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 958, Sat Jun 13 06:06:42 2009 UTC revision 1377, Wed May 21 17:15:56 2014 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  prepareReader <- function(readerControl, defaultReader = NULL, ...) {  PCorpus <-
4      if (is.null(readerControl$reader))  function(x,
5          readerControl$reader <- defaultReader           readerControl = list(reader = reader(x), language = "en"),
6      if (is(readerControl$reader, "FunctionGenerator"))           dbControl = list(dbName = "", dbType = "DB1"))
7          readerControl$reader <- readerControl$reader(...)  {
8      if (is.null(readerControl$language))      stopifnot(inherits(x, "Source"))
         readerControl$language <- "eng"  
     readerControl  
 }  
   
 FCorpus <- function(object, readerControl = list(language = "eng")) {  
     readerControl <- prepareReader(readerControl, object@DefaultReader, ...)  
9    
10      if (!object@Vectorized)      readerControl <- prepareReader(readerControl, reader(x))
         stop("Source is not vectorized")  
11    
12      tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),      if (is.function(readerControl$init))
13                    function(x) readSlim(x[c("content", "uri")],          readerControl$init()
                                        readerControl$language,  
                                        as.character(x$id)))  
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"),  
                     ...) {  
     readerControl <- prepareReader(readerControl, object@DefaultReader, ...)  
17    
18      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
19          stop("error in creating database")          stop("error in creating database")
20      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
21    
22      # Allocate memory in advance if length is known      tdl <- vector("list", length(x))
     tdl <- if (object@Length > 0)  
         vector("list", as.integer(object@Length))  
     else  
         list()  
   
