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 938 - (view) (download)
Original Path: pkg/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 900 readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),
6 :     dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
7 :     ...) standardGeneric("Corpus"))
8 : feinerer 816 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 : feinerer 909 readerControl$language <- "en_US"
20 :     if (is.null(readerControl$load) || (!object@LoDSupport))
21 :     readerControl$load <- TRUE
22 : feinerer 63
23 : feinerer 886 if (dbControl$useDb && require("filehash")) {
24 : feinerer 712 if (!dbCreate(dbControl$dbName, dbControl$dbType))
25 :     stop("error in creating database")
26 :     db <- dbInit(dbControl$dbName, dbControl$dbType)
27 :     }
28 :    
29 : feinerer 869 # Allocate memory in advance if length is known
30 :     tdl <- if (object@Length > 0)
31 :     vector("list", as.integer(object@Length))
32 :     else
33 :     list()
34 :    
35 : feinerer 909 if ((!dbControl$useDb) && object@Vectorized)
36 :     tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),
37 :     function(x) readerControl$reader(x[c("content", "uri")],
38 :     readerControl$load,
39 :     readerControl$language,
40 :     as.character(x$id)))
41 :     else {
42 :     counter <- 1
43 :     while (!eoi(object)) {
44 :     object <- stepNext(object)
45 :     elem <- getElem(object)
46 :     doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))
47 :     if (dbControl$useDb && require("filehash")) {
48 :     dbInsert(db, ID(doc), doc)
49 :     if (object@Length > 0)
50 :     tdl[[counter]] <- ID(doc)
51 :     else
52 :     tdl <- c(tdl, ID(doc))
53 :     }
54 :     else {
55 :     if (object@Length > 0)
56 :     tdl[[counter]] <- doc
57 :     else
58 :     tdl <- c(tdl, list(doc))
59 :     }
60 :     counter <- counter + 1
61 : feinerer 712 }
62 : feinerer 63 }
63 :    
64 : feinerer 712 df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
65 : feinerer 886 if (dbControl$useDb && require("filehash")) {
66 : feinerer 712 dbInsert(db, "DMetaData", df)
67 : feinerer 727 dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
68 : feinerer 712 }
69 :     else
70 :     dmeta.df <- df
71 :    
72 : feinerer 698 cmeta.node <- new("MetaDataNode",
73 : feinerer 71 NodeID = 0,
74 : feinerer 905 MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
75 : feinerer 71 children = list())
76 :    
77 : feinerer 816 return(new("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
78 : feinerer 21 })
79 :    
80 : feinerer 698 setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
81 :     setMethod("loadDoc",
82 : feinerer 62 signature(object = "PlainTextDocument"),
83 : feinerer 65 function(object, ...) {
84 : feinerer 61 if (!Cached(object)) {
85 : feinerer 67 con <- eval(URI(object))
86 : feinerer 65 corpus <- readLines(con)
87 :     close(con)
88 : feinerer 816 Content(object) <- corpus
89 : feinerer 60 Cached(object) <- TRUE
90 : feinerer 56 return(object)
91 :     } else {
92 :     return(object)
93 :     }
94 :     })
95 : feinerer 698 setMethod("loadDoc",
96 : feinerer 62 signature(object = "XMLTextDocument"),
97 : feinerer 65 function(object, ...) {
98 : feinerer 886 if (!Cached(object) && require("XML")) {
99 : feinerer 67 con <- eval(URI(object))
100 : feinerer 65 corpus <- paste(readLines(con), "\n", collapse = "")
101 :     close(con)
102 :     doc <- xmlTreeParse(corpus, asText = TRUE)
103 : feinerer 49 class(doc) <- "list"
104 : feinerer 816 Content(object) <- doc
105 : feinerer 60 Cached(object) <- TRUE
106 : feinerer 49 return(object)
107 :     } else {
108 :     return(object)
109 :     }
110 :     })
111 : feinerer 698 setMethod("loadDoc",
112 : feinerer 62 signature(object = "NewsgroupDocument"),
113 : feinerer 65 function(object, ...) {
114 : feinerer 61 if (!Cached(object)) {
115 : feinerer 67 con <- eval(URI(object))
116 : feinerer 65 mail <- readLines(con)
117 :     close(con)
118 : feinerer 60 Cached(object) <- TRUE
119 : feinerer 744 for (index in seq_along(mail)) {
