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

trunk/tm/R/textdoccol.R revision 712, Sun Mar 4 15:18:36 2007 UTC pkg/R/corpus.R revision 1313, Sun Mar 30 09:28:00 2014 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # The "..." are additional arguments for the FunctionGenerator parser  PCorpus <-
4  setGeneric("TextDocCol", function(object,  function(x,
5                                    parser = readPlain,           readerControl = list(reader = x$defaultreader, language = "en"),
6                                    load = FALSE,           dbControl = list(dbName = "", dbType = "DB1"))
7                                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),  {
8                                    ...) standardGeneric("TextDocCol"))      stopifnot(inherits(x, "Source"))
9  setMethod("TextDocCol",  
10            signature(object = "Source"),      readerControl <- prepareReader(readerControl, x$defaultreader)
           function(object, parser = readPlain, load = FALSE, dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"), ...) {  
               if (inherits(parser, "FunctionGenerator"))  
                   parser <- parser(...)  
11    
12                if (dbControl$useDb) {      if (is.function(readerControl$init))
13                    if (!dbCreate(dbControl$dbName, dbControl$dbType))          readerControl$init()
14    
15        if (is.function(readerControl$exit))
16            on.exit(readerControl$exit())
17    
18        if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
19                        stop("error in creating database")                        stop("error in creating database")
20                    db <- dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
21                }  
22        # Allocate memory in advance if length is known
23        tdl <- if (x$length > 0)
24            vector("list", as.integer(x$length))
25        else
26            list()
27    
               tdl <- list()  
28                counter <- 1                counter <- 1
29                while (!eoi(object)) {      while (!eoi(x)) {
30                    object <- stepNext(object)          x <- stepNext(x)
31                    elem <- getElem(object)          elem <- getElem(x)
32                    # If there is no Load on Demand support          id <- if (is.null(x$names) || is.na(x$names))
33                    # we need to load the corpus into memory at startup              as.character(counter)
                   if (!object@LoDSupport)  
                       load <- TRUE  
                   doc <- parser(elem, load, as.character(counter))  
                   if (dbControl$useDb) {  
                       dbInsert(db, ID(doc), doc)  
                       tdl <- c(tdl, ID(doc))  
                   }  
34                    else                    else
35                        tdl <- c(tdl, list(doc))              x$names[counter]
36            doc <- readerControl$reader(elem, readerControl$language, id)
37            filehash::dbInsert(db, meta(doc, "id"), doc)
38            if (x$length > 0) tdl[[counter]] <- meta(doc, "id")
39            else tdl <- c(tdl, meta(doc, "id"))
40                    counter <- counter + 1                    counter <- counter + 1
41                }                }
42        if (!is.null(x$names) && !is.na(x$names))
43            names(tdl) <- x$names
44    
45                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      structure(list(content = tdl,
46                if (dbControl$useDb) {                     meta = CorpusMeta(),
47                    dbInsert(db, "DMetaData", df)                     dmeta = data.frame(row.names = seq_along(tdl)),
48                    dmeta.df <- data.frame(key = "DMetaData")                     dbcontrol = dbControl),
49                    dbDisconnect(db)                class = c("PCorpus", "Corpus"))
50                }                }
               else  
                   dmeta.df <- df  
51    
52                cmeta.node <- new("MetaDataNode",  VCorpus <- Corpus <-
53                              NodeID = 0,  function(x, readerControl = list(reader = x$defaultreader, language = "en"))
54                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),  {
55                              children = list())      stopifnot(inherits(x, "Source"))
   
               return(new("TextDocCol", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))  
           })  
   
 setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))  
 setMethod("loadDoc",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   corpus <- readLines(con)  
                   close(con)  
                   Corpus(object) <- corpus  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object =  "XMLTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   corpus <- paste(readLines(con), "\n", collapse = "")  
                   close(con)  
                   doc <- xmlTreeParse(corpus, asText = TRUE)  
                   class(doc) <- "list"  
                   Corpus(object) <- doc  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object = "NewsgroupDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   mail <- readLines(con)  
                   close(con)  
                   Cached(object) <- TRUE  
                   for (index in seq(along = mail)) {  
                       if (mail[index] == "")  
                           break  
                   }  
                   Corpus(object) <- mail[(index + 1):length(mail)]  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
   
 setGeneric("tmUpdate", function(object, origin, parser = readPlain, ...) standardGeneric("tmUpdate"))  
 # Update is only supported for directories  
 # At the moment no other LoD devices are available anyway  
 setMethod("tmUpdate",  
           signature(object = "TextDocCol", origin = "DirSource"),  
           function(object, origin, parser = readPlain, load = FALSE, ...) {  
               if (inherits(parser, "FunctionGenerator"))  
                   parser <- parser(...)  
   