23      counter <- 1      counter <- 1
24      while (!eoi(object)) {      while (!eoi(x)) {
25          object <- stepNext(object)          x <- stepNext(x)
26          elem <- getElem(object)          elem <- getElem(x)
27          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))          doc <- readerControl$reader(elem,
28          filehash::dbInsert(db, ID(doc), doc)                                      readerControl$language,
29          if (object@Length > 0) tdl[[counter]] <- ID(doc)                                      as.character(counter))
30          else tdl <- c(tdl, ID(doc))          filehash::dbInsert(db, meta(doc, "id"), doc)
31            tdl[[counter]] <- meta(doc, "id")
32          counter <- counter + 1          counter <- counter + 1
33      }      }
34    
35      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      structure(list(content = tdl,
36      filehash::dbInsert(db, "DMetaData", df)                     meta = CorpusMeta(),
37      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))                     dmeta = data.frame(row.names = seq_along(tdl)),
38                       dbcontrol = dbControl),
39      cmeta.node <- new("MetaDataNode",                class = c("PCorpus", "Corpus"))
40                        NodeID = 0,  }
41                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
42                        children = list())  Corpus <-
43    VCorpus <-
44      new("PCorpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl)  function(x, readerControl = list(reader = reader(x), language = "en"))
45  }  {
46        stopifnot(inherits(x, "Source"))
47  # The "..." are additional arguments for the FunctionGenerator reader  
48  SCorpus <- Corpus <- function(object,      readerControl <- prepareReader(readerControl, reader(x))
49                      readerControl = list(reader = object@DefaultReader, language = "eng"),  
50                      ...) {      if (is.function(readerControl$init))
51      readerControl <- prepareReader(readerControl, object@DefaultReader, ...)          readerControl$init()
52    
53      # Allocate memory in advance if length is known      if (is.function(readerControl$exit))
54      tdl <- if (object@Length > 0)          on.exit(readerControl$exit())
55          vector("list", as.integer(object@Length))  
56      else      tdl <- vector("list", length(x))
57          list()      # Check for parallel element access
58        if (is.function(getS3method("pGetElem", class(x), TRUE)))
59      if (object@Vectorized)          tdl <- mapply(function(elem, id)
60          tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),                            readerControl$reader(elem, readerControl$language, id),
61                        function(x) readerControl$reader(x[c("content", "uri")],                        pGetElem(x),
62                                                         readerControl$language,                        id = as.character(seq_along(x)),
63                                                         as.character(x$id)))                        SIMPLIFY = FALSE)
64      else {      else {
65          counter <- 1          counter <- 1
66          while (!eoi(object)) {          while (!eoi(x)) {
67              object <- stepNext(object)              x <- stepNext(x)
68              elem <- getElem(object)              elem <- getElem(x)
69              doc <- readerControl$reader(elem, readerControl$language, as.character(counter))              doc <- readerControl$reader(elem,
70              if (object@Length > 0)                                          readerControl$language,
71                                            as.character(counter))
72                  tdl[[counter]] <- doc                  tdl[[counter]] <- doc
             else  
                 tdl <- c(tdl, list(doc))  
73              counter <- counter + 1              counter <- counter + 1
74          }          }
75      }      }
76    
77      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      structure(list(content = tdl,
78      cmeta.node <- new("MetaDataNode",                     meta = CorpusMeta(),
79                        NodeID = 0,                     dmeta = data.frame(row.names = seq_along(tdl))),
80                        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)))  
81                    }                    }
82                    else {  
83                        lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  `[.PCorpus` <-
84                        meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  function(x, i)
85    {
86        if (!missing(i)) {
87            x$content <- x$content[i]
88            x$dmeta <- x$dmeta[i, , drop = FALSE]
89                    }                    }
90        x
91                }                }
92                else {  
93                    result@.Data <- if (clusterAvailable())  `[.VCorpus` <-
94                        snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))  function(x, i)
95                    else  {
96                        lapply(object, FUN, ..., DMetaData = DMetaData(object))      if (!missing(i)) {
97            x$content <- x$content[i]
98            x$dmeta <- x$dmeta[i, , drop = FALSE]
99            if (!is.null(x$lazy))
100                x$lazy$index <- x$lazy$index[i]
101                }                }
102                result      x
           })  
 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)?  .map_name_index <-
106  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  function(x, i)
107  setMethod("appendElem",  {
108            signature(object = "Corpus", data = "TextDocument"),      if (is.character(i))
109            function(object, data, meta = NULL) {          match(i, meta(x, "id", "local"))
               if (DBControl(object)[["useDb"]] && require("filehash")) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   if (dbExists(db, ID(data)))  
                       warning("document with identical ID already exists")  
                   dbInsert(db, ID(data), data)  
                   object@.Data[[length(object)+1]] <- ID(data)  
               }  
110                else                else
111                    object@.Data[[length(object)+1]] <- data          i
               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  
112  }  }
113    
114  setMethod("[",  `[[.PCorpus` <-
115            signature(x = "FCorpus", i = "ANY", j = "ANY", drop = "ANY"),  function(x, i)
116            function(x, i, j, ... , drop) {  {
117                if (missing(i)) return(x)      i <- .map_name_index(x, i)
118        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
119                x@.Data <- x@.Data[i, ..., drop = FALSE]      filehash::dbFetch(db, x$content[[i]])
120                x  }
121            })  `[[.VCorpus` <-
122  setMethod("[",  function(x, i)
123            signature(x = "PCorpus", i = "ANY", j = "ANY", drop = "ANY"),  {
124            function(x, i, j, ... , drop) {      i <- .map_name_index(x, i)
125                if (missing(i)) return(x)      if (!is.null(x$lazy))
126            .Call(copyCorpus, x, materialize(x, i))
127                x@.Data <- x@.Data[i, ..., drop = FALSE]      x$content[[i]]
               index <- x@DMetaData[[1 , "subset"]]  
               if (any(is.na(index))) x@DMetaData[[1 , "subset"]] <- i  
               else x@DMetaData[[1 , "subset"]] <- index[i]  
               x  
           })  
 setMethod("[",  
           signature(x = "SCorpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if (missing(i)) return(x)  
   
               x@.Data <- x@.Data[i, ..., drop = FALSE]  
               DMetaData(x) <- DMetaData(x)[i, , drop = FALSE]  
               x  
           })  
   
 setMethod("[<-",  
           signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
               db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])  
               counter <- 1  
               for (id in x@.Data[i, ...]) {  
                   if (identical(length(value), 1)) db[[id]] <- value  
                   else db[[id]] <- value[[counter]]  
                   counter <- counter + 1  
128                }                }
               x  
           })  
 setMethod("[<-",  
           signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
               x@.Data[i, ...] <- value  
               x  
           })  
129    
130  setMethod("[[",  `[[<-.PCorpus` <-
131            signature(x = "PCorpus", i = "ANY", j = "ANY"),  function(x, i, value)
132            function(x, i, j, ...) {  {
133                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])      i <- .map_name_index(x, i)
134                filehash::dbFetch(db, x@.Data[[i]])      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
135            })      db[[x$content[[i]]]] <- value
 setMethod("[[",  
           signature(x = "SCorpus", i = "ANY", j = "ANY"),  
           function(x, i, j, ...) {  
               # TODO: For which corpora should lazy mapping be available?  
               lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")  
               if (!is.null(lazyTmMap))  
                   .Call("copyCorpus", x, materialize(x, i))  
               x@.Data[[i]]  
           })  
   
 setMethod("[[<-",  
           signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ..., value) {  
               db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])  
               index <- x@.Data[[i]]  
               db[[index]] <- value  
136                x                x
           })  
 setMethod("[[<-",  
           signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ..., value) {  
               # Mark new objects as not active for lazy mapping  
               lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")  
               if (!is.null(lazyTmMap)) {  
                   lazyTmMap$index[i] <- FALSE  
                   meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
137                }                }
138                # Set the value  `[[<-.VCorpus` <-
139                x@.Data[[i, ...]] <- value  function(x, i, value)
140    {
141        i <- .map_name_index(x, i)
142        # Mark new objects as inactive for lazy mapping
143        if (!is.null(x$lazy))
144            x$lazy$index[i] <- FALSE
145        x$content[[i]] <- value
146                x                x
           })  
   