120 : feinerer 65 if (mail[index] == "")
121 :     break
122 :     }
123 : feinerer 816 Content(object) <- mail[(index + 1):length(mail)]
124 : feinerer 56 return(object)
125 :     } else {
126 :     return(object)
127 :     }
128 :     })
129 : feinerer 767 setMethod("loadDoc",
130 :     signature(object = "StructuredTextDocument"),
131 :     function(object, ...) {
132 :     if (!Cached(object)) {
133 :     warning("load on demand not (yet) supported for StructuredTextDocuments")
134 :     return(object)
135 :     } else
136 :     return(object)
137 :     })
138 : feinerer 49
139 : feinerer 719 setGeneric("tmUpdate", function(object,
140 :     origin,
141 : feinerer 817 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),
142 : feinerer 719 ...) standardGeneric("tmUpdate"))
143 : feinerer 72 # Update is only supported for directories
144 :     # At the moment no other LoD devices are available anyway
145 : feinerer 698 setMethod("tmUpdate",
146 : feinerer 816 signature(object = "Corpus", origin = "DirSource"),
147 : feinerer 719 function(object, origin,
148 : feinerer 817 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),
149 : feinerer 719 ...) {
150 : feinerer 809 if (is.null(readerControl$reader))
151 :     readerControl$reader <- origin@DefaultReader
152 : feinerer 777 if (is(readerControl$reader, "FunctionGenerator"))
153 : feinerer 722 readerControl$reader <- readerControl$reader(...)
154 : feinerer 809 if (is.null(readerControl$language))
155 :     readerControl$language = "en_US"
156 :     if (is.null(readerControl$load))
157 : feinerer 817 readerControl$load = TRUE
158 : feinerer 72
159 : feinerer 875 object.filelist <- unlist(lapply(object, function(x) {summary(eval(URI(x)))$description}))
160 : feinerer 72 new.files <- setdiff(origin@FileList, object.filelist)
161 :    
162 :     for (filename in new.files) {
163 : feinerer 812 encoding <- origin@Encoding
164 :     elem <- list(content = readLines(filename, encoding = encoding),
165 :     uri = substitute(file(filename, encoding = encoding)))
166 : feinerer 722 object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
167 : feinerer 72 }
168 :    
169 :     return(object)
170 :     })
171 :    
172 : feinerer 830 setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))
173 : feinerer 698 setMethod("tmMap",
174 : feinerer 816 signature(object = "Corpus", FUN = "function"),
175 : feinerer 830 function(object, FUN, ..., lazy = FALSE) {
176 : feinerer 73 result <- object
177 : feinerer 689 # Note that text corpora are automatically loaded into memory via \code{[[}
178 : feinerer 886 if (DBControl(object)[["useDb"]] && require("filehash")) {
179 : feinerer 830 if (lazy)
180 :     warning("lazy mapping is deactived when using database backend")
181 : feinerer 719 db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
182 : feinerer 728 i <- 1
183 :     for (id in unlist(object)) {
184 :     db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
185 :     i <- i + 1
186 :     }
187 : feinerer 833 # Suggested by Christian Buchta
188 :     dbReorganize(db)
189 : feinerer 719 }
190 : feinerer 828 else {
191 : feinerer 830 # Lazy mapping
192 :     if (lazy) {
193 :     lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
194 :     if (is.null(lazyTmMap)) {
195 :     meta(result, tag = "lazyTmMap", type = "corpus") <-
196 :     list(index = rep(TRUE, length(result)),
197 :     maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
198 :     }
199 :     else {
200 :     lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
201 :     meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
202 :     }
203 :     }
204 : feinerer 861 else {
205 :     result@.Data <- if (clusterAvailable())
206 : feinerer 870 snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))
207 : feinerer 861 else
208 :     lapply(object, FUN, ..., DMetaData = DMetaData(object))
209 :     }
210 : feinerer 828 }
211 : feinerer 56 return(result)
212 : feinerer 49 })
213 :    
214 : feinerer 828 # Materialize lazy mappings
215 : feinerer 833 # Improvements by Christian Buchta
