SCM

SCM Repository

[tm] Diff of /pkg/R/corpus.R
ViewVC logotype

Diff of /pkg/R/corpus.R

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

revision 960, Fri Jun 26 17:43:45 2009 UTC revision 1108, Fri Oct 22 18:32:47 2010 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  prepareReader <- function(readerControl, defaultReader = NULL, ...) {  .PCorpus <- function(x, cmeta, dmeta, dbcontrol) {
4      if (is.null(readerControl$reader))      attr(x, "CMetaData") <- cmeta
5          readerControl$reader <- defaultReader      attr(x, "DMetaData") <- dmeta
6      if (is(readerControl$reader, "FunctionGenerator"))      attr(x, "DBControl") <- dbcontrol
7          readerControl$reader <- readerControl$reader(...)      class(x) <- c("PCorpus", "Corpus", "list")
8      if (is.null(readerControl$language))      x
         readerControl$language <- "eng"  
     readerControl  
 }  
   
 FCorpus <- function(object, readerControl = list(language = "eng")) {  
     readerControl <- prepareReader(readerControl, object@DefaultReader, ...)  
   
     if (!object@Vectorized)  
         stop("Source is not vectorized")  
   
     tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),  
                   function(x) readSlim(x[c("content", "uri")],  
                                        readerControl$language,  
                                        as.character(x$id)))  
   
     new("FCorpus", .Data = tdl)  
9  }  }
10    DBControl <- function(x) attr(x, "DBControl")
11    
12  PCorpus <- function(object,  PCorpus <- function(x,
13                      readerControl = list(reader = object@DefaultReader, language = "eng"),                      readerControl = list(reader = x$DefaultReader, language = "en"),
14                      dbControl = list(dbName = "", dbType = "DB1"),                      dbControl = list(dbName = "", dbType = "DB1"),
15                      ...) {                      ...) {
16      readerControl <- prepareReader(readerControl, object@DefaultReader, ...)      readerControl <- prepareReader(readerControl, x$DefaultReader, ...)
17    
18      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
19          stop("error in creating database")          stop("error in creating database")
20      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
21    
22      # Allocate memory in advance if length is known      # Allocate memory in advance if length is known
23      tdl <- if (object@Length > 0)      tdl <- if (x$Length > 0)
24          vector("list", as.integer(object@Length))          vector("list", as.integer(x$Length))
25      else      else
26          list()          list()
27    
28      counter <- 1      counter <- 1
29      while (!eoi(object)) {      while (!eoi(x)) {
30          object <- stepNext(object)          x <- stepNext(x)
31          elem <- getElem(object)          elem <- getElem(x)
32          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))          doc <- readerControl$reader(elem, readerControl$language, if (is.null(x$Names)) as.character(counter) else x$Names[counter])
33          filehash::dbInsert(db, ID(doc), doc)          filehash::dbInsert(db, ID(doc), doc)
34          if (object@Length > 0) tdl[[counter]] <- ID(doc)          if (x$Length > 0) tdl[[counter]] <- ID(doc)
35          else tdl <- c(tdl, ID(doc))          else tdl <- c(tdl, ID(doc))
36          counter <- counter + 1          counter <- counter + 1
37      }      }
38        names(tdl) <- x$Names
39    
40      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
41      filehash::dbInsert(db, "DMetaData", df)      filehash::dbInsert(db, "DMetaData", df)
42      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
43    
44      cmeta.node <- new("MetaDataNode",      .PCorpus(tdl, .MetaDataNode(), dmeta.df, dbControl)
45                        NodeID = 0,  }
                       MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                       children = list())  
46    
47      new("PCorpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl)  .VCorpus <- function(x, cmeta, dmeta) {
48        attr(x, "CMetaData") <- cmeta
49        attr(x, "DMetaData") <- dmeta
50        class(x) <- c("VCorpus", "Corpus", "list")
51        x
52  }  }
53    
54    # Register S3 corpus classes to be recognized by S4 methods. This is
55    # mainly a fix to be compatible with packages which were originally
56    # developed to cooperate with corresponding S4 tm classes. Necessary
57    # since tm's class architecture was changed to S3 since tm version 0.5.
58    setOldClass(c("VCorpus", "Corpus", "list"))
59    
60  # The "..." are additional arguments for the FunctionGenerator reader  # The "..." are additional arguments for the FunctionGenerator reader
61  SCorpus <- Corpus <- function(object,  VCorpus <- Corpus <- function(x,
62                      readerControl = list(reader = object@DefaultReader, language = "eng"),                                readerControl = list(reader = x$DefaultReader, language = "en"),
63                      ...) {                      ...) {
64      readerControl <- prepareReader(readerControl, object@DefaultReader, ...)      readerControl <- prepareReader(readerControl, x$DefaultReader, ...)
65    
66      # Allocate memory in advance if length is known      # Allocate memory in advance if length is known
67      tdl <- if (object@Length > 0)      tdl <- if (x$Length > 0)
68          vector("list", as.integer(object@Length))          vector("list", as.integer(x$Length))
69      else      else
70          list()          list()
71    
72      if (object@Vectorized)      if (x$Vectorized)
73          tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),          tdl <- mapply(function(x, id) readerControl$reader(x, readerControl$language, id),
74                        function(x) readerControl$reader(x[c("content", "uri")],                        pGetElem(x),
75                                                         readerControl$language,                        id = if (is.null(x$Names)) as.character(seq_len(x$Length)) else x$Names,
76                                                         as.character(x$id)))                        SIMPLIFY = FALSE)
77      else {      else {
78          counter <- 1          counter <- 1
79          while (!eoi(object)) {          while (!eoi(x)) {
80              object <- stepNext(object)              x <- stepNext(x)
81              elem <- getElem(object)              elem <- getElem(x)
82              doc <- readerControl$reader(elem, readerControl$language, as.character(counter))              doc <- readerControl$reader(elem, readerControl$language, if (is.null(x$Names)) as.character(counter) else x$Names[counter])
83              if (object@Length > 0)              if (x$Length > 0)
84                  tdl[[counter]] <- doc                  tdl[[counter]] <- doc
85              else              else
86                  tdl <- c(tdl, list(doc))                  tdl <- c(tdl, list(doc))
87              counter <- counter + 1              counter <- counter + 1
88          }          }
89      }      }
90        names(tdl) <- x$Names
91      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
92      cmeta.node <- new("MetaDataNode",      .VCorpus(tdl, .MetaDataNode(), df)
                       NodeID = 0,  
                       MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                       children = list())  
   
