SCM

SCM Repository

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

Diff of /pkg/R/corpus.R

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

revision 952, Mon May 18 13:43:01 2009 UTC revision 1313, Sun Mar 30 09:28:00 2014 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  FCorpus <- function(object, readerControl = list(language = "eng")) {  PCorpus <-
4      if (is.null(readerControl$language))  function(x,
5          readerControl$language <- "eng"           readerControl = list(reader = x$defaultreader, language = "en"),
6             dbControl = list(dbName = "", dbType = "DB1"))
7      if (!object@Vectorized)  {
8          stop("Source is not vectorized")      stopifnot(inherits(x, "Source"))
9    
10      tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),      readerControl <- prepareReader(readerControl, x$defaultreader)
11                    function(x) readSlim(x[c("content", "uri")],  
12                                         readerControl$language,      if (is.function(readerControl$init))
13                                         as.character(x$id)))          readerControl$init()
14    
15      new("FCorpus", .Data = tdl)      if (is.function(readerControl$exit))
16  }          on.exit(readerControl$exit())
   
 PCorpus <- function(object,  
                     readerControl = list(reader = object@DefaultReader, language = "eng"),  
                     dbControl = list(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$language <- "eng"  
17    
18      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
19          stop("error in creating database")          stop("error in creating database")
20      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
21    
22      # Allocate memory in advance if length is known      # Allocate memory in advance if length is known
23      tdl <- if (object@Length > 0)      tdl <- if (x$length > 0)
24          vector("list", as.integer(object@Length))          vector("list", as.integer(x$length))
25      else      else
26          list()          list()
27    
28      counter <- 1      counter <- 1
29      while (!eoi(object)) {      while (!eoi(x)) {
30          object <- stepNext(object)          x <- stepNext(x)
31          elem <- getElem(object)          elem <- getElem(x)
32          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))          id <- if (is.null(x$names) || is.na(x$names))
33          filehash::dbInsert(db, ID(doc), doc)              as.character(counter)
34          if (object@Length > 0) tdl[[counter]] <- ID(doc)          else
35          else tdl <- c(tdl, ID(doc))              x$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        structure(list(content = tdl,
46                       meta = CorpusMeta(),
47                       dmeta = data.frame(row.names = seq_along(tdl)),
48                       dbcontrol = dbControl),
49                  class = c("PCorpus", "Corpus"))
50    }
51    
52    VCorpus <- Corpus <-
53    function(x, readerControl = list(reader = x$defaultreader, language = "en"))
54    {
55        stopifnot(inherits(x, "Source"))
56    
57        readerControl <- prepareReader(readerControl, x$defaultreader)
58    
59      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      if (is.function(readerControl$init))
60      filehash::dbInsert(db, "DMetaData", df)          readerControl$init()
61      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))  
62        if (is.function(readerControl$exit))
63      cmeta.node <- new("MetaDataNode",          on.exit(readerControl$exit())
                       NodeID = 0,  
                       MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                       children = list())  
   