216 : feinerer 829 materialize <- function(corpus, range = seq_along(corpus)) {
217 : feinerer 828 lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")
218 : feinerer 829 if (!is.null(lazyTmMap)) {
219 : feinerer 833 # Make valid and lazy index
220 :     idx <- (seq_along(corpus) %in% range) & lazyTmMap$index
221 :     if (any(idx)) {
222 :     res <- lapply(corpus@.Data[idx], loadDoc)
223 :     for (m in lazyTmMap$maps)
224 :     res <- lapply(res, m, DMetaData = DMetaData(corpus))
225 :     corpus@.Data[idx] <- res
226 :     lazyTmMap$index[idx] <- FALSE
227 :     }
228 : feinerer 829 }
229 : feinerer 830 # Clean up if everything is materialized
230 :     if (!any(lazyTmMap$index))
231 :     lazyTmMap <- NULL
232 : feinerer 829 meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
233 : feinerer 828 return(corpus)
234 :     }
235 :    
236 : feinerer 698 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
237 :     setMethod("asPlain",
238 : feinerer 62 signature(object = "PlainTextDocument"),
239 : feinerer 49 function(object, FUN, ...) {
240 :     return(object)
241 :     })
242 : feinerer 698 setMethod("asPlain",
243 : feinerer 856 signature(object = "XMLTextDocument"),
244 : feinerer 49 function(object, FUN, ...) {
245 : feinerer 886 require("XML")
246 :    
247 : feinerer 816 corpus <- Content(object)
248 : feinerer 49
249 :     # As XMLDocument is no native S4 class, restore valid information
250 :     class(corpus) <- "XMLDocument"
251 :     names(corpus) <- c("doc","dtd")
252 :    
253 : feinerer 61 return(FUN(xmlRoot(corpus), ...))
254 : feinerer 49 })
255 : feinerer 725 setMethod("asPlain",
256 : feinerer 757 signature(object = "Reuters21578Document"),
257 :     function(object, FUN, ...) {
258 : feinerer 886 require("XML")
259 :    
260 : feinerer 757 FUN <- convertReut21578XMLPlain
261 : feinerer 816 corpus <- Content(object)
262 : feinerer 757
263 :     # As XMLDocument is no native S4 class, restore valid information
264 :     class(corpus) <- "XMLDocument"
265 :     names(corpus) <- c("doc","dtd")
266 :    
267 :     return(FUN(xmlRoot(corpus), ...))
268 :     })
269 :     setMethod("asPlain",
270 :     signature(object = "RCV1Document"),
271 :     function(object, FUN, ...) {
272 : feinerer 856 return(convertRCV1Plain(object, ...))
273 : feinerer 757 })
274 :     setMethod("asPlain",
275 : feinerer 725 signature(object = "NewsgroupDocument"),
276 :     function(object, FUN, ...) {
277 : feinerer 875 new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = NULL, Author = Author(object),
278 : feinerer 725 DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
279 : feinerer 826 Origin = Origin(object), Heading = Heading(object), Language = Language(object),
280 :     LocalMetaData = LocalMetaData(object))
281 : feinerer 725 })
282 : feinerer 775 setMethod("asPlain",
283 :     signature(object = "StructuredTextDocument"),
284 :     function(object, FUN, ...) {
285 : feinerer 816 new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,
286 : feinerer 875 URI = NULL, Author = Author(object), DateTimeStamp = DateTimeStamp(object),
287 : feinerer 775 Description = Description(object), ID = ID(object), Origin = Origin(object),
288 : feinerer 826 Heading = Heading(object), Language = Language(object),
289 :     LocalMetaData = LocalMetaData(object))
290 : feinerer 775 })
291 : feinerer 49
292 : feinerer 854 setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))
293 : feinerer 698 setMethod("tmFilter",
294 : feinerer 816 signature(object = "Corpus"),
295 : feinerer 854 function(object, ..., FUN = searchFullText, doclevel = TRUE) {
296 :     if (!is.null(attr(FUN, "doclevel")))
297 :     doclevel <- attr(FUN, "doclevel")
298 : feinerer 861 if (doclevel) {
299 :     if (clusterAvailable())
300 : feinerer 870 return(object[snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))])
301 : feinerer 861 else
302 :     return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
303 :     }
304 : feinerer 73 else
305 : feinerer 724 return(object[FUN(object, ...)])