     new("SCorpus", .Data = tdl, DMetaData = df, CMetaData = cmeta.node)  
 }  
   
 setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))  
 setMethod("tmMap",  
           signature(object = "FCorpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               if (lazy)  
                   warning("lazy mapping is deactivated")  
   
               new("FCorpus", .Data = lapply(object, FUN, ..., DMetaData = data.frame()))  
           })  
 setMethod("tmMap",  
           signature(object = "SCorpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               result <- object  
               # Lazy mapping  
               if (lazy) {  
                   lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")  
                   if (is.null(lazyTmMap)) {  
                       meta(result, tag = "lazyTmMap", type = "corpus") <-  
                           list(index = rep(TRUE, length(result)),  
                                maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  
                   }  
                   else {  
                       lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  
                       meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
                   }  
               }  
               else {  
                   result@.Data <- if (clusterAvailable())  
                       snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))  
                   else  
                       lapply(object, FUN, ..., DMetaData = DMetaData(object))  
               }  
               result  
           })  
 setMethod("tmMap",  
           signature(object = "PCorpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               if (lazy)  
                   warning("lazy mapping is deactived when using database backend")  
               db <- filehash::dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
               i <- 1  
               for (id in unlist(object)) {  
                   db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))  
                   i <- i + 1  
               }  
               # Suggested by Christian Buchta  
               filehash::dbReorganize(db)  
   
               object  
           })  
   