     new("PCorpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl)  
 }  
   
 # The "..." are additional arguments for the FunctionGenerator reader  
 SCorpus <- Corpus <- function(object,  
                     readerControl = list(reader = object@DefaultReader, language = "eng"),  
                     ...) {  
     if (is.null(readerControl$reader))  
         readerControl$reader <- object@DefaultReader  
     if (is(readerControl$reader, "FunctionGenerator"))  
         readerControl$reader <- readerControl$reader(...)  
     if (is.null(readerControl$language))  
         readerControl$language <- "eng"  
64    
65      # Allocate memory in advance if length is known      # Allocate memory in advance if length is known
66      tdl <- if (object@Length > 0)      tdl <- if (x$length > 0)
67          vector("list", as.integer(object@Length))          vector("list", as.integer(x$length))
68      else      else
69          list()          list()
70    
71      if (object@Vectorized)      if (x$vectorized)
72          tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),          tdl <- mapply(function(elem, id)
73                        function(x) readerControl$reader(x[c("content", "uri")],                            readerControl$reader(elem, readerControl$language, id),
74                                                         readerControl$language,                        pGetElem(x),
75                                                         as.character(x$id)))                        id = if (is.null(x$names) || is.na(x$names))
76                              as.character(seq_len(x$length))
77                          else x$names,
78                          SIMPLIFY = FALSE)
79      else {      else {
80          counter <- 1          counter <- 1
81          while (!eoi(object)) {          while (!eoi(x)) {
82              object <- stepNext(object)              x <- stepNext(x)
83              elem <- getElem(object)              elem <- getElem(x)
84              doc <- readerControl$reader(elem, readerControl$language, as.character(counter))              id <- if (is.null(x$names) || is.na(x$names))
85              if (object@Length > 0)                  as.character(counter)
86                else
87                    x$names[counter]
88                doc <- readerControl$reader(elem, readerControl$language, id)
89                if (x$length > 0)
90                  tdl[[counter]] <- doc                  tdl[[counter]] <- doc
91              else              else
92                  tdl <- c(tdl, list(doc))                  tdl <- c(tdl, list(doc))
93              counter <- counter + 1              counter <- counter + 1
94          }          }
95      }      }
96        if (!is.null(x$names) && !is.na(x$names))
97            names(tdl) <- x$names
98    
99      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      structure(list(content = tdl,
100      cmeta.node <- new("MetaDataNode",                     meta = CorpusMeta(),
101                        NodeID = 0,                     dmeta = data.frame(row.names = seq_along(tdl))),
102                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),                class = c("VCorpus", "Corpus"))
                       children = list())  
   
     new("SCorpus", .Data = tdl, DMetaData = df, CMetaData = cmeta.node)  
 }  
   
 setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))  
 setMethod("tmMap",  
           signature(object = "FCorpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               if (lazy)  
                   warning("lazy mapping is deactivated")  
   
               new("FCorpus", .Data = lapply(object, FUN, ..., DMetaData = data.frame()))  
           })  
 setMethod("tmMap",  
           signature(object = "SCorpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               result <- object  
               # Lazy mapping  
               if (lazy) {  
                   lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")  
                   if (is.null(lazyTmMap)) {  
                       meta(result, tag = "lazyTmMap", type = "corpus") <-  
                           list(index = rep(TRUE, length(result)),  
                                maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  
                   }  
                   else {  
                       lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  
                       meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
                   }  
               }  
               else {  
                   result@.Data <- if (clusterAvailable())  
                       snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))  
                   else  
                       lapply(object, FUN, ..., DMetaData = DMetaData(object))  
               }  
               result  
           })  
 setMethod("tmMap",  
           signature(object = "PCorpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               # TODO: When should lazy mapping be conceptually available?  
               if (lazy)  
                   warning("lazy mapping is deactived when using database backend")  
               db <- filehash::dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
               i <- 1  
               for (id in unlist(object)) {  
                   db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))  
                   i <- i + 1  
               }  
               # Suggested by Christian Buchta  
               filehash::dbReorganize(db)  
   
               object  
           })  
   
 # Materialize lazy mappings  
 # Improvements by Christian Buchta  
 materialize <- function(corpus, range = seq_along(corpus)) {  
     lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")  
     if (!is.null(lazyTmMap)) {  
        # Make valid and lazy index  
        idx <- (seq_along(corpus) %in% range) & lazyTmMap$index  
        if (any(idx)) {  
            res <- corpus@.Data[idx]  
            for (m in lazyTmMap$maps)  
                res <- lapply(res, m, DMetaData = DMetaData(corpus))  
            corpus@.Data[idx] <- res  
            lazyTmMap$index[idx] <- FALSE  
        }  
     }  
     # Clean up if everything is materialized  
     if (!any(lazyTmMap$index))  
         lazyTmMap <- NULL  
     meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
     corpus  
 }  
   
 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))  
 setMethod("asPlain", signature(object = "PlainTextDocument"),  
           function(object, FUN, ...) object)  
 setMethod("asPlain",  
           signature(object = "XMLTextDocument"),  
           function(object, FUN, ...) {  
               require("XML")  
   
               corpus <- Content(object)  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
 setMethod("asPlain",  
           signature(object = "Reuters21578Document"),  
           function(object, FUN, ...) {  
               require("XML")  
   
