     })
330 : feinerer 69
331 : feinerer 698 setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
332 :     setMethod("prescindMeta",
333 : feinerer 816 signature(object = "Corpus", meta = "character"),
334 : feinerer 73 function(object, meta) {
335 :     for (m in meta) {
336 : feinerer 719 if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
337 : feinerer 75 local.m <- lapply(object, m)
338 : feinerer 853 local.m <- sapply(local.m, paste, collapse = " ")
339 : feinerer 75 local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
340 : feinerer 73 local.m <- unlist(local.m)
341 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
342 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
343 : feinerer 75 }
344 :     else {
345 :     local.meta <- lapply(object, LocalMetaData)
346 :     local.m <- lapply(local.meta, "[[", m)
347 :     local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
348 :     if (length(local.m) == length(unlist(local.m)))
349 :     local.m <- unlist(local.m)
350 :     else
351 :     local.m <- I(local.m)
352 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
353 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
354 : feinerer 75 }
355 : feinerer 73 }
356 :     return(object)
357 :     })
358 :    
359 : feinerer 53 setMethod("[",
360 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),
361 : feinerer 53 function(x, i, j, ... , drop) {
362 :     if(missing(i))
363 :     return(x)
364 :    
365 :     object <- x
366 :     object@.Data <- x@.Data[i, ..., drop = FALSE]
367 : feinerer 724 if (DBControl(object)[["useDb"]]) {
368 : feinerer 727 index <- object@DMetaData[[1 , "subset"]]
369 :     if (any(is.na(index)))
370 :     object@DMetaData[[1 , "subset"]] <- i
371 : feinerer 724 else
372 : feinerer 727 object@DMetaData[[1 , "subset"]] <- index[i]
373 : feinerer 724 }
374 : feinerer 729 else
375 :     DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
376 : feinerer 53 return(object)
377 :     })
378 :    
379 : feinerer 63 setMethod("[<-",
380 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
381 : feinerer 63 function(x, i, j, ... , value) {
382 :     object <- x
383 : feinerer 724 if (DBControl(object)[["useDb"]]) {
384 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
385 :     counter <- 1
386 :     for (id in object@.Data[i, ...]) {
387 :     if (length(value) == 1)
388 :     db[[id]] <- value
389 :     else {
390 :     db[[id]] <- value[[counter]]
391 :     }
392 :     counter <- counter + 1
393 :     }
394 :     }
395 :     else
396 :     object@.Data[i, ...] <- value
397 : feinerer 63 return(object)
398 :     })
399 :    
400 :     setMethod("[[",
401 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY"),
402 : feinerer 63 function(x, i, j, ...) {
403 : feinerer 712 if (DBControl(x)[["useDb"]]) {
404 :     db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
405 :     result <- dbFetch(db, x@.Data[[i]])
406 :     return(loadDoc(result))
407 :     }
408 : feinerer 829 else {
409 : feinerer 830 lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
410 :     if (!is.null(lazyTmMap))
411 :     .Call("copyCorpus", x, materialize(x, i))
412 : feinerer 712 return(loadDoc(x@.Data[[i]]))
413 : feinerer 829 }
414 : feinerer 63 })
415 :    
416 :     setMethod("[[<-",
417 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
418 : feinerer 63 function(x, i, j, ..., value) {
419 :     object <- x
420 : feinerer 712 if (DBControl(object)[["useDb"]]) {
421 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
422 :     index <- object@.Data[[i]]
423 :     db[[index]] <- value
424 :     }
425 : feinerer 830 else {
426 :     # Mark new objects as not active for lazy mapping
427 :     lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
428 : feinerer 831 if (!is.null(lazyTmMap)) {
429 : feinerer 830 lazyTmMap$index[i] <- FALSE
430 : feinerer 831 meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
431 :     }
432 : feinerer 830 # Set the value
433 : feinerer 712 object@.Data[[i, ...]] <- value
434 : feinerer 830 }
435 : feinerer 63 return(object)
436 :     })
437 :    
438 : feinerer 698 # Update \code{NodeID}s of a CMetaData tree
439 : feinerer 697 update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
440 : feinerer 698 # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
441 : feinerer 697 set_id <- function(object) {
442 :     object@NodeID <- id
443 :     id <<- id + 1
444 :     level <<- level + 1
445 : feinerer 71
446 : feinerer 697 if (length(object@children) > 0) {
447 :     mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
448 :     left <- set_id(object@children[[1]])
449 :     if (level == 1) {
450 :     left.mapping <<- mapping
451 :     mapping <<- NULL
452 :     }
453 :     mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
454 :     right <- set_id(object@children[[2]])
455 : feinerer 71
456 : feinerer 697 object@children <- list(left, right)
457 : feinerer 71 }
458 : feinerer 697 level <<- level - 1
459 : feinerer 71
460 : feinerer 697 return(object)
461 : feinerer 71 }
462 :    
463 : feinerer 697 return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
464 : feinerer 71 }
465 :    
466 : feinerer 53 setMethod("c",
467 : feinerer 816 signature(x = "Corpus"),
468 : feinerer 689 function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
469 :     args <- list(...)