 # Materialize lazy mappings  
 # Improvements by Christian Buchta  
 materialize <- function(corpus, range = seq_along(corpus)) {  
     lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")  
     if (!is.null(lazyTmMap)) {  
        # Make valid and lazy index  
        idx <- (seq_along(corpus) %in% range) & lazyTmMap$index  
        if (any(idx)) {  
            res <- corpus@.Data[idx]  
            for (m in lazyTmMap$maps)  
                res <- lapply(res, m, DMetaData = DMetaData(corpus))  
            corpus@.Data[idx] <- res  
            lazyTmMap$index[idx] <- FALSE  
        }  
     }  
     # Clean up if everything is materialized  
     if (!any(lazyTmMap$index))  
         lazyTmMap <- NULL  
     meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
     corpus  
 }  
   
 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))  
 setMethod("asPlain", signature(object = "PlainTextDocument"),  
           function(object, FUN, ...) object)  
 setMethod("asPlain",  
           signature(object = "XMLTextDocument"),  
           function(object, FUN, ...) {  
               require("XML")  
   
               corpus <- Content(object)  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
 setMethod("asPlain",  
           signature(object = "Reuters21578Document"),  
           function(object, FUN, ...) {  
               require("XML")  
   
               FUN <- convertReut21578XMLPlain  
               corpus <- Content(object)  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
 setMethod("asPlain", signature(object = "RCV1Document"),  
           function(object, FUN, ...) convertRCV1Plain(object, ...))  
 setMethod("asPlain",  
           signature(object = "NewsgroupDocument"),  
           function(object, FUN, ...) {  
               new("PlainTextDocument", .Data = Content(object), Author = Author(object),  
                   DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),  
                   Origin = Origin(object), Heading = Heading(object), Language = Language(object),  
                   LocalMetaData = LocalMetaData(object))  
           })  
 setMethod("asPlain",  
           signature(object = "StructuredTextDocument"),  
           function(object, FUN, ...) {  
               new("PlainTextDocument", .Data = unlist(Content(object)),  
                   Author = Author(object), DateTimeStamp = DateTimeStamp(object),  
                   Description = Description(object), ID = ID(object), Origin = Origin(object),  
                   Heading = Heading(object), Language = Language(object),  
                   LocalMetaData = LocalMetaData(object))  
           })  
   
 setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))  
 setMethod("tmFilter", signature(object = "Corpus"),  
           function(object, ..., FUN = searchFullText, doclevel = TRUE)  
               object[tmIndex(object, ..., FUN = FUN, doclevel = doclevel)])  
   
 setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))  
 setMethod("tmIndex",  
           signature(object = "Corpus"),  
           function(object, ..., FUN = searchFullText, doclevel = TRUE) {  
               if (!is.null(attr(FUN, "doclevel")))  
                   doclevel <- attr(FUN, "doclevel")  
               if (doclevel) {  
                   if (clusterAvailable())  
                       return(snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))  
                   else  
                       return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))  
93                }                }
               else  
                   return(FUN(object, ...))  
           })  
   
 # TODO: Replace with c(Corpus, TextDocument)?  
 setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  
 setMethod("appendElem",  
           signature(object = "Corpus", data = "TextDocument"),  
           function(object, data, meta = NULL) {  
               if (DBControl(object)[["useDb"]] && require("filehash")) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   if (dbExists(db, ID(data)))  
                       warning("document with identical ID already exists")  
                   dbInsert(db, ID(data), data)  
                   object@.Data[[length(object)+1]] <- ID(data)  
               }  
               else  
                   object@.Data[[length(object)+1]] <- data  
               DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))  
               return(object)  
           })  
94    
95  prescindMeta <- function(object, meta) {  `[.PCorpus` <- function(x, i) {
     df <- DMetaData(object)  
   
     for (m in meta)  
         df <- cbind(df, structure(data.frame(I(meta(object, tag = m, type = "local"))), names = m))  
   
     df  
 }  
   
 setMethod("[",  
           signature(x = "FCorpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if (missing(i)) return(x)  
   