               FUN <- convertReut21578XMLPlain  
               corpus <- Content(object)  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
 setMethod("asPlain", signature(object = "RCV1Document"),  
           function(object, FUN, ...) convertRCV1Plain(object, ...))  
 setMethod("asPlain",  
           signature(object = "NewsgroupDocument"),  
           function(object, FUN, ...) {  
               new("PlainTextDocument", .Data = Content(object), Author = Author(object),  
                   DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),  
                   Origin = Origin(object), Heading = Heading(object), Language = Language(object),  
                   LocalMetaData = LocalMetaData(object))  
           })  
 setMethod("asPlain",  
           signature(object = "StructuredTextDocument"),  
           function(object, FUN, ...) {  
               new("PlainTextDocument", .Data = unlist(Content(object)),  
                   Author = Author(object), DateTimeStamp = DateTimeStamp(object),  
                   Description = Description(object), ID = ID(object), Origin = Origin(object),  
                   Heading = Heading(object), Language = Language(object),  
                   LocalMetaData = LocalMetaData(object))  
           })  
   
 setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))  
 setMethod("tmFilter", signature(object = "Corpus"),  
           function(object, ..., FUN = searchFullText, doclevel = TRUE)  
               object[tmIndex(object, ..., FUN = FUN, doclevel = doclevel)])  
   
 setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))  
 setMethod("tmIndex",  
           signature(object = "Corpus"),  
           function(object, ..., FUN = searchFullText, doclevel = TRUE) {  
               if (!is.null(attr(FUN, "doclevel")))  
                   doclevel <- attr(FUN, "doclevel")  
               if (doclevel) {  
                   if (clusterAvailable())  
                       return(snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))  
                   else  
                       return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))  
103                }                }
               else  
                   return(FUN(object, ...))  
           })  
104    
105  # TODO: Replace with c(Corpus, TextDocument)?  `[.PCorpus` <- `[.VCorpus` <-
106  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  function(x, i)
107  setMethod("appendElem",  {
108            signature(object = "Corpus", data = "TextDocument"),      if (!missing(i)) {
109            function(object, data, meta = NULL) {          x$content <- x$content[i]
110                if (DBControl(object)[["useDb"]] && require("filehash")) {          x$dmeta <- x$dmeta[i, , drop = FALSE]
                   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)  
111                }                }
               else  
                   object@.Data[[length(object)+1]] <- data  
               DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))  
               return(object)  
           })  
   
 prescindMeta <- function(object, meta) {  
     df <- DMetaData(object)  
   
     for (m in meta)  
         df <- cbind(df, structure(data.frame(I(meta(object, tag = m, type = "local"))), names = m))  
   
     df  
 }  
   
 setMethod("[",  
           signature(x = "FCorpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if (missing(i)) return(x)  
   
               x@.Data <- x@.Data[i, ..., drop = FALSE]  
               x  
           })  
 setMethod("[",  
           signature(x = "PCorpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if (missing(i)) return(x)  
   
               x@.Data <- x@.Data[i, ..., drop = FALSE]  
               index <- x@DMetaData[[1 , "subset"]]  
               if (any(is.na(index))) x@DMetaData[[1 , "subset"]] <- i  
               else x@DMetaData[[1 , "subset"]] <- index[i]  
112                x                x
113            })  }
 setMethod("[",  
           signature(x = "SCorpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if (missing(i)) return(x)  
   