               object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))  
               new.files <- setdiff(origin@FileList, object.filelist)  
   
               for (filename in new.files) {  
                   elem <- list(content = readLines(filename),  
                                uri = substitute(file(filename)))  
                   object <- appendElem(object, parser(elem, load, filename))  
               }  
   
               return(object)  
           })  
   
 setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))  
 setMethod("tmMap",  
           signature(object = "TextDocCol", FUN = "function"),  
           function(object, FUN, ...) {  
               result <- object  
               # Note that text corpora are automatically loaded into memory via \code{[[}  
               result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))  
               return(result)  
           })  
   
 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))  
 setMethod("asPlain",  
           signature(object = "PlainTextDocument"),  
           function(object, FUN, ...) {  
               return(object)  
           })  
 setMethod("asPlain",  
           signature(object = "XMLTextDocument", FUN = "function"),  
           function(object, FUN, ...) {  
               corpus <- Corpus(object)  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
   
 setGeneric("tmTolower", function(object, ...) standardGeneric("tmTolower"))  
 setMethod("tmTolower",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               Corpus(object) <- tolower(object)  
               return(object)  
           })  
   
 setGeneric("stripWhitespace", function(object, ...) standardGeneric("stripWhitespace"))  
 setMethod("stripWhitespace",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               Corpus(object) <- gsub("[[:space:]]+", " ", object)  
               return(object)  
           })  
   
 setGeneric("stemDoc", function(object, ...) standardGeneric("stemDoc"))  
 setMethod("stemDoc",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               require("Rstem")  
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               stemmedCorpus <- Rstem::wordStem(splittedCorpus)  
               Corpus(object) <- paste(stemmedCorpus, collapse = " ")  
               return(object)  
           })  
   
 setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))  
 setMethod("removeWords",  
           signature(object = "PlainTextDocument", stopwords = "character"),  
           function(object, stopwords, ...) {  
               require("Rstem")  
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]  
               Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")  
               return(object)  
           })  
   
 setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))  
 setMethod("tmFilter",  
           signature(object = "TextDocCol"),  
           function(object, ..., FUN = sFilter, doclevel = FALSE) {  
               if (doclevel)  
                   return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])  
               else  
                   return(object[FUN(object, ...)]) # TODO: Check that FUN knows about the database  
           })  
56    
57  setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))      readerControl <- prepareReader(readerControl, x$defaultreader)
 setMethod("tmIndex",  
           signature(object = "TextDocCol"),  
           function(object, ..., FUN = sFilter, doclevel = FALSE) {  
               if (doclevel)  
                   return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))  
               else  
                   return(FUN(object, ...)) # TODO: Check that FUN knows about the database  
           })  
58    
59  # TODO      if (is.function(readerControl$init))
60  sFilter <- function(object, s, ...) {          readerControl$init()
61      query.df <- DMetaData(object)  
62      con <- textConnection(s)      if (is.function(readerControl$exit))
63      tokens <- scan(con, "character")          on.exit(readerControl$exit())
64      close(con)  
65      local.meta <- lapply(object, LocalMetaData)      # Allocate memory in advance if length is known
66      local.used.meta <- lapply(local.meta, function(x) names(x) %in% tokens)      tdl <- if (x$length > 0)
67      l.meta <- NULL          vector("list", as.integer(x$length))
     for (i in 1:length(object)) {  
         l.meta <- c(l.meta, list(local.meta[[i]][local.used.meta[[i]]]))  
     }  
     # Load local meta data from text documents into data frame  
     for (i in 1:length(l.meta)) {  
         l.meta[[i]] <- c(l.meta[[i]], list(author = Author(object[[i]])))  
         l.meta[[i]] <- c(l.meta[[i]], list(datetimestamp = DateTimeStamp(object[[i]])))  
         l.meta[[i]] <- c(l.meta[[i]], list(description = Description(object[[i]])))  
         l.meta[[i]] <- c(l.meta[[i]], list(identifier = ID(object[[i]])))  
         l.meta[[i]] <- c(l.meta[[i]], list(origin = Origin(object[[i]])))  
         l.meta[[i]] <- c(l.meta[[i]], list(heading = Heading(object[[i]])))  
     }  
     for (i in 1:length(l.meta)) {  
         for (j in 1:length(l.meta[[i]])) {  
             m <- l.meta[[i]][[j]]  
             m.name <- names(l.meta[[i]][j])  
             if (!(m.name %in% names(query.df))) {  
                 before <- rep(NA, i - 1)  
                 after <- rep(NA, length(l.meta) - i)  
                 if (length(m) > 1) {  
                     nl <- vector("list", length(l.meta))  
                     nl[1:(i-1)] <- before  
                     nl[i] <- list(m)  
                     nl[(i+1):length(l.meta)] <- after  
                     insert <- data.frame(I(nl), stringsAsFactors = FALSE)  
                 }  
68                  else                  else
69                      insert <- c(before, m, after)          list()
70                  query.df <- cbind(query.df, insert, stringsAsFactors = FALSE)  
71                  names(query.df)[length(query.df)] <- m.name      if (x$vectorized)
72              }          tdl <- mapply(function(elem, id)
73                              readerControl$reader(elem, readerControl$language, id),
74                          pGetElem(x),
75                          id = if (is.null(x$names) || is.na(x$names))
76                              as.character(seq_len(x$length))
77                          else x$names,
78                          SIMPLIFY = FALSE)
79              else {              else {
80                  if (is.null(m))          counter <- 1
81                      m <- NA          while (!eoi(x)) {
82                  if (length(m) > 1) {              x <- stepNext(x)
83                      rl <- query.df[ , m.name]              elem <- getElem(x)
84                      rl[i] <- list(m)              id <- if (is.null(x$names) || is.na(x$names))
85                      query.df[ , m.name] <- data.frame(I(rl), stringsAsFactors = FALSE)                  as.character(counter)
                 }  
                 else  
                     query.df[i, m.name] <- m  
             }  
         }  
     }  
     attach(query.df)  
     try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))  
     detach(query.df)  
     return(result)  
 }  
   
 setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))  
 setMethod("searchFullText",  
           signature(object = "PlainTextDocument", pattern = "character"),  
           function(object, pattern, ...) {  
               return(any(grep(pattern, Corpus(object))))  
           })  
   
 setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  
 setMethod("appendElem",  
           signature(object = "TextDocCol", data = "TextDocument"),  
           function(object, data, meta = NULL) {  
               if (DBControl(object)[["useDb"]]) {  
                   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)  
                   dbDisconnect(db)  
                   object@.Data[[length(object)+1]] <- ID(data)  
               }  
86                else                else
87                    object@.Data[[length(object)+1]] <- data                  x$names[counter]
88                DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))              doc <- readerControl$reader(elem, readerControl$language, id)
89                return(object)              if (x$length > 0)
90            })                  tdl[[counter]] <- doc
   
 setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))  
 setMethod("appendMeta",  
           signature(object = "TextDocCol"),  
           function(object, cmeta = NULL, dmeta = NULL) {  
               object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)  
               if (!is.null(dmeta)) {  
                   DMetaData(object) <- cbind(DMetaData(object), dmeta)  
               }  
               return(object)  
           })  
   
 setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))  
 setMethod("removeMeta",  
           signature(object = "TextDocCol"),  
           function(object, cname = NULL, dname = NULL) {  
               if (!is.null(cname)) {  
                   object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]  
               }  
               if (!is.null(dname)) {  
                   DMetaData(object) <- DMetaData(object)[names(DMetaData(object)) != dname]  
               }  
               return(object)  
           })  
   
 # TODO  
 setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))  
 setMethod("prescindMeta",  
           signature(object = "TextDocCol", meta = "character"),  
           function(object, meta) {  
               for (m in meta) {  
                   if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading")) {  
                       local.m <- lapply(object, m)  
                       local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))  
                       local.m <- unlist(local.m)  
                       object@DMetaData <- cbind(DMetaData(object), data.frame(m = local.m), stringsAsFactors = FALSE)  
                       names(object@DMetaData)[length(object@DMetaData)] <- m  
                   }  
                   else {  
                       local.meta <- lapply(object, LocalMetaData)  
                       local.m <- lapply(local.meta, "[[", m)  
                       local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))  
                       if (length(local.m) == length(unlist(local.m)))  
                           local.m <- unlist(local.m)  
91                        else                        else
92                            local.m <- I(local.m)                  tdl <- c(tdl, list(doc))
93                        object@DMetaData <- cbind(DMetaData(object), data.frame(m = local.m), stringsAsFactors = FALSE)              counter <- counter + 1
                       names(object@DMetaData)[length(object@DMetaData)] <- m  
94                    }                    }
95                }                }
96                return(object)      if (!is.null(x$names) && !is.na(x$names))
97            })          names(tdl) <- x$names
   