               x@.Data <- x@.Data[i, ..., drop = FALSE]  
               x  
           })  
 setMethod("[",  
           signature(x = "PCorpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
96                if (missing(i)) return(x)                if (missing(i)) return(x)
97        index <- attr(x, "DMetaData")[[1 , "subset"]]
98        attr(x, "DMetaData")[[1 , "subset"]] <- if (is.numeric(index)) index[i] else i
99        dmeta <- attr(x, "DMetaData")
100        .PCorpus(NextMethod("["), CMetaData(x), dmeta, DBControl(x))
101    }
102    
103                x@.Data <- x@.Data[i, ..., drop = FALSE]  `[.VCorpus` <- function(x, i) {
               index <- x@DMetaData[[1 , "subset"]]  
               if (any(is.na(index))) x@DMetaData[[1 , "subset"]] <- i  
               else x@DMetaData[[1 , "subset"]] <- index[i]  
               x  
           })  
 setMethod("[",  
           signature(x = "SCorpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
104                if (missing(i)) return(x)                if (missing(i)) return(x)
105        .VCorpus(NextMethod("["), CMetaData(x), DMetaData(x)[i, , drop = FALSE])
106    }
107    
108                x@.Data <- x@.Data[i, ..., drop = FALSE]  `[<-.PCorpus` <- function(x, i, value) {
               DMetaData(x) <- DMetaData(x)[i, , drop = FALSE]  
               x  
           })  
   
 setMethod("[<-",  
           signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
109                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
110                counter <- 1                counter <- 1
111                for (id in x@.Data[i, ...]) {      for (id in unclass(x)[i]) {
112                    if (identical(length(value), 1)) db[[id]] <- value          if (identical(length(value), 1L)) db[[id]] <- value
113                    else db[[id]] <- value[[counter]]                    else db[[id]] <- value[[counter]]
114                    counter <- counter + 1                    counter <- counter + 1
115                }                }
116                x                x
117            })  }
 setMethod("[<-",  
           signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
               x@.Data[i, ...] <- value  
               x  
           })  
118    
119  setMethod("[[",  .map_name_index <- function(x, i) {
120            signature(x = "PCorpus", i = "ANY", j = "ANY"),      if (is.character(i)) {
121            function(x, i, j, ...) {          if (is.null(names(x)))
122                match(i, meta(x, "ID", type = "local"))
123            else
124                match(i, names(x))
125        }
126        i
127    }
128    
129    `[[.PCorpus` <-  function(x, i) {
130        i <- .map_name_index(x, i)
131                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
132                filehash::dbFetch(db, x@.Data[[i]])      filehash::dbFetch(db, NextMethod("[["))
133            })  }
134  setMethod("[[",  `[[.VCorpus` <-  function(x, i) {
135            signature(x = "SCorpus", i = "ANY", j = "ANY"),      i <- .map_name_index(x, i)
           function(x, i, j, ...) {  
136                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
137                if (!is.null(lazyTmMap))                if (!is.null(lazyTmMap))
138                    .Call("copyCorpus", x, materialize(x, i))                    .Call("copyCorpus", x, materialize(x, i))
139                x@.Data[[i]]      NextMethod("[[")
140            })  }
141    
142  setMethod("[[<-",  `[[<-.PCorpus` <-  function(x, i, value) {
143            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),      i <- .map_name_index(x, i)
           function(x, i, j, ..., value) {  
144                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
145                index <- x@.Data[[i]]      index <- unclass(x)[[i]]
146                db[[index]] <- value                db[[index]] <- value
147                x                x
148            })  }
149  setMethod("[[<-",  `[[<-.VCorpus` <-  function(x, i, value) {
150            signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),      i <- .map_name_index(x, i)
           function(x, i, j, ..., value) {  
151                # Mark new objects as not active for lazy mapping                # Mark new objects as not active for lazy mapping
152                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
153                if (!is.null(lazyTmMap)) {                if (!is.null(lazyTmMap)) {
# Line 355  Line 155 
155                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
156                }                }
157                # Set the value                # Set the value
158                x@.Data[[i, ...]] <- value      cl <- class(x)
159        y <- NextMethod("[[<-")
160                x      class(y) <- cl
161            })      y
162    }
163    
164  # Update \code{NodeID}s of a CMetaData tree  # Update NodeIDs of a CMetaData tree
165  update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {  .update_id <- function(x, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
166      # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s      # Traversal of (binary) CMetaData tree with setup of NodeIDs
167      set_id <- function(object) {      set_id <- function(x) {
168          object@NodeID <- id          x$NodeID <- id
169          id <<- id + 1          id <<- id + 1
170          level <<- level + 1          level <<- level + 1
171            if (length(x$Children) > 0) {
172          if (length(object@children) > 0) {              mapping <<- cbind(mapping, c(x$Children[[1]]$NodeID, id))
173              mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))              left <- set_id(x$Children[[1]])
             left <- set_id(object@children[[1]])  
174              if (level == 1) {              if (level == 1) {
175                  left.mapping <<- mapping                  left.mapping <<- mapping
176                  mapping <<- NULL                  mapping <<- NULL
177              }              }
178              mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))              mapping <<- cbind(mapping, c(x$Children[[2]]$NodeID, id))
179              right <- set_id(object@children[[2]])              right <- set_id(x$Children[[2]])
180    
181              object@children <- list(left, right)              x$Children <- list(left, right)
182          }          }
183          level <<- level - 1          level <<- level - 1
184            x
         return(object)  
185      }      }
186        list(root = set_id(x), left.mapping = left.mapping, right.mapping = mapping)
     list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping)  
187  }  }
188    
189  setMethod("c",  # Find indices to be updated for a CMetaData tree
190            signature(x = "Corpus"),  .find_indices <- function(x) {
           function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = FALSE) {  
               args <- list(...)  
               if (identical(length(args), 0)) return(x)  
   