306 : feinerer 61 })
307 :    
308 : feinerer 854 setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))
309 : feinerer 698 setMethod("tmIndex",
310 : feinerer 816 signature(object = "Corpus"),
311 : feinerer 854 function(object, ..., FUN = searchFullText, doclevel = TRUE) {
312 :     if (!is.null(attr(FUN, "doclevel")))
313 :     doclevel <- attr(FUN, "doclevel")
314 : feinerer 861 if (doclevel) {
315 :     if (clusterAvailable())
316 : feinerer 870 return(snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))
317 : feinerer 861 else
318 :     return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
319 :     }
320 : feinerer 73 else
321 : feinerer 724 return(FUN(object, ...))
322 : feinerer 49 })
323 :    
324 : feinerer 698 setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
325 :     setMethod("appendElem",
326 : feinerer 816 signature(object = "Corpus", data = "TextDocument"),
327 : feinerer 72 function(object, data, meta = NULL) {
328 : feinerer 886 if (DBControl(object)[["useDb"]] && require("filehash")) {
329 : feinerer 712 db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
330 :     if (dbExists(db, ID(data)))
331 :     warning("document with identical ID already exists")
332 :     dbInsert(db, ID(data), data)
333 :     object@.Data[[length(object)+1]] <- ID(data)
334 :     }
335 :     else
336 :     object@.Data[[length(object)+1]] <- data
337 :     DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
338 : feinerer 52 return(object)
339 :     })
340 :    
341 : feinerer 698 setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
342 :     setMethod("appendMeta",
343 : feinerer 816 signature(object = "Corpus"),
344 : feinerer 698 function(object, cmeta = NULL, dmeta = NULL) {
345 : feinerer 712 object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
346 :     if (!is.null(dmeta)) {
347 : feinerer 719 DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
348 : feinerer 712 }
349 : feinerer 52 return(object)
350 :     })
351 : feinerer 53
352 : feinerer 698 setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
353 :     setMethod("removeMeta",
354 : feinerer 816 signature(object = "Corpus"),
355 : feinerer 698 function(object, cname = NULL, dname = NULL) {
356 : feinerer 729 if (!is.null(cname))
357 : feinerer 698 object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
358 : feinerer 729 if (!is.null(dname))
359 :     DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
360 : feinerer 77 return(object)
361 :     })
362 : feinerer 69
363 : feinerer 698 setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
364 :     setMethod("prescindMeta",
365 : feinerer 816 signature(object = "Corpus", meta = "character"),
366 : feinerer 73 function(object, meta) {
367 :     for (m in meta) {
368 : feinerer 719 if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
369 : feinerer 75 local.m <- lapply(object, m)
370 : feinerer 853 local.m <- sapply(local.m, paste, collapse = " ")
371 : feinerer 75 local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
372 : feinerer 73 local.m <- unlist(local.m)
373 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
374 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
375 : feinerer 75 }
376 :     else {
377 :     local.meta <- lapply(object, LocalMetaData)
378 :     local.m <- lapply(local.meta, "[[", m)
379 :     local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
380 :     if (length(local.m) == length(unlist(local.m)))
381 :     local.m <- unlist(local.m)
382 :     else
383 :     local.m <- I(local.m)
384 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
385 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
386 : feinerer 75 }
387 : feinerer 73 }
388 :     return(object)
389 :     })
390 :    
391 : feinerer 53 setMethod("[",
392 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),
393 : feinerer 53 function(x, i, j, ... , drop) {
394 :     if(missing(i))
395 :     return(x)
396 :    
397 :     object <- x
