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

pkg/R/textdoccol.R revision 885, Thu Jan 29 09:34:44 2009 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()
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                # 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                    # 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)
34                    if (!object@LoDSupport)          else
35                        readerControl$load <- TRUE              x$names[counter]
36                    doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))          doc <- readerControl$reader(elem, readerControl$language, id)
37                    if (dbControl$useDb) {          filehash::dbInsert(db, meta(doc, "id"), doc)
38                        dbInsert(db, ID(doc), doc)          if (x$length > 0) tdl[[counter]] <- meta(doc, "id")
39                        if (object@Length > 0)          else tdl <- c(tdl, meta(doc, "id"))
                           tdl[[counter]] <- ID(doc)  
                       else  
                           tdl <- c(tdl, ID(doc))  
                   }  
                   else {  
                       if (object@Length > 0)  
                           tdl[[counter]] <- doc  
                       else  
                           tdl <- c(tdl, list(doc))  
                   }  
40                    counter <- counter + 1                    counter <- counter + 1
41                }                }
42        if (!is.null(x$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$useDb) {                     meta = CorpusMeta(),
47                    dbInsert(db, "DMetaData", df)                     dmeta = data.frame(row.names = seq_along(tdl)),
48                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))                     dbcontrol = dbControl),
49                  class = c("PCorpus", "Corpus"))
50                }                }
               else  
                   dmeta.df <- df  
51    
52                cmeta.node <- new("MetaDataNode",  VCorpus <- Corpus <-
53                              NodeID = 0,  function(x, readerControl = list(reader = x$defaultreader, language = "en"))
54                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),  {
55                              children = list())      stopifnot(inherits(x, "Source"))
   
               return(new("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) {summary(eval(URI(x)))$description}))  
               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, ..., lazy = FALSE) standardGeneric("tmMap"))  
 setMethod("tmMap",  
           signature(object = "Corpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               result <- object  
               # Note that text corpora are automatically loaded into memory via \code{[[}  
               if (DBControl(object)[["useDb"]]) {  
                   if (lazy)  
                       warning("lazy mapping is deactived when using database backend")  
                   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  
                   }  
                   # Suggested by Christian Buchta  
                   dbReorganize(db)  
               }  
               else {  
                   # 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))  
                   }  
               }  
               return(result)  
           })  
56    
57  # Materialize lazy mappings      readerControl <- prepareReader(readerControl, x$defaultreader)
 # Improvements by Christian Buchta  
 materialize <- function(corpus, range = seq_along(corpus)) {  
     lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")  
     if (!is.null(lazyTmMap)) {  
        # Make valid and lazy index  
        idx <- (seq_along(corpus) %in% range) & lazyTmMap$index  
        if (any(idx)) {  
            res <- lapply(corpus@.Data[idx], loadDoc)  
            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  
     return(corpus)  
 }  
   
 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))  
 setMethod("asPlain",  
           signature(object = "PlainTextDocument"),  
           function(object, FUN, ...) {  
               return(object)  
           })  
 setMethod("asPlain",  
           signature(object = "XMLTextDocument"),  
           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, ...) {  
               return(convertRCV1Plain(object, ...))  
           })  
 setMethod("asPlain",  
           signature(object = "NewsgroupDocument"),  
           function(object, FUN, ...) {  
               new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = NULL, 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 = NULL, 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) {  
               if (!is.null(attr(FUN, "doclevel")))  
                   doclevel <- attr(FUN, "doclevel")  
               if (doclevel) {  
                   if (clusterAvailable())  
                       return(object[snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))])  
                   else  
                       return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])  
               }  
               else  
                   return(object[FUN(object, ...)])  
           })  
58    
59  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))      if (is.function(readerControl$init))
60  setMethod("tmIndex",          readerControl$init()
           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)))  
               }  
               else  
                   return(FUN(object, ...))  
           })  
61    
62  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))      if (is.function(readerControl$exit))
63  setMethod("appendElem",          on.exit(readerControl$exit())
64            signature(object = "Corpus", data = "TextDocument"),  
65            function(object, data, meta = NULL) {      # Allocate memory in advance if length is known
66                if (DBControl(object)[["useDb"]]) {      tdl <- if (x$length > 0)
67                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])          vector("list", as.integer(x$length))
                   if (dbExists(db, ID(data)))  
                       warning("document with identical ID already exists")  
                   dbInsert(db, ID(data), data)  
                   object@.Data[[length(object)+1]] <- ID(data)  
               }  
68                else                else
69                    object@.Data[[length(object)+1]] <- data          list()
70                DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))  
71                return(object)      if (x$vectorized)
72            })          tdl <- mapply(function(elem, id)
73                              readerControl$reader(elem, readerControl$language, id),
74  setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))                        pGetElem(x),
75  setMethod("appendMeta",                        id = if (is.null(x$names) || is.na(x$names))
76            signature(object = "Corpus"),                            as.character(seq_len(x$length))
77            function(object, cmeta = NULL, dmeta = NULL) {                        else x$names,
78                object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)                        SIMPLIFY = FALSE)
               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 <- sapply(local.m, paste, collapse = " ")  
                       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  
                   }  
79                    else {                    else {
80                        local.meta <- lapply(object, LocalMetaData)          counter <- 1
81                        local.m <- lapply(local.meta, "[[", m)          while (!eoi(x)) {
82                        local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))              x <- stepNext(x)
83                        if (length(local.m) == length(unlist(local.m)))              elem <- getElem(x)
84                            local.m <- unlist(local.m)              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                        else
92                            local.m <- I(local.m)                  tdl <- c(tdl, list(doc))
93                        DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))              counter <- counter + 1
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m  
94                    }                    }
95                }                }
96                return(object)      if (!is.null(x$names) && !is.na(x$names))
97            })          names(tdl) <- x$names
   