               x@.Data <- x@.Data[i, ..., drop = FALSE]  
               DMetaData(x) <- DMetaData(x)[i, , drop = FALSE]  
               x  
           })  
114    
115  setMethod("[<-",  .map_name_index <-
116            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),  function(x, i)
117            function(x, i, j, ... , value) {  {
118                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])      if (is.character(i))
119                counter <- 1          match(i, if (is.null(names(x))) meta(x, "id", "local") else names(x))
120                for (id in x@.Data[i, ...]) {      else
121                    if (identical(length(value), 1)) db[[id]] <- value          i
                   else db[[id]] <- value[[counter]]  
                   counter <- counter + 1  
122                }                }
               x  
           })  
 setMethod("[<-",  
           signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
               x@.Data[i, ...] <- value  
               x  
           })  
123    
124  setMethod("[[",  `[[.PCorpus` <-
125            signature(x = "PCorpus", i = "ANY", j = "ANY"),  function(x, i)
126            function(x, i, j, ...) {  {
127                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])      i <- .map_name_index(x, i)
128                filehash::dbFetch(db, x@.Data[[i]])      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
129            })      filehash::dbFetch(db, x$content[[i]])
130  setMethod("[[",  }
131            signature(x = "SCorpus", i = "ANY", j = "ANY"),  `[[.VCorpus` <-
132            function(x, i, j, ...) {  function(x, i)
133                # TODO: For which corpora should lazy mapping be available?  {
134        i <- .map_name_index(x, i)
135                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
136                if (!is.null(lazyTmMap))                if (!is.null(lazyTmMap))
137                    .Call("copyCorpus", x, materialize(x, i))                    .Call("copyCorpus", x, materialize(x, i))
138                x@.Data[[i]]      x$content[[i]]
139            })  }
140    
141  setMethod("[[<-",  `[[<-.PCorpus` <-
142            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),  function(x, i, value)
143            function(x, i, j, ..., value) {  {
144                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])      i <- .map_name_index(x, i)
145                index <- x@.Data[[i]]      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
146                db[[index]] <- value      db[[x$content[[i]]]] <- value
147                x                x
148            })  }
149  setMethod("[[<-",  `[[<-.VCorpus` <-
150            signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),  function(x, i, value)
151            function(x, i, j, ..., value) {  {
152        i <- .map_name_index(x, i)
153                # Mark new objects as not active for lazy mapping                # Mark new objects as not active for lazy mapping
154                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
155                if (!is.null(lazyTmMap)) {                if (!is.null(lazyTmMap)) {
156                    lazyTmMap$index[i] <- FALSE                    lazyTmMap$index[i] <- FALSE
157                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
158                }                }
159                # Set the value      x$content[[i]] <- value
               x@.Data[[i, ...]] <- value  
   
160                x                x
161            })  }
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$Children <- list(left, right)
183          }          }
184          level <<- level - 1          level <<- level - 1
185            x
186          return(object)      }
187        list(root = set_id(x), left.mapping = left.mapping, right.mapping = mapping)
188      }      }
189    
190      list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping)  # Find indices to be updated for a CMetaData tree
191    .find_indices <-
192    function(x)
193    {
194        indices.mapping <- NULL
195        for (m in levels(as.factor(CorpusDMeta(x)$MetaID))) {
196            indices <- (CorpusDMeta(x)$MetaID == m)
197            indices.mapping <- c(indices.mapping, list(m = indices))
198            names(indices.mapping)[length(indices.mapping)] <- m
199        }
200        indices.mapping
201  }  }
202    
203  # TODO: Implement concatenation for other corpus types  #c2 <-
204  setMethod("c",  #function(x, y, ...)
205            signature(x = "Corpus"),  #{
206            function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  #    # Update the CMetaData tree
207    #    cmeta <- .MetaDataNode(0, list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), list(CMetaData(x), CMetaData(y)))
208    #    update.struct <- .update_id(cmeta)
209    #
210    #    new <- .VCorpus(c(unclass(x), unclass(y)), update.struct$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(...)                args <- list(...)
252                if (identical(length(args), 0)) return(x)      x <- args[[1L]]
   
               if (!all(sapply(args, inherits, class(x))))  
                   stop("not all arguments are of the same class")  
253    
254                Reduce(c2, base::c(list(x), args))      if (length(args) == 1L)
255            })          return(x)
256    
257  setGeneric("c2", function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))      if (!all(unlist(lapply(args, inherits, class(x)))))
258  setMethod("c2", signature(x = "FCorpus", y = "FCorpus"),          stop("not all arguments are of the same corpus type")
           function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  
               new("FCorpus", .Data = c(as(x, "list"), as(y, "list")))  
           })  
 setMethod("c2", signature(x = "SCorpus", y = "SCorpus"),  
           function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), 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$root  
259    
260                # Find indices to be updated for the left tree      if (recursive)
261                indices.mapping <- NULL          Reduce(c2, args)
262                for (m in levels(as.factor(DMetaData(x)$MetaID))) {      else {
263                    indices <- (DMetaData(x)$MetaID == m)          args <- do.call("c", lapply(args, content))
264                    indices.mapping <- c(indices.mapping, list(m = indices))          structure(list(content = args,
265                    names(indices.mapping)[length(indices.mapping)] <- m                         meta = CorpusMeta(),
266                           dmeta = data.frame(row.names = seq_along(args))),
267                      class = c("VCorpus", "Corpus"))
268                }                }
   