 # WARNING: DMetaData is changed (since both use the same database)  
 setMethod("[",  
           signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if(missing(i))  
                   return(x)  
98    
99                object <- x      structure(list(content = tdl,
100                object@.Data <- x@.Data[i, ..., drop = FALSE]                     meta = CorpusMeta(),
101                df <- as.data.frame(DMetaData(object)[i, ])                     dmeta = data.frame(row.names = seq_along(tdl))),
102                names(df) <- names(DMetaData(object))                class = c("VCorpus", "Corpus"))
103                object@DMetaData(object) <- df  }
104                return(object)  
105            })  `[.PCorpus` <- `[.VCorpus` <-
106    function(x, i)
107  # TODO  {
108  setMethod("[<-",      if (!missing(i)) {
109            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),          x$content <- x$content[i]
110            function(x, i, j, ... , value) {          x$dmeta <- x$dmeta[i, , drop = FALSE]
111                object <- x      }
112                object@.Data[i, ...] <- value      x
113                return(object)  }
114            })  
115    .map_name_index <-
116  setMethod("[[",  function(x, i)
117            signature(x = "TextDocCol", i = "ANY", j = "ANY"),  {
118            function(x, i, j, ...) {      if (is.character(i))
119                if (DBControl(x)[["useDb"]]) {          match(i, if (is.null(names(x))) meta(x, "id", "local") else names(x))
                   db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])  
                   result <- dbFetch(db, x@.Data[[i]])  
                   dbDisconnect(db)  
                   return(loadDoc(result))  
               }  
120                else                else
121                    return(loadDoc(x@.Data[[i]]))          i
           })  
   
 setMethod("[[<-",  
           signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ..., value) {  
               object <- x  
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   index <- object@.Data[[i]]  
                   db[[index]] <- value  
                   dbDisconnect(db)  
122                }                }
123                else  
124                    object@.Data[[i, ...]] <- value  `[[.PCorpus` <-
125                return(object)  function(x, i)
126            })  {
127        i <- .map_name_index(x, i)
128  # TODO      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
129  # Update \code{NodeID}s of a CMetaData tree      filehash::dbFetch(db, x$content[[i]])
130  update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {  }
131      # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s  `[[.VCorpus` <-
132      set_id <- function(object) {  function(x, i)
133          object@NodeID <- id  {
134        i <- .map_name_index(x, i)
135        lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
136        if (!is.null(lazyTmMap))
137            .Call("copyCorpus", x, materialize(x, i))
138        x$content[[i]]
139    }
140    
141    `[[<-.PCorpus` <-
142    function(x, i, value)
143    {
144        i <- .map_name_index(x, i)
145        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
146        db[[x$content[[i]]]] <- value
147        x
148    }
149    `[[<-.VCorpus` <-
150    function(x, i, value)
151    {
152        i <- .map_name_index(x, i)
153        # Mark new objects as not active for lazy mapping
154        lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
155        if (!is.null(lazyTmMap)) {
156            lazyTmMap$index[i] <- FALSE
157            meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
158        }
159        x$content[[i]] <- value
160        x
161    }
162    
163    # Update NodeIDs of a CMetaData tree
164    .update_id <-
165    function(x, id = 0, mapping = NULL, left.mapping = NULL, level = 0)
166    {
167        # Traversal of (binary) CMetaData tree with setup of NodeIDs
168        set_id <- function(x) {
169            x$NodeID <- id
170          id <<- id + 1          id <<- id + 1
171          level <<- level + 1          level <<- level + 1
172            if (length(x$Children)) {
173          if (length(object@children) > 0) {              mapping <<- cbind(mapping, c(x$Children[[1]]$NodeID, id))
174              mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))              left <- set_id(x$Children[[1]])
             left <- set_id(object@children[[1]])  
175              if (level == 1) {              if (level == 1) {
176                  left.mapping <<- mapping                  left.mapping <<- mapping
177                  mapping <<- NULL                  mapping <<- NULL
178              }              }
179              mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))              mapping <<- cbind(mapping, c(x$Children[[2]]$NodeID, id))
180              right <- set_id(object@children[[2]])              right <- set_id(x$Children[[2]])
181    
182              object@children <- list(left, right)              x$Children <- list(left, right)
183          }          }
184          level <<- level - 1          level <<- level - 1
185            x
         return(object)  
186      }      }
187        list(root = set_id(x), left.mapping = left.mapping, right.mapping = mapping)
     return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))  
188  }  }
189    
190  # TODO  # Find indices to be updated for a CMetaData tree
191  setMethod("c",  .find_indices <-
192            signature(x = "TextDocCol"),  function(x)
193            function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  {
               args <- list(...)  
               if(length(args) == 0)  
                   return(x)  
   
               result <- x  
               for (c in args) {  
                   if (!inherits(c, "TextDocCol"))  
                       stop("invalid argument")  
                   result <- c2(result, c)  
               }  
               return(result)  
           })  
   