470 : feinerer 720 if (length(args) == 0)
471 : feinerer 689 return(x)
472 : feinerer 71
473 : feinerer 816 if (!all(sapply(args, inherits, "Corpus")))
474 : feinerer 720 stop("not all arguments are text document collections")
475 : feinerer 730 if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
476 : feinerer 720 stop("concatenating text document collections with activated database is not supported")
477 :    
478 : feinerer 689 result <- x
479 :     for (c in args) {
480 :     result <- c2(result, c)
481 :     }
482 :     return(result)
483 :     })
484 :    
485 :     setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
486 :     setMethod("c2",
487 : feinerer 816 signature(x = "Corpus", y = "Corpus"),
488 : feinerer 689 function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
489 : feinerer 71 object <- x
490 :     # Concatenate data slots
491 :     object@.Data <- c(as(x, "list"), as(y, "list"))
492 :    
493 : feinerer 720 # Set the DBControl slot
494 : feinerer 741 object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
495 : feinerer 720
496 : feinerer 698 # Update the CMetaData tree
497 :     cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
498 :     update.struct <- update_id(cmeta)
499 :     object@CMetaData <- update.struct$root
500 : feinerer 71
501 :     # Find indices to be updated for the left tree
502 :     indices.mapping <- NULL
503 :     for (m in levels(as.factor(DMetaData(x)$MetaID))) {
504 :     indices <- (DMetaData(x)$MetaID == m)
505 :     indices.mapping <- c(indices.mapping, list(m = indices))
506 :     names(indices.mapping)[length(indices.mapping)] <- m
507 :     }
508 :    
509 :     # Update the DMetaData data frames for the left tree
510 :     for (i in 1:ncol(update.struct$left.mapping)) {
511 :     map <- update.struct$left.mapping[,i]
512 :     x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
513 :     }
514 :    
515 :     # Find indices to be updated for the right tree
516 :     indices.mapping <- NULL
517 :     for (m in levels(as.factor(DMetaData(y)$MetaID))) {
518 :     indices <- (DMetaData(y)$MetaID == m)
519 :     indices.mapping <- c(indices.mapping, list(m = indices))
520 :     names(indices.mapping)[length(indices.mapping)] <- m
521 :     }
522 :    
523 :     # Update the DMetaData data frames for the right tree
524 :     for (i in 1:ncol(update.struct$right.mapping)) {
525 :     map <- update.struct$right.mapping[,i]
526 :     y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
527 :     }
528 :    
529 :     # Merge the DMetaData data frames
530 :     labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
531 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
532 :     x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
533 :     labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
534 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
535 :     y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
536 :     object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
537 :    
538 :     return(object)
539 : feinerer 72 })
540 : feinerer 689
541 : feinerer 72 setMethod("c",
542 :     signature(x = "TextDocument"),
543 :     function(x, ..., recursive = TRUE){
544 :     args <- list(...)