               # 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])  
269                }                }
270    
271                # Find indices to be updated for the right tree  c.TextDocument <-
272                indices.mapping <- NULL  function(..., recursive = FALSE)
273                for (m in levels(as.factor(DMetaData(y)$MetaID))) {  {
274                    indices <- (DMetaData(y)$MetaID == m)      args <- list(...)
275                    indices.mapping <- c(indices.mapping, list(m = indices))      x <- args[[1L]]
276                    names(indices.mapping)[length(indices.mapping)] <- m  
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                # Update the DMetaData data frames for the right tree  as.list.PCorpus <- as.list.VCorpus <-
290                for (i in 1:ncol(update.struct$right.mapping)) {  function(x, ...)
291                    map <- update.struct$right.mapping[,i]      content(x)
                   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)  
   
               object  
           })  
   
 setMethod("c",  
           signature(x = "TextDocument"),  
           function(x, ..., recursive = TRUE){  
               args <- list(...)  
               if (identical(length(args), 0)) return(x)  
292    
293                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)  content.VCorpus <-
294                cmeta.node <- new("MetaDataNode",  function(x)
295                              NodeID = 0,  {
296                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),      lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
297                              children = list())      if (!is.null(lazyTmMap))
298            .Call("copyCorpus", x, materialize(x))
299                new("SCorpus", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node)      x$content
           })  
   
 setMethod("show",  
           signature(object = "Corpus"),  
           function(object){  
               cat(sprintf(ngettext(length(object),  
                                    "A corpus with %d text document\n",  
                                    "A corpus 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")  
               }  
     })  
   
 inspect <- function(x) UseMethod("inspect", x)  
 inspect.PCorpus <- function(x) {  
     summary(x)  
     cat("\n")  
     db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])  
     show(filehash::dbMultiFetch(db, unlist(x)))  
300  }  }
301  inspect.FCorpus <- inspect.SCorpus <- function(x) {  
302      summary(x)  content.PCorpus <-
303    function(x)
304    {
305        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
306        filehash::dbMultiFetch(db, unlist(x$content))
307    }
308    
309    length.PCorpus <- length.VCorpus <-
310    function(x)
311        length(x$content)
312    
313    print.PCorpus <- print.VCorpus <-
314    function(x, ...)
315    {
316        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")      cat("\n")
340      print(noquote(lapply(x, identity)))      print(noquote(content(x)))
341        invisible(x)
342  }  }
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 = "PCorpus"),  {
           function(x, y) {  
               db <- filehash::dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])  
               any(sapply(y, function(x, z) {x %in% Content(z)}, x))  
           })  
 setMethod("%IN%", signature(x = "TextDocument", y = "SCorpus"),  
           function(x, y) x %in% y)  
   
 setMethod("lapply",  
           signature(X = "SCorpus"),  
           function(X, FUN, ...) {  
               lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")  
               if (!is.null(lazyTmMap))  
                   .Call("copyCorpus", X, materialize(X))  
               base::lapply(X, FUN, ...)  
           })  
 setMethod("lapply",  
           signature(X = "PCorpus"),  
           function(X, FUN, ...) {  
               db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
               lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)  
           })  
   
 setMethod("sapply",  
           signature(X = "SCorpus"),  
           function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {  
               lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")  
               if (!is.null(lazyTmMap))  
                   .Call("copyCorpus", X, materialize(X))  
               base::sapply(X, FUN, ...)  
           })  
 setMethod("sapply",  
           signature(X = "PCorpus"),  
           function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {  
               db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
               sapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)  
           })  
   
 setAs("list", "SCorpus", function(from) {  
     cmeta.node <- new("MetaDataNode",  
                       NodeID = 0,  
                       MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                       children = list())  
     data <- list()  
     counter <- 1  
     for (f in from) {  
         doc <- new("PlainTextDocument",  
                    .Data = f,  
                    Author = "", DateTimeStamp = as.POSIXlt(Sys.time(), tz = "GMT"),  
                    Description = "", ID = as.character(counter),  
                    Origin = "", Heading = "", Language = "eng")  
         data <- c(data, list(doc))  
         counter <- counter + 1  
     }  
     new("SCorpus", .Data = data,  
         DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),  
         CMetaData = cmeta.node)  
 })  
   
 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.952  
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