 # TODO  
 setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))  
 setMethod("c2",  
           signature(x = "TextDocCol", y = "TextDocCol"),  
           function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  
               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  
194                indices.mapping <- NULL                indices.mapping <- NULL
195                for (m in levels(as.factor(DMetaData(x)$MetaID))) {      for (m in levels(as.factor(CorpusDMeta(x)$MetaID))) {
196                    indices <- (DMetaData(x)$MetaID == m)          indices <- (CorpusDMeta(x)$MetaID == m)
197                    indices.mapping <- c(indices.mapping, list(m = indices))                    indices.mapping <- c(indices.mapping, list(m = indices))
198                    names(indices.mapping)[length(indices.mapping)] <- m                    names(indices.mapping)[length(indices.mapping)] <- m
199                }                }
200        indices.mapping
               # Update the DMetaData data frames for the left tree  
               for (i in 1:ncol(update.struct$left.mapping)) {  
                   map <- update.struct$left.mapping[,i]  
                   x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])  
201                }                }
202    
203                # Find indices to be updated for the right tree  #c2 <-
204                indices.mapping <- NULL  #function(x, y, ...)
205                for (m in levels(as.factor(DMetaData(y)$MetaID))) {  #{
206                    indices <- (DMetaData(y)$MetaID == m)  #    # Update the CMetaData tree
207                    indices.mapping <- c(indices.mapping, list(m = indices))  #    cmeta <- .MetaDataNode(0, list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), list(CMetaData(x), CMetaData(y)))
208                    names(indices.mapping)[length(indices.mapping)] <- m  #    update.struct <- .update_id(cmeta)
209    #
210    #    new <- .VCorpus(c(unclass(x), unclass(y)), update.struct$root, NULL)
211    #
212    #    # Find indices to be updated for the left tree
213    #    indices.mapping <- .find_indices(x)
214    #
215    #    # Update the CorpusDMeta data frames for the left tree
216    #    for (i in 1:ncol(update.struct$left.mapping)) {
217    #        map <- update.struct$left.mapping[,i]
218    #        DMetaData(x)$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
219    #    }
220    #
221    #    # Find indices to be updated for the right tree
222    #    indices.mapping <- .find_indices(y)
223    #
224    #    # Update the CorpusDMeta data frames for the right tree
225    #    for (i in 1:ncol(update.struct$right.mapping)) {
226    #        map <- update.struct$right.mapping[,i]
227    #        DMetaData(y)$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
228    #    }
229    #
230    #    # Merge the CorpusDMeta data frames
231    #    labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
232    #    na.matrix <- matrix(NA,
233    #                        nrow = nrow(DMetaData(x)),
234    #                        ncol = length(labels),
235    #                        dimnames = list(row.names(DMetaData(x)), labels))
236    #    x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
237    #    labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
238    #    na.matrix <- matrix(NA,
239    #                        nrow = nrow(DMetaData(y)),
240    #                        ncol = length(labels),
241    #                        dimnames = list(row.names(DMetaData(y)), labels))
242    #    y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
243    #    DMetaData(new) <- rbind(x.dmeta.aug, y.dmeta.aug)
244    #
245    #    new
246    #}
247    
248    c.VCorpus <-
249    function(..., recursive = FALSE)
250    {
251        args <- list(...)
252        x <- args[[1L]]
253    
254        if (length(args) == 1L)
255            return(x)
256    
257        if (!all(unlist(lapply(args, inherits, class(x)))))
258            stop("not all arguments are of the same corpus type")
259    
260        if (recursive)
261            Reduce(c2, args)
262        else {
263            args <- do.call("c", lapply(args, content))
264            structure(list(content = args,
265                           meta = CorpusMeta(),
266                           dmeta = data.frame(row.names = seq_along(args))),
267                      class = c("VCorpus", "Corpus"))
268        }
269                }                }
270    
271                # Update the DMetaData data frames for the right tree  c.TextDocument <-
272                for (i in 1:ncol(update.struct$right.mapping)) {  function(..., recursive = FALSE)
273                    map <- update.struct$right.mapping[,i]  {
                   y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])  
               }  
   