               if (!all(sapply(args, inherits, class(x))))  
                   stop("not all arguments are of the same corpus type")  
   
               if (inherits(x, "PCorpus"))  
                   stop("concatenation of corpora with underlying databases is not supported")  
   
               Reduce(c2, base::c(list(x), args))  
           })  
   
 setGeneric("c2", function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) standardGeneric("c2"))  
 setMethod("c2", signature(x = "FCorpus", y = "FCorpus"),  
           function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) {  
               new("FCorpus", .Data = c(as(x, "list"), as(y, "list")))  
           })  
 setMethod("c2", signature(x = "SCorpus", y = "SCorpus"),  
           function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) {  
               object <- x  
               # Concatenate data slots  
               object@.Data <- c(as(x, "list"), as(y, "list"))  
   
               # Update the CMetaData tree  
               cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))  
               update.struct <- update_id(cmeta)  
               object@CMetaData <- update.struct$root  
   
               # Find indices to be updated for the left tree  
191                indices.mapping <- NULL                indices.mapping <- NULL
192                for (m in levels(as.factor(DMetaData(x)$MetaID))) {                for (m in levels(as.factor(DMetaData(x)$MetaID))) {
193                    indices <- (DMetaData(x)$MetaID == m)                    indices <- (DMetaData(x)$MetaID == m)
194                    indices.mapping <- c(indices.mapping, list(m = indices))                    indices.mapping <- c(indices.mapping, list(m = indices))
195                    names(indices.mapping)[length(indices.mapping)] <- m                    names(indices.mapping)[length(indices.mapping)] <- m
196                }                }
197        indices.mapping
198    }
199    
200    c2 <- function(x, y, ...) {
201        # Update the CMetaData tree
202        cmeta <- .MetaDataNode(0, list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), list(CMetaData(x), CMetaData(y)))
203        update.struct <- .update_id(cmeta)
204    
205        new <- .VCorpus(c(unclass(x), unclass(y)), update.struct$root, NULL)
206    
207        # Find indices to be updated for the left tree
208        indices.mapping <- .find_indices(x)
209    
210                # Update the DMetaData data frames for the left tree                # Update the DMetaData data frames for the left tree
211                for (i in 1:ncol(update.struct$left.mapping)) {                for (i in 1:ncol(update.struct$left.mapping)) {
212                    map <- update.struct$left.mapping[,i]                    map <- update.struct$left.mapping[,i]
213                    x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          DMetaData(x)$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
214                }                }
215    
216                # Find indices to be updated for the right tree                # Find indices to be updated for the right tree
217                indices.mapping <- NULL      indices.mapping <- .find_indices(y)
               for (m in levels(as.factor(DMetaData(y)$MetaID))) {  
                   indices <- (DMetaData(y)$MetaID == m)  
                   indices.mapping <- c(indices.mapping, list(m = indices))  
                   names(indices.mapping)[length(indices.mapping)] <- m  
               }  
218    
219                # Update the DMetaData data frames for the right tree                # Update the DMetaData data frames for the right tree
220                for (i in 1:ncol(update.struct$right.mapping)) {                for (i in 1:ncol(update.struct$right.mapping)) {
221                    map <- update.struct$right.mapping[,i]                    map <- update.struct$right.mapping[,i]
222                    y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          DMetaData(y)$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
223                }                }
224    
225                # Merge the DMetaData data frames                # Merge the DMetaData data frames
# Line 454  Line 229 
229                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
230                na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))                na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
231                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
232                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)      DMetaData(new) <- rbind(x.dmeta.aug, y.dmeta.aug)
233    
234                object      new
235            })  }
236    
237  setMethod("c",  c.Corpus <-
238            signature(x = "TextDocument"),  function(x, ..., recursive = FALSE)