 setMethod("[",  
           signature(x = "Corpus", 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                if (DBControl(object)[["useDb"]]) {                     dmeta = data.frame(row.names = seq_along(tdl))),
102                    index <- object@DMetaData[[1 , "subset"]]                class = c("VCorpus", "Corpus"))
                   if (any(is.na(index)))  
                       object@DMetaData[[1 , "subset"]] <- i  
                   else  
                       object@DMetaData[[1 , "subset"]] <- index[i]  
103                }                }
104                else  
105                    DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]  `[.PCorpus` <- `[.VCorpus` <-
106                return(object)  function(x, i)
107            })  {
108        if (!missing(i)) {
109  setMethod("[<-",          x$content <- x$content[i]
110            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),          x$dmeta <- x$dmeta[i, , drop = FALSE]
           function(x, i, j, ... , value) {  
               object <- x  
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   counter <- 1  
                   for (id in object@.Data[i, ...]) {  
                       if (length(value) == 1)  
                           db[[id]] <- value  
                       else {  
                           db[[id]] <- value[[counter]]  
                       }  
                       counter <- counter + 1  
111                    }                    }
112        x
113                }                }
114    
115    .map_name_index <-
116    function(x, i)
117    {
118        if (is.character(i))
119            match(i, if (is.null(names(x))) meta(x, "id", "local") else names(x))
120                else                else
121                    object@.Data[i, ...] <- value          i
               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))  
122                }                }
123                else {  
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$content[[i]])
130    }
131    `[[.VCorpus` <-
132    function(x, i)
133    {
134        i <- .map_name_index(x, i)
135                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
136                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
137                        .Call("copyCorpus", x, materialize(x, i))                        .Call("copyCorpus", x, materialize(x, i))
138                    return(loadDoc(x@.Data[[i]]))      x$content[[i]]
139                }                }
           })  
140    
141  setMethod("[[<-",  `[[<-.PCorpus` <-
142            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),  function(x, i, value)
143            function(x, i, j, ..., value) {  {
144                object <- x      i <- .map_name_index(x, i)
145                if (DBControl(object)[["useDb"]]) {      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
146                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])      db[[x$content[[i]]]] <- value
147                    index <- object@.Data[[i]]      x
148                    db[[index]] <- value  }
149                }  `[[<-.VCorpus` <-
150                else {  function(x, i, value)
151    {
152        i <- .map_name_index(x, i)
153                    # Mark new objects as not active for lazy mapping                    # Mark new objects as not active for lazy mapping
154                    lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")      lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
155                    if (!is.null(lazyTmMap)) {                    if (!is.null(lazyTmMap)) {
156                        lazyTmMap$index[i] <- FALSE                        lazyTmMap$index[i] <- FALSE
157                        meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap          meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
158                    }                    }
159                    # Set the value      x$content[[i]] <- value
160                    object@.Data[[i, ...]] <- value      x
161                }                }
               return(object)  
           })  
162    
163  # Update \code{NodeID}s of a CMetaData tree  # Update NodeIDs of a CMetaData tree
164  update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {  .update_id <-
165      # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s  function(x, id = 0, mapping = NULL, left.mapping = NULL, level = 0)
166      set_id <- function(object) {  {
167          object@NodeID <- id      # 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$root, NULL)
211                # Update the DMetaData data frames for the right tree  #
212                for (i in 1:ncol(update.struct$right.mapping)) {  #    # Find indices to be updated for the left tree
213                    map <- update.struct$right.mapping[,i]  #    indices.mapping <- .find_indices(x)
214                    y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])  #
215                }  #    # Update the CorpusDMeta data frames for the left tree
216    #    for (i in 1:ncol(update.struct$left.mapping)) {
217                # Merge the DMetaData data frames  #        map <- update.struct$left.mapping[,i]
218                labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))  #        DMetaData(x)$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
219                na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))  #    }
220                x.dmeta.aug <- cbind(DMetaData(x), na.matrix)  #
221                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))  #    # Find indices to be updated for the right tree
222                na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))  #    indices.mapping <- .find_indices(y)
223                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)  #
224                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)  #    # Update the CorpusDMeta data frames for the right tree
225    #    for (i in 1:ncol(update.struct$right.mapping)) {
226                return(object)  #        map <- update.struct$right.mapping[,i]
227            })  #        DMetaData(y)$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
228    #    }
229  setMethod("c",  #
230            signature(x = "TextDocument"),  #    # Merge the CorpusDMeta data frames
231            function(x, ..., recursive = TRUE){  #    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(...)                args <- list(...)
252                if(length(args) == 0)      x <- args[[1L]]
253    
254        if (length(args) == 1L)
255                    return(x)                    return(x)
256    
257                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      if (!all(unlist(lapply(args, inherits, class(x)))))
258                cmeta.node <- new("MetaDataNode",          stop("not all arguments are of the same corpus type")
                             NodeID = 0,  
                             MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),  
                             children = list())  
   
