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 826, Sat Feb 23 14:38:15 2008 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 reader  PCorpus <-
4  setGeneric("Corpus", function(object,  function(x,
5                                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),           readerControl = list(reader = x$defaultreader, language = "en"),
6                                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),           dbControl = list(dbName = "", dbType = "DB1"))
7                                    ...) standardGeneric("Corpus"))  {
8  setMethod("Corpus",      stopifnot(inherits(x, "Source"))
9            signature(object = "Source"),  
10            function(object,      readerControl <- prepareReader(readerControl, x$defaultreader)
                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),  
                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),  
                    ...) {  
               if (is.null(readerControl$reader))  
                   readerControl$reader <- object@DefaultReader  
               if (is(readerControl$reader, "FunctionGenerator"))  
                   readerControl$reader <- readerControl$reader(...)  
               if (is.null(readerControl$language))  
                   readerControl$language = "en_US"  
               if (is.null(readerControl$load))  
                   readerControl$load = TRUE  
11    
12                if (dbControl$useDb) {      if (is.function(readerControl$init))
13                    if (!dbCreate(dbControl$dbName, dbControl$dbType))          readerControl$init()
                       stop("error in creating database")  
                   db <- dbInit(dbControl$dbName, dbControl$dbType)  
               }  
14    
15                tdl <- list()      if (is.function(readerControl$exit))
16                counter <- 1          on.exit(readerControl$exit())
               while (!eoi(object)) {  
                   object <- stepNext(object)  
                   elem <- getElem(object)  
                   # If there is no Load on Demand support  
                   # we need to load the corpus into memory at startup  
                   if (!object@LoDSupport)  
                       readerControl$load <- TRUE  
                   doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))  
                   if (dbControl$useDb) {  
                       dbInsert(db, ID(doc), doc)  
                       tdl <- c(tdl, ID(doc))  
                   }  
                   else  
                       tdl <- c(tdl, list(doc))  
                   counter <- counter + 1  
               }  
17    
18                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
19                if (dbControl$useDb) {          stop("error in creating database")
20                    dbInsert(db, "DMetaData", df)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
                   dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))  
               }  
               else  
                   dmeta.df <- df  
   
               cmeta.node <- new("MetaDataNode",  
                             NodeID = 0,  
                             MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),  
                             children = list())  
   
               return(new("Corpus", .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)  
                   Content(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"  
                   Content(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  
                   }  
                   Content(object) <- mail[(index + 1):length(mail)]  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object = "StructuredTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   warning("load on demand not (yet) supported for StructuredTextDocuments")  
                   return(object)  
               } else  
                   return(object)  
           })  
   
 setGeneric("tmUpdate", function(object,  
                                 origin,  
                                 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),  
                                 ...) standardGeneric("tmUpdate"))  
 # Update is only supported for directories  
 # At the moment no other LoD devices are available anyway  
 setMethod("tmUpdate",  
           signature(object = "Corpus", origin = "DirSource"),  
           function(object, origin,  
                    readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),  
                    ...) {  
               if (is.null(readerControl$reader))  
                   readerControl$reader <- origin@DefaultReader  
               if (is(readerControl$reader, "FunctionGenerator"))  
                   readerControl$reader <- readerControl$reader(...)  
               if (is.null(readerControl$language))  
                   readerControl$language = "en_US"  
               if (is.null(readerControl$load))  
                   readerControl$load = TRUE  
   
               object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))  
               new.files <- setdiff(origin@FileList, object.filelist)  
   
               for (filename in new.files) {  
                   encoding <- origin@Encoding  
                   elem <- list(content = readLines(filename, encoding = encoding),  
                                uri = substitute(file(filename, encoding = encoding)))  
                   object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))  
               }  
   
               return(object)  
           })  
   
 setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))  
 setMethod("tmMap",  
           signature(object = "Corpus", FUN = "function"),  
           function(object, FUN, ...) {  
               result <- object  
               # Note that text corpora are automatically loaded into memory via \code{[[}  
               if (DBControl(object)[["useDb"]]) {  
                   db <- 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  
                   }  
               }  
               else  
                   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 <- 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, ...) {  
               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, ...) {  
               FUN <- convertRCV1Plain  
               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 = "NewsgroupDocument"),  
           function(object, FUN, ...) {  
               new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = "", 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)), Cached = TRUE,  
                   URI = "", 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 = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))  
 setMethod("tmFilter",  
           signature(object = "Corpus"),  
           function(object, ..., FUN = sFilter, doclevel = FALSE) {  
               if (doclevel)  
                   return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])  
               else  
                   return(object[FUN(object, ...)])  
           })  
21    
22  setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))      # Allocate memory in advance if length is known
23  setMethod("tmIndex",      tdl <- if (x$length > 0)
24            signature(object = "Corpus"),          vector("list", as.integer(x$length))
           function(object, ..., FUN = sFilter, doclevel = FALSE) {  
               if (doclevel)  
                   return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))  
25                else                else
26                    return(FUN(object, ...))          list()
           })  
27    
28  sFilter <- function(object, s, ...) {      counter <- 1
29      con <- textConnection(s)      while (!eoi(x)) {
30      tokens <- scan(con, "character", quiet = TRUE)          x <- stepNext(x)
31      close(con)          elem <- getElem(x)
32      localMetaNames <- unique(names(sapply(object, LocalMetaData)))          id <- if (is.null(x$names) || is.na(x$names))
33      localMetaTokens <- localMetaNames[localMetaNames %in% tokens]              as.character(counter)
34      n <- names(DMetaData(object))          else
35      tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)              x$names[counter]
36      query.df <- DMetaData(prescindMeta(object, tags))          doc <- readerControl$reader(elem, readerControl$language, id)
37      if (DBControl(object)[["useDb"]])          filehash::dbInsert(db, meta(doc, "id"), doc)
38          DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = FALSE]          if (x$length > 0) tdl[[counter]] <- meta(doc, "id")
39      # Rename to avoid name conflicts          else tdl <- c(tdl, meta(doc, "id"))
40      names(query.df)[names(query.df) == "Author"] <- "author"          counter <- counter + 1
     names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"  
     names(query.df)[names(query.df) == "Description"] <- "description"  
     names(query.df)[names(query.df) == "ID"] <- "identifier"  
     names(query.df)[names(query.df) == "Origin"] <- "origin"  
     names(query.df)[names(query.df) == "Heading"] <- "heading"  
     names(query.df)[names(query.df) == "Language"] <- "language"  
     attach(query.df)  
     try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))  
     detach(query.df)  
     return(result)  
 }  
   
 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"]]) {  
                   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)  
           })  
   
 setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))  
 setMethod("appendMeta",  
           signature(object = "Corpus"),  
           function(object, cmeta = NULL, dmeta = NULL) {  
               object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)  
               if (!is.null(dmeta)) {  
                   DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))  
               }  
               return(object)  
           })  
   
 setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))  
 setMethod("removeMeta",  
           signature(object = "Corpus"),  
           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, drop = FALSE]  
               return(object)  
           })  
   
 setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))  
 setMethod("prescindMeta",  
           signature(object = "Corpus", meta = "character"),  
           function(object, meta) {  
               for (m in meta) {  
                   if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {  
                       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)  
                       DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))  
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- 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)  
                       else  
                           local.m <- I(local.m)  
                       DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))  
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m  
                   }  
41                }                }
42                return(object)      if (!is.null(x$names) && !is.na(x$names))
43            })          names(tdl) <- x$names
   