               # Merge the DMetaData data frames  
               labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))  
               na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))  
               x.dmeta.aug <- cbind(DMetaData(x), na.matrix)  
               labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))  
               na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))  
               y.dmeta.aug <- cbind(DMetaData(y), na.matrix)  
               object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)  
   
               return(object)  
           })  
   
 # TODO  
 setMethod("c",  
           signature(x = "TextDocument"),  
           function(x, ..., recursive = TRUE){  
274                args <- list(...)                args <- list(...)
275                if(length(args) == 0)      x <- args[[1L]]
276    
277        if (length(args) == 1L)
278                    return(x)                    return(x)
279    
280                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      if (!all(unlist(lapply(args, inherits, class(x)))))
281                cmeta.node <- new("MetaDataNode",          stop("not all arguments are text documents")
282                              NodeID = 0,  
283                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),      structure(list(content = args,
284                              children = list())                     meta = CorpusMeta(),
285                       dmeta = data.frame(row.names = seq_along(args))),
286                return(new("TextDocCol", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node))                class = c("VCorpus", "Corpus"))
287            })  }
288    
289  setMethod("length",  as.list.PCorpus <- as.list.VCorpus <-
290            signature(x = "TextDocCol"),  function(x, ...)
291            function(x){      content(x)
292                return(length(as(x, "list")))  
293      })  content.VCorpus <-
294    function(x)
295  setMethod("show",  {
296            signature(object = "TextDocCol"),      lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
297            function(object){      if (!is.null(lazyTmMap))
298                cat(sprintf(ngettext(length(object),          .Call("copyCorpus", x, materialize(x))
299                                     "A text document collection with %d text document\n",      x$content
300                                     "A text document collection with %d text documents\n"),  }
301                            length(object)))  
302      })  content.PCorpus <-
303    function(x)
304  setMethod("summary",  {
305            signature(object = "TextDocCol"),      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
306            function(object){      filehash::dbMultiFetch(db, unlist(x$content))
307                show(object)  }
308                if (length(DMetaData(object)) > 0) {  
309                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),  length.PCorpus <- length.VCorpus <-
310                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",  function(x)
311                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),      length(x$content)
312                                         length(CMetaData(object)@MetaData)))  
313                    cat("Available tags are:\n")  print.PCorpus <- print.VCorpus <-
314                    cat(names(CMetaData(object)@MetaData), "\n")  function(x, ...)
315                    cat("Available variables in the data frame are:\n")  {
316                    cat(names(DMetaData(object)), "\n")      cat(sprintf(ngettext(length(x),
317                }                           "A corpus with %d text document\n\n",
318      })                           "A corpus with %d text documents\n\n"),
319                    length(x)))
320  # TODO  
321  setGeneric("inspect", function(object) standardGeneric("inspect"))      meta <- meta(x, type = "corpus")
322  setMethod("inspect",      dmeta <- meta(x, type = "indexed")
323            signature("TextDocCol"),  
324            function(object) {      cat("Metadata:\n")
325                summary(object)      cat(sprintf("  Tag-value pairs. Tags: %s\n",
326                    paste(names(meta), collapse = " ")))
327        cat("  Data frame. Variables:", colnames(dmeta), "\n")
328    
329        invisible(x)
330    }
331    
332    inspect <-
333    function(x)
334        UseMethod("inspect", x)
335    inspect.PCorpus <- inspect.VCorpus <-
336    function(x)
337    {
338        print(x)
339                cat("\n")                cat("\n")
340                show(object@.Data)      print(noquote(content(x)))
341            })      invisible(x)
342    }
343    
344    writeCorpus <-
345    function(x, path = ".", filenames = NULL)
346    {
347        filenames <- file.path(path,
348          if (is.null(filenames))
349              sprintf("%s.txt", as.character(meta(x, "id", "local")))
350          else filenames)
351    
352  # TODO      stopifnot(length(x) == length(filenames))
353  # No metadata is checked  
354  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))      mapply(function(doc, f) writeLines(as.character(doc), f), x, filenames)
355  setMethod("%IN%",  
356            signature(x = "TextDocument", y = "TextDocCol"),      invisible(x)
357            function(x, y) {  }
               x %in% y  
           })  

Legend:
Removed from v.712  
changed lines
  Added in v.1313

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