 # Update \code{NodeID}s of a CMetaData tree  
 update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {  
     # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s  
     set_id <- function(object) {  
         object@NodeID <- id  
         id <<- id + 1  
         level <<- level + 1  
   
         if (length(object@children) > 0) {  
             mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))  
             left <- set_id(object@children[[1]])  
             if (level == 1) {  
                 left.mapping <<- mapping  
                 mapping <<- NULL  
147              }              }
             mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))  
             right <- set_id(object@children[[2]])  
148    
149              object@children <- list(left, right)  as.list.PCorpus <- as.list.VCorpus <-
150          }  function(x, ...)
151          level <<- level - 1      content(x)
152    
153          return(object)  as.VCorpus <-
154      }  function(x)
155        UseMethod("as.VCorpus")
156    as.VCorpus.VCorpus <- identity
157    
158      list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping)  outer_union <-
159    function(x, y, ...)
160    {
161        if (nrow(x) > 0L)
162            x[, setdiff(names(y), names(x))] <- NA
163        if (nrow(y) > 0L)
164            y[, setdiff(names(x), names(y))] <- NA
165        res <- rbind(x, y)
166        if (ncol(res) == 0L)
167            res <- data.frame(row.names = seq_len(nrow(x) + nrow(y)))
168        res
169  }  }
170    
171  setMethod("c",  c.VCorpus <-
172            signature(x = "Corpus"),  function(..., recursive = FALSE)
173            function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = FALSE) {  {
174                args <- list(...)                args <- list(...)
175                if (identical(length(args), 0)) return(x)      x <- args[[1L]]
176    
177                if (!all(sapply(args, inherits, class(x))))      if (length(args) == 1L)
178                    stop("not all arguments are of the same corpus type")          return(x)
   
               if (inherits(x, "PCorpus"))  
                   stop("concatenation of corpora with underlying databases is not supported")  
179    
180                Reduce(c2, base::c(list(x), args))      if (!all(unlist(lapply(args, inherits, class(x)))))
181            })          stop("not all arguments are of the same corpus type")
   
 setGeneric("c2", function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) standardGeneric("c2"))  
 setMethod("c2", signature(x = "FCorpus", y = "FCorpus"),  
           function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) {  
               new("FCorpus", .Data = c(as(x, "list"), as(y, "list")))  
           })  
 setMethod("c2", signature(x = "SCorpus", y = "SCorpus"),  
           function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) {  
               object <- x  
               # Concatenate data slots  
               object@.Data <- c(as(x, "list"), as(y, "list"))  
   
               # Update the CMetaData tree  
               cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))  
               update.struct <- update_id(cmeta)  
               object@CMetaData <- update.struct$root  
   
               # Find indices to be updated for the left tree  
               indices.mapping <- NULL  
               for (m in levels(as.factor(DMetaData(x)$MetaID))) {  
                   indices <- (DMetaData(x)$MetaID == m)  
                   indices.mapping <- c(indices.mapping, list(m = indices))  
                   names(indices.mapping)[length(indices.mapping)] <- m  
               }  
   
               # 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])  
               }  
   
               # Find indices to be updated for the right tree  
               indices.mapping <- NULL  
               for (m in levels(as.factor(DMetaData(y)$MetaID))) {  
                   indices <- (DMetaData(y)$MetaID == m)  
                   indices.mapping <- c(indices.mapping, list(m = indices))  
                   names(indices.mapping)[length(indices.mapping)] <- m  
               }  
   
               # Update the DMetaData data frames for the right tree  
               for (i in 1:ncol(update.struct$right.mapping)) {  
                   map <- update.struct$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)  
   
               object  
           })  
   
 setMethod("c",  
           signature(x = "TextDocument"),  
           function(x, ..., recursive = FALSE){  
               args <- list(...)  
               if (identical(length(args), 0)) return(x)  
182    
183                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      structure(list(content = do.call("c", lapply(args, content)),
184                cmeta.node <- new("MetaDataNode",                     meta = CorpusMeta(meta = do.call("c",
185                              NodeID = 0,                       lapply(args, function(a