398 :     object@.Data <- x@.Data[i, ..., drop = FALSE]
399 : feinerer 886 if (DBControl(object)[["useDb"]] && require("filehash")) {
400 : feinerer 727 index <- object@DMetaData[[1 , "subset"]]
401 :     if (any(is.na(index)))
402 :     object@DMetaData[[1 , "subset"]] <- i
403 : feinerer 724 else
404 : feinerer 727 object@DMetaData[[1 , "subset"]] <- index[i]
405 : feinerer 724 }
406 : feinerer 729 else
407 :     DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
408 : feinerer 53 return(object)
409 :     })
410 :    
411 : feinerer 63 setMethod("[<-",
412 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
413 : feinerer 63 function(x, i, j, ... , value) {
414 :     object <- x
415 : feinerer 886 if (DBControl(object)[["useDb"]] && require("filehash")) {
416 : feinerer 724 db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
417 :     counter <- 1
418 :     for (id in object@.Data[i, ...]) {
419 :     if (length(value) == 1)
420 :     db[[id]] <- value
421 :     else {
422 :     db[[id]] <- value[[counter]]
423 :     }
424 :     counter <- counter + 1
425 :     }
426 :     }
427 :     else
428 :     object@.Data[i, ...] <- value
429 : feinerer 63 return(object)
430 :     })
431 :    
432 :     setMethod("[[",
433 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY"),
434 : feinerer 63 function(x, i, j, ...) {
435 : feinerer 886 if (DBControl(x)[["useDb"]] && require("filehash")) {
436 : feinerer 712 db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
437 :     result <- dbFetch(db, x@.Data[[i]])
438 :     return(loadDoc(result))
439 :     }
440 : feinerer 829 else {
441 : feinerer 830 lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
442 :     if (!is.null(lazyTmMap))
443 :     .Call("copyCorpus", x, materialize(x, i))
444 : feinerer 712 return(loadDoc(x@.Data[[i]]))
445 : feinerer 829 }
446 : feinerer 63 })
447 :    
448 :     setMethod("[[<-",
449 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
450 : feinerer 63 function(x, i, j, ..., value) {
451 :     object <- x
452 : feinerer 886 if (DBControl(object)[["useDb"]] && require("filehash")) {
453 : feinerer 712 db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
454 :     index <- object@.Data[[i]]
455 :     db[[index]] <- value
456 :     }
457 : feinerer 830 else {
458 :     # Mark new objects as not active for lazy mapping
459 :     lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
460 : feinerer 831 if (!is.null(lazyTmMap)) {
461 : feinerer 830 lazyTmMap$index[i] <- FALSE
462 : feinerer 831 meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
463 :     }
464 : feinerer 830 # Set the value
465 : feinerer 712 object@.Data[[i, ...]] <- value
466 : feinerer 830 }
467 : feinerer 63 return(object)
468 :     })
469 :    
470 : feinerer 698 # Update \code{NodeID}s of a CMetaData tree
471 : feinerer 697 update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
472 : feinerer 698 # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
473 : feinerer 697 set_id <- function(object) {
474 :     object@NodeID <- id
475 :     id <<- id + 1
476 :     level <<- level + 1
477 : feinerer 71
478 : feinerer 697 if (length(object@children) > 0) {
479 :     mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
480 :     left <- set_id(object@children[[1]])
481 :     if (level == 1) {
482 :     left.mapping <<- mapping
483 :     mapping <<- NULL
484 :     }
485 :     mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
486 :     right <- set_id(object@children[[2]])
487 : feinerer 71
488 : feinerer 697 object@children <- list(left, right)
489 : feinerer 71 }
490 : feinerer 697 level <<- level - 1
491 : feinerer 71
492 : feinerer 697 return(object)
493 : feinerer 71 }
494 :    
495 : feinerer 697 return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
496 : feinerer 71 }
497 :    
498 : feinerer 53 setMethod("c",
499 : feinerer 816 signature(x = "Corpus"),
500 : feinerer 905 function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
501 : feinerer 689 args <- list(...)