 setMethod("[",  
           signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if(missing(i))  
                   return(x)  
44    
45                object <- x      structure(list(content = tdl,
46                object@.Data <- x@.Data[i, ..., drop = FALSE]                     meta = CorpusMeta(),
47                if (DBControl(object)[["useDb"]]) {                     dmeta = data.frame(row.names = seq_along(tdl)),
48                    index <- object@DMetaData[[1 , "subset"]]                     dbcontrol = dbControl),
49                    if (any(is.na(index)))                class = c("PCorpus", "Corpus"))
50                        object@DMetaData[[1 , "subset"]] <- i  }
51                    else  
52                        object@DMetaData[[1 , "subset"]] <- index[i]  VCorpus <- Corpus <-
53                }  function(x, readerControl = list(reader = x$defaultreader, language = "en"))
54                else  {
55                    DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]      stopifnot(inherits(x, "Source"))
56                return(object)  
57            })      readerControl <- prepareReader(readerControl, x$defaultreader)
58    
59  setMethod("[<-",      if (is.function(readerControl$init))
60            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),          readerControl$init()
61            function(x, i, j, ... , value) {  
62                object <- x      if (is.function(readerControl$exit))
63                if (DBControl(object)[["useDb"]]) {          on.exit(readerControl$exit())
64                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
65                    counter <- 1      # Allocate memory in advance if length is known
66                    for (id in object@.Data[i, ...]) {      tdl <- if (x$length > 0)
67                        if (length(value) == 1)          vector("list", as.integer(x$length))
68                            db[[id]] <- value      else
69            list()
70    
71        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$names,
78                          SIMPLIFY = FALSE)
79                        else {                        else {
80                            db[[id]] <- value[[counter]]          counter <- 1
81                        }          while (!eoi(x)) {
82                x <- stepNext(x)
83                elem <- getElem(x)
84                id <- if (is.null(x$names) || is.na(x$names))
85                    as.character(counter)
86                else
87                    x$names[counter]
88                doc <- readerControl$reader(elem, readerControl$language, id)
89                if (x$length > 0)
90                    tdl[[counter]] <- doc
91                else
92                    tdl <- c(tdl, list(doc))
93                        counter <- counter + 1                        counter <- counter + 1
94                    }                    }
95                }                }
96                else      if (!is.null(x$names) && !is.na(x$names))
97                    object@.Data[i, ...] <- value          names(tdl) <- x$names
               return(object)  
           })  
   
 setMethod("[[",  
           signature(x = "Corpus", i = "ANY", j = "ANY"),  
           function(x, i, j, ...) {  
               if (DBControl(x)[["useDb"]]) {  
                   db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])  
                   result <- dbFetch(db, x@.Data[[i]])  
                   return(loadDoc(result))  
               }  
               else  
                   return(loadDoc(x@.Data[[i]]))  
           })  
98    
99  setMethod("[[<-",      structure(list(content = tdl,
100            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),                     meta = CorpusMeta(),
101            function(x, i, j, ..., value) {                     dmeta = data.frame(row.names = seq_along(tdl))),
102                object <- x                class = c("VCorpus", "Corpus"))
103                if (DBControl(object)[["useDb"]]) {  }
104                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
105                    index <- object@.Data[[i]]  `[.PCorpus` <- `[.VCorpus` <-
106                    db[[index]] <- value  function(x, i)
107                }  {
108                else      if (!missing(i)) {
109                    object@.Data[[i, ...]] <- value          x$content <- x$content[i]
110                return(object)          x$dmeta <- x$dmeta[i, , drop = FALSE]
111            })      }
112        x
113  # Update \code{NodeID}s of a CMetaData tree  }
114  update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {  
115      # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s  .map_name_index <-
116      set_id <- function(object) {  function(x, i)
117          object@NodeID <- id  {
118        if (is.character(i))
119            match(i, if (is.null(names(x))) meta(x, "id", "local") else names(x))
120        else
121            i
122    }
123    
124    `[[.PCorpus` <-
125    function(x, i)
126    {
127        i <- .map_name_index(x, i)
128        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
129        filehash::dbFetch(db, x$content[[i]])
130    }
131    `[[.VCorpus` <-
132    function(x, i)
133    {
134        i <- .map_name_index(x, i)
135        lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
136        if (!is.null(lazyTmMap))
137            .Call("copyCorpus", x, materialize(x, i))
138        x$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  setMethod("c",  # Find indices to be updated for a CMetaData tree
191            signature(x = "Corpus"),  .find_indices <-
192            function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  function(x)
193                args <- list(...)  {
               if (length(args) == 0)  
                   return(x)  
   
               if (!all(sapply(args, inherits, "Corpus")))  
                   stop("not all arguments are text document collections")  
               if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))  
                   stop("concatenating text document collections with activated database is not supported")  
   
               result <- x  
               for (c in args) {  
                   result <- c2(result, c)  
               }  
               return(result)  
           })  
   
 setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))  
 setMethod("c2",  
           signature(x = "Corpus", y = "Corpus"),  
           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"))  
   