545 :     if(length(args) == 0)
546 :     return(x)
547 : feinerer 54
548 : feinerer 73 dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
549 : feinerer 698 cmeta.node <- new("MetaDataNode",
550 : feinerer 72 NodeID = 0,
551 : feinerer 689 MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
552 : feinerer 72 children = list())
553 :    
554 : feinerer 816 return(new("Corpus",
555 : feinerer 720 .Data = list(x, ...),
556 :     DMetaData = dmeta.df,
557 :     CMetaData = cmeta.node,
558 : feinerer 741 DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
559 : feinerer 72 })
560 :    
561 : feinerer 54 setMethod("length",
562 : feinerer 816 signature(x = "Corpus"),
563 : feinerer 54 function(x){
564 :     return(length(as(x, "list")))
565 :     })
566 :    
567 :     setMethod("show",
568 : feinerer 816 signature(object = "Corpus"),
569 : feinerer 54 function(object){
570 : feinerer 70 cat(sprintf(ngettext(length(object),
571 :     "A text document collection with %d text document\n",
572 :     "A text document collection with %d text documents\n"),
573 :     length(object)))
574 : feinerer 54 })
575 :    
576 :     setMethod("summary",
577 : feinerer 816 signature(object = "Corpus"),
578 : feinerer 54 function(object){
579 :     show(object)
580 : feinerer 71 if (length(DMetaData(object)) > 0) {
581 : feinerer 698 cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
582 : feinerer 77 "\nThe metadata consists of %d tag-value pair and a data frame\n",
583 :     "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
584 : feinerer 698 length(CMetaData(object)@MetaData)))
585 : feinerer 54 cat("Available tags are:\n")
586 : feinerer 722 cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
587 : feinerer 77 cat("Available variables in the data frame are:\n")
588 : feinerer 722 cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
589 : feinerer 54 }
590 :     })
591 : feinerer 55
592 :     setGeneric("inspect", function(object) standardGeneric("inspect"))
593 :     setMethod("inspect",
594 : feinerer 816 signature("Corpus"),
595 : feinerer 55 function(object) {
596 :     summary(object)
597 :     cat("\n")
598 : feinerer 719 if (DBControl(object)[["useDb"]]) {
599 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
600 :     show(dbMultiFetch(db, unlist(object)))
601 :     }
602 :     else
603 : feinerer 837 print(noquote(lapply(object, identity)))
604 : feinerer 55 })
605 : feinerer 65
606 :     # No metadata is checked
607 :     setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
608 :     setMethod("%IN%",
609 : feinerer 816 signature(x = "TextDocument", y = "Corpus"),
610 : feinerer 65 function(x, y) {
611 : feinerer 729 if (DBControl(y)[["useDb"]]) {
612 :     db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
613 : feinerer 816 result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))
614 : feinerer 729 }
615 :     else
616 :     result <- x %in% y
617 :     return(result)
618 : feinerer 65 })
619 : feinerer 719
620 :     setMethod("lapply",
621 : feinerer 816 signature(X = "Corpus"),
622 : feinerer 719 function(X, FUN, ...) {
623 :     if (DBControl(X)[["useDb"]]) {
624 :     db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
625 :     result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
626 :     }
627 : feinerer 830 else {
628 :     lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
629 :     if (!is.null(lazyTmMap))
630 :     .Call("copyCorpus", X, materialize(X))
631 : feinerer 719 result <- base::lapply(X, FUN, ...)
632 : feinerer 830 }
633 : feinerer 719 return(result)
634 :     })
635 :    
636 :     setMethod("sapply",
637 : feinerer 816 signature(X = "Corpus"),
638 : feinerer 719 function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
639 :     if (DBControl(X)[["useDb"]]) {
640 :     db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
641 :     result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
642 :     }
643 : feinerer 830 else {
644 :     lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
645 :     if (!is.null(lazyTmMap))
646 :     .Call("copyCorpus", X, materialize(X))
647 : feinerer 719 result <- base::sapply(X, FUN, ...)
648 : feinerer 830 }
649 : feinerer 719 return(result)
650 :     })
651 : feinerer 819
652 : feinerer 836 setAs("list", "Corpus", function(from) {
653 :     cmeta.node <- new("MetaDataNode",
654 :     NodeID = 0,
655 :     MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
656 :     children = list())
657 :     data <- list()
658 :     counter <- 1
659 :     for (f in from) {
660 :     doc <- new("PlainTextDocument",
661 :     .Data = f, URI = NULL, Cached = TRUE,
662 :     Author = "", DateTimeStamp = Sys.time(),
663 :     Description = "", ID = as.character(counter),
664 :     Origin = "", Heading = "", Language = "en_US")
665 :     data <- c(data, list(doc))
666 :     counter <- counter + 1
667 :     }
668 :     return(new("Corpus", .Data = data,
669 :     DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),
670 :     CMetaData = cmeta.node,
671 :     DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))
672 :     })
673 :    
674 : feinerer 819 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))
675 :     setMethod("writeCorpus",
676 :     signature(object = "Corpus"),
677 :     function(object, path = ".", filenames = NULL) {
678 :     filenames <- file.path(path,
679 :     if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))
680 :     else filenames)
681 :     i <- 1
682 :     for (o in object) {
683 : feinerer 859 writeLines(asPlain(o), filenames[i])
684 : feinerer 819 i <- i + 1
685 :     }
686 :     })

root@r-forge.r-project.org
ViewVC Help
Powered by ViewVC 1.0.0  
Thanks to:
Vienna University of Economics and Business Powered By FusionForge