502 : feinerer 720 if (length(args) == 0)
503 : feinerer 689 return(x)
504 : feinerer 71
505 : feinerer 816 if (!all(sapply(args, inherits, "Corpus")))
506 : feinerer 894 stop("not all arguments are corpora")
507 : feinerer 886 if (DBControl(x)[["useDb"]] || any(unlist(sapply(args, DBControl)["useDb", ])))
508 : feinerer 894 stop("concatenating corpora with activated database is not supported")
509 : feinerer 720
510 : feinerer 902 Reduce(c2, base::c(list(x), args))
511 : feinerer 689 })
512 :    
513 : feinerer 905 setGeneric("c2", function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
514 : feinerer 689 setMethod("c2",
515 : feinerer 816 signature(x = "Corpus", y = "Corpus"),
516 : feinerer 905 function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
517 : feinerer 71 object <- x
518 :     # Concatenate data slots
519 :     object@.Data <- c(as(x, "list"), as(y, "list"))
520 :    
521 : feinerer 720 # Set the DBControl slot
522 : feinerer 741 object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
523 : feinerer 720
524 : feinerer 698 # Update the CMetaData tree
525 :     cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
526 :     update.struct <- update_id(cmeta)
527 :     object@CMetaData <- update.struct$root
528 : feinerer 71
529 :     # Find indices to be updated for the left tree
530 :     indices.mapping <- NULL
531 :     for (m in levels(as.factor(DMetaData(x)$MetaID))) {
532 :     indices <- (DMetaData(x)$MetaID == m)
533 :     indices.mapping <- c(indices.mapping, list(m = indices))
534 :     names(indices.mapping)[length(indices.mapping)] <- m
535 :     }
536 :    
537 :     # Update the DMetaData data frames for the left tree
538 :     for (i in 1:ncol(update.struct$left.mapping)) {
539 :     map <- update.struct$left.mapping[,i]
540 :     x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
541 :     }
542 :    
543 :     # Find indices to be updated for the right tree
544 :     indices.mapping <- NULL
545 :     for (m in levels(as.factor(DMetaData(y)$MetaID))) {
546 :     indices <- (DMetaData(y)$MetaID == m)
547 :     indices.mapping <- c(indices.mapping, list(m = indices))
548 :     names(indices.mapping)[length(indices.mapping)] <- m
549 :     }
550 :    
551 :     # Update the DMetaData data frames for the right tree
552 :     for (i in 1:ncol(update.struct$right.mapping)) {
553 :     map <- update.struct$right.mapping[,i]
554 :     y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
555 :     }
556 :    
557 :     # Merge the DMetaData data frames
558 :     labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
559 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
560 :     x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
561 :     labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
562 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
563 :     y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
564 :     object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
565 :    
566 :     return(object)
567 : feinerer 72 })
568 : feinerer 689
569 : feinerer 72 setMethod("c",
570 :     signature(x = "TextDocument"),
571 :     function(x, ..., recursive = TRUE){
572 :     args <- list(...)
573 :     if(length(args) == 0)
574 :     return(x)
575 : feinerer 54
576 : feinerer 73 dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
577 : feinerer 698 cmeta.node <- new("MetaDataNode",
578 : feinerer 72 NodeID = 0,
579 : feinerer 905 MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
580 : feinerer 72 children = list())
581 :    
582 : feinerer 816 return(new("Corpus",
583 : feinerer 720 .Data = list(x, ...),
584 :     DMetaData = dmeta.df,
585 :     CMetaData = cmeta.node,
586 : feinerer 741 DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
587 : feinerer 72 })
588 :    
589 : feinerer 54 setMethod("length",
590 : feinerer 816 signature(x = "Corpus"),
591 : feinerer 54 function(x){
592 :     return(length(as(x, "list")))
593 :     })
594 :    
595 :     setMethod("show",
596 : feinerer 816 signature(object = "Corpus"),
597 : feinerer 54 function(object){
598 : feinerer 70 cat(sprintf(ngettext(length(object),
599 : feinerer 894 "A corpus with %d text document\n",
600 :     "A corpus with %d text documents\n"),
601 : feinerer 70 length(object)))
602 : feinerer 54 })
603 :    
604 :     setMethod("summary",
605 : feinerer 816 signature(object = "Corpus"),
606 : feinerer 54 function(object){
607 :     show(object)