               # Set the DBControl slot  
               object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")  
   
               # 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)  
           })  
   
 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("Corpus",                class = c("VCorpus", "Corpus"))
287                           .Data = list(x, ...),  }
288                           DMetaData = dmeta.df,  
289                           CMetaData = cmeta.node,  as.list.PCorpus <- as.list.VCorpus <-
290                           DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))  function(x, ...)
291            })      content(x)
292    
293  setMethod("length",  content.VCorpus <-
294            signature(x = "Corpus"),  function(x)
295            function(x){  {
296                return(length(as(x, "list")))      lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
297      })      if (!is.null(lazyTmMap))
298            .Call("copyCorpus", x, materialize(x))
299  setMethod("show",      x$content
300            signature(object = "Corpus"),  }
301            function(object){  
302                cat(sprintf(ngettext(length(object),  content.PCorpus <-
303                                     "A text document collection with %d text document\n",  function(x)
304                                     "A text document collection with %d text documents\n"),  {
305                            length(object)))      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
306      })      filehash::dbMultiFetch(db, unlist(x$content))
307    }
308  setMethod("summary",  
309            signature(object = "Corpus"),  length.PCorpus <- length.VCorpus <-
310            function(object){  function(x)
311                show(object)      length(x$content)
312                if (length(DMetaData(object)) > 0) {  
313                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),  print.PCorpus <- print.VCorpus <-
314                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",  function(x, ...)
315                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),  {
316                                         length(CMetaData(object)@MetaData)))      cat(sprintf(ngettext(length(x),
317                    cat("Available tags are:\n")                           "A corpus with %d text document\n\n",
318                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")                           "A corpus with %d text documents\n\n"),
319                    cat("Available variables in the data frame are:\n")                  length(x)))
320                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")  
321                }      meta <- meta(x, type = "corpus")
322      })      dmeta <- meta(x, type = "indexed")
323    
324  setGeneric("inspect", function(object) standardGeneric("inspect"))      cat("Metadata:\n")
325  setMethod("inspect",      cat(sprintf("  Tag-value pairs. Tags: %s\n",
326            signature("Corpus"),                  paste(names(meta), collapse = " ")))
327            function(object) {      cat("  Data frame. Variables:", colnames(dmeta), "\n")
328                summary(object)  
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                if (DBControl(object)[["useDb"]]) {      print(noquote(content(x)))
341                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])      invisible(x)
                   show(dbMultiFetch(db, unlist(object)))  
342                }                }
               else  
                   show(object@.Data)  
           })  
343    
344  # No metadata is checked  writeCorpus <-
345  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  function(x, path = ".", filenames = NULL)
346  setMethod("%IN%",  {
           signature(x = "TextDocument", y = "Corpus"),  
           function(x, y) {  
               if (DBControl(y)[["useDb"]]) {  
                   db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])  
                   result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))  
               }  
               else  
                   result <- x %in% y  
               return(result)  
           })  
   
 setMethod("lapply",  
           signature(X = "Corpus"),  
           function(X, FUN, ...) {  
               if (DBControl(X)[["useDb"]]) {  
                   db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
                   result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)  
               }  
               else  
                   result <- base::lapply(X, FUN, ...)  
               return(result)  
           })  
   
 setMethod("sapply",  
           signature(X = "Corpus"),  
           function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {  
               if (DBControl(X)[["useDb"]]) {  
                   db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
                   result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)  
               }  
               else  
                   result <- base::sapply(X, FUN, ...)  
               return(result)  
           })  
   
 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  
 setMethod("writeCorpus",  
           signature(object = "Corpus"),  
           function(object, path = ".", filenames = NULL) {  
347                filenames <- file.path(path,                filenames <- file.path(path,
348                                       if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))        if (is.null(filenames))
349              sprintf("%s.txt", as.character(meta(x, "id", "local")))
350                                       else filenames)                                       else filenames)
351                i <- 1  
352                for (o in object) {      stopifnot(length(x) == length(filenames))
353                    writeLines(o, filenames[i])  
354                    i <- i + 1      mapply(function(doc, f) writeLines(as.character(doc), f), x, filenames)
355    
356        invisible(x)
357                }                }
           })  

Legend:
Removed from v.826  
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