239            function(x, ..., recursive = FALSE){  {
240                args <- list(...)                args <- list(...)
               if (identical(length(args), 0)) return(x)  
241    
242                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      if (identical(length(args), 0L))
243                cmeta.node <- new("MetaDataNode",          return(x)
244                              NodeID = 0,  
245                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),      if (!all(unlist(lapply(args, inherits, class(x)))))
246                              children = list())          stop("not all arguments are of the same corpus type")
247    
248                new("SCorpus", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node)      if (inherits(x, "PCorpus"))
249            })          stop("concatenation of corpora with underlying databases is not supported")
250    
251  setMethod("show",      l <- base::c(list(x), args)
252            signature(object = "Corpus"),      if (recursive)
253            function(object){          Reduce(c2, l)
254                cat(sprintf(ngettext(length(object),      else {
255            l <- do.call("c", lapply(l, unclass))
256            .VCorpus(l,
257                     cmeta = .MetaDataNode(),
258                     dmeta = data.frame(MetaID = rep(0, length(l)), stringsAsFactors = FALSE))
259        }
260    }
261    
262    c.TextDocument <- function(x, ..., recursive = FALSE) {
263        args <- list(...)
264    
265        if (identical(length(args), 0L))
266            return(x)
267    
268        if (!all(unlist(lapply(args, inherits, class(x)))))
269            stop("not all arguments are text documents")
270    
271        dmeta <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
272        .VCorpus(list(x, ...), .MetaDataNode(), dmeta)
273    }
274    
275    print.Corpus <- function(x, ...) {
276        cat(sprintf(ngettext(length(x),
277                                     "A corpus with %d text document\n",                                     "A corpus with %d text document\n",
278                                     "A corpus with %d text documents\n"),                                     "A corpus with %d text documents\n"),
279                            length(object)))                  length(x)))
280      })      invisible(x)
281    }
282    
283  setMethod("summary",  summary.Corpus <- function(object, ...) {
284            signature(object = "Corpus"),      print(object)
           function(object){  
               show(object)  
285                if (length(DMetaData(object)) > 0) {                if (length(DMetaData(object)) > 0) {
286                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),          cat(sprintf(ngettext(length(attr(CMetaData(object), "MetaData")),
287                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",
288                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
289                                         length(CMetaData(object)@MetaData)))                      length(CMetaData(object)$MetaData)))
290                    cat("Available tags are:\n")                    cat("Available tags are:\n")
291                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")          cat(strwrap(paste(names(CMetaData(object)$MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
292                    cat("Available variables in the data frame are:\n")                    cat("Available variables in the data frame are:\n")
293                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
294                }                }
295      })  }
296    
297  inspect <- function(x) UseMethod("inspect", x)  inspect <- function(x) UseMethod("inspect", x)
298  inspect.PCorpus <- function(x) {  inspect.PCorpus <- function(x) {
# Line 506  Line 301 
301      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
302      show(filehash::dbMultiFetch(db, unlist(x)))      show(filehash::dbMultiFetch(db, unlist(x)))
303  }  }
304  inspect.FCorpus <- inspect.SCorpus <- function(x) {  inspect.VCorpus <- function(x) {
305      summary(x)      summary(x)
306      cat("\n")      cat("\n")
307      print(noquote(lapply(x, identity)))      print(noquote(lapply(x, identity)))
308  }  }
309    
310  # No metadata is checked  lapply.PCorpus <- function(X, FUN, ...) {
 setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  
 setMethod("%IN%", signature(x = "TextDocument", y = "PCorpus"),  
           function(x, y) {  
               db <- filehash::dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])  
               any(sapply(y, function(x, z) {x %in% Content(z)}, x))  
           })  
 setMethod("%IN%", signature(x = "TextDocument", y = "SCorpus"),  
           function(x, y) x %in% y)  
   