608 : feinerer 71 if (length(DMetaData(object)) > 0) {
609 : feinerer 698 cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
610 : feinerer 77 "\nThe metadata consists of %d tag-value pair and a data frame\n",
611 :     "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
612 : feinerer 698 length(CMetaData(object)@MetaData)))
613 : feinerer 54 cat("Available tags are:\n")
614 : feinerer 722 cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
615 : feinerer 77 cat("Available variables in the data frame are:\n")
616 : feinerer 722 cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
617 : feinerer 54 }
618 :     })
619 : feinerer 55
620 : feinerer 938 inspect <- function(x) UseMethod("inspect", x)
621 :     inspect.Corpus <- function(x) {
622 :     summary(x)
623 :     cat("\n")
624 :     if (DBControl(x)[["useDb"]] && require("filehash")) {
625 :     db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
626 :     show(dbMultiFetch(db, unlist(x)))
627 :     }
628 :     else
629 :     print(noquote(lapply(x, identity)))
630 :     }
631 : feinerer 65
632 :     # No metadata is checked
633 :     setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
634 :     setMethod("%IN%",
635 : feinerer 816 signature(x = "TextDocument", y = "Corpus"),
636 : feinerer 65 function(x, y) {
637 : feinerer 886 if (DBControl(y)[["useDb"]] && require("filehash")) {
638 : feinerer 729 db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
639 : feinerer 816 result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))
640 : feinerer 729 }
641 :     else
642 :     result <- x %in% y
643 :     return(result)
644 : feinerer 65 })
645 : feinerer 719
646 :     setMethod("lapply",
647 : feinerer 816 signature(X = "Corpus"),
648 : feinerer 719 function(X, FUN, ...) {
649 : feinerer 886 if (DBControl(X)[["useDb"]] && require("filehash")) {
650 : feinerer 719 db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
651 :     result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
652 :     }
653 : feinerer 830 else {
654 :     lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
655 :     if (!is.null(lazyTmMap))
656 :     .Call("copyCorpus", X, materialize(X))
657 : feinerer 719 result <- base::lapply(X, FUN, ...)
658 : feinerer 830 }
659 : feinerer 719 return(result)
660 :     })
661 :    
662 :     setMethod("sapply",
663 : feinerer 816 signature(X = "Corpus"),
664 : feinerer 719 function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
665 : feinerer 886 if (DBControl(X)[["useDb"]] && require("filehash")) {
666 : feinerer 719 db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
667 :     result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
668 :     }
669 : feinerer 830 else {
670 :     lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
671 :     if (!is.null(lazyTmMap))
672 :     .Call("copyCorpus", X, materialize(X))
673 : feinerer 719 result <- base::sapply(X, FUN, ...)
674 : feinerer 830 }
675 : feinerer 719 return(result)
676 :     })
677 : feinerer 819
678 : feinerer 836 setAs("list", "Corpus", function(from) {
679 :     cmeta.node <- new("MetaDataNode",
680 :     NodeID = 0,
681 : feinerer 905 MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
682 : feinerer 836 children = list())
683 :     data <- list()
684 :     counter <- 1
685 :     for (f in from) {
686 :     doc <- new("PlainTextDocument",
687 :     .Data = f, URI = NULL, Cached = TRUE,
688 : feinerer 905 Author = "", DateTimeStamp = as.POSIXlt(Sys.time(), tz = "GMT"),
689 : feinerer 836 Description = "", ID = as.character(counter),
690 :     Origin = "", Heading = "", Language = "en_US")
691 :     data <- c(data, list(doc))
692 :     counter <- counter + 1
693 :     }
694 :     return(new("Corpus", .Data = data,
695 :     DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),
696 :     CMetaData = cmeta.node,
697 :     DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))
698 :     })
699 :    
700 : feinerer 819 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))
701 :     setMethod("writeCorpus",
702 :     signature(object = "Corpus"),
703 :     function(object, path = ".", filenames = NULL) {
704 :     filenames <- file.path(path,
705 :     if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))
706 :     else filenames)
707 :     i <- 1
708 :     for (o in object) {
709 : feinerer 859 writeLines(asPlain(o), filenames[i])
710 : feinerer 819 i <- i + 1
711 :     }
712 :     })

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