               return(new("Corpus",  
                          .Data = list(x, ...),  
                          DMetaData = dmeta.df,  
                          CMetaData = cmeta.node,  
                          DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))  
           })  
   
 setMethod("length",  
           signature(x = "Corpus"),  
           function(x){  
               return(length(as(x, "list")))  
     })  
   
 setMethod("show",  
           signature(object = "Corpus"),  
           function(object){  
               cat(sprintf(ngettext(length(object),  
                                    "A text document collection with %d text document\n",  
                                    "A text document collection with %d text documents\n"),  
                           length(object)))  
     })  
   
 setMethod("summary",  
           signature(object = "Corpus"),  
           function(object){  
               show(object)  
               if (length(DMetaData(object)) > 0) {  
                   cat(sprintf(ngettext(length(CMetaData(object)@MetaData),  
                                               "\nThe metadata consists of %d tag-value pair and a data frame\n",  
                                               "\nThe metadata consists of %d tag-value pairs and a data frame\n"),  
                                        length(CMetaData(object)@MetaData)))  
                   cat("Available tags are:\n")  
                   cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")  
                   cat("Available variables in the data frame are:\n")  
                   cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")  
               }  
     })  
   
 setGeneric("inspect", function(object) standardGeneric("inspect"))  
 setMethod("inspect",  
           signature("Corpus"),  
           function(object) {  
               summary(object)  
               cat("\n")  
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   show(dbMultiFetch(db, unlist(object)))  
               }  
               else  
                   print(noquote(lapply(object, identity)))  
           })  
259    
260  # No metadata is checked      if (recursive)
261  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))          Reduce(c2, args)
 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, ...)  
               }  
262                else {                else {
263                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")          args <- do.call("c", lapply(args, content))
264                    if (!is.null(lazyTmMap))          structure(list(content = args,
265                        .Call("copyCorpus", X, materialize(X))                         meta = CorpusMeta(),
266                    result <- base::lapply(X, FUN, ...)                         dmeta = data.frame(row.names = seq_along(args))),
267                      class = c("VCorpus", "Corpus"))
268                }                }
               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, ...)  
269                }                }
270                else {  
271                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")  c.TextDocument <-
272    function(..., recursive = FALSE)
273    {
274        args <- list(...)
275        x <- args[[1L]]
276    
277        if (length(args) == 1L)
278            return(x)
279    
280        if (!all(unlist(lapply(args, inherits, class(x)))))
281            stop("not all arguments are text documents")
282    
283        structure(list(content = args,
284                       meta = CorpusMeta(),
285                       dmeta = data.frame(row.names = seq_along(args))),
286                  class = c("VCorpus", "Corpus"))
287    }
288    
289    as.list.PCorpus <- as.list.VCorpus <-
290    function(x, ...)
291        content(x)
292    
293    content.VCorpus <-
294    function(x)
295    {
296        lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
297                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
298                        .Call("copyCorpus", X, materialize(X))          .Call("copyCorpus", x, materialize(x))
299                    result <- base::sapply(X, FUN, ...)      x$content
300                }                }
               return(result)  
           })  
301    
302  setAs("list", "Corpus", function(from) {  content.PCorpus <-
303      cmeta.node <- new("MetaDataNode",  function(x)
304                        NodeID = 0,  {
305                        MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
306                        children = list())      filehash::dbMultiFetch(db, unlist(x$content))
307      data <- list()  }
308      counter <- 1  
309      for (f in from) {  length.PCorpus <- length.VCorpus <-
310          doc <- new("PlainTextDocument",  function(x)
311                     .Data = f, URI = NULL, Cached = TRUE,      length(x$content)
312                     Author = "", DateTimeStamp = Sys.time(),  
313                     Description = "", ID = as.character(counter),  print.PCorpus <- print.VCorpus <-
314                     Origin = "", Heading = "", Language = "en_US")  function(x, ...)
315          data <- c(data, list(doc))  {
316          counter <- counter + 1      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    
321        meta <- meta(x, type = "corpus")
322        dmeta <- meta(x, type = "indexed")
323    
324        cat("Metadata:\n")
325        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")
340        print(noquote(content(x)))
341        invisible(x)
342      }      }
343      return(new("Corpus", .Data = data,  
344                 DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),  writeCorpus <-
345                 CMetaData = cmeta.node,  function(x, path = ".", filenames = NULL)
346                 DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))  {
 })  
   
 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(asPlain(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.885  
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