 setMethod("lapply",  
           signature(X = "SCorpus"),  
           function(X, FUN, ...) {  
               lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")  
               if (!is.null(lazyTmMap))  
                   .Call("copyCorpus", X, materialize(X))  
               base::lapply(X, FUN, ...)  
           })  
 setMethod("lapply",  
           signature(X = "PCorpus"),  
           function(X, FUN, ...) {  
311                db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])                db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
312                lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)                lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
313            })  }
314    lapply.VCorpus <- function(X, FUN, ...) {
 setMethod("sapply",  
           signature(X = "SCorpus"),  
           function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {  
315                lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
316                if (!is.null(lazyTmMap))                if (!is.null(lazyTmMap))
317                    .Call("copyCorpus", X, materialize(X))                    .Call("copyCorpus", X, materialize(X))
318                base::sapply(X, FUN, ...)      base::lapply(X, FUN, ...)
           })  
 setMethod("sapply",  
           signature(X = "PCorpus"),  
           function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {  
               db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
               sapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)  
           })  
   
 setAs("list", "SCorpus", function(from) {  
     cmeta.node <- new("MetaDataNode",  
                       NodeID = 0,  
                       MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                       children = list())  
     data <- vector("list", length(from))  
     counter <- 1  
     for (f in from) {  
         data[[counter]] <- new("PlainTextDocument",  
                                .Data = f,  
                                DateTimeStamp = as.POSIXlt(Sys.time(), tz = "GMT"),  
                                ID = as.character(counter),  
                                Language = "eng")  
         counter <- counter + 1  
319      }      }
320      new("SCorpus", .Data = data,  
321          DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),  writeCorpus <-  function(x, path = ".", filenames = NULL) {
         CMetaData = cmeta.node)  
 })  
   
 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  
 setMethod("writeCorpus",  
           signature(object = "Corpus"),  
           function(object, path = ".", filenames = NULL) {  
322                filenames <- file.path(path,                filenames <- file.path(path,
323                                       if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))                             if (is.null(filenames)) unlist(lapply(x, function(x) sprintf("%s.txt", ID(x))))
324                                       else filenames)                                       else filenames)
325                i <- 1                i <- 1
326                for (o in object) {      for (o in x) {
327                    writeLines(asPlain(o), filenames[i])          writeLines(as.PlainTextDocument(o), filenames[i])
328                    i <- i + 1                    i <- i + 1
329                }                }
330            })  }

Legend:
Removed from v.960  
changed lines
  Added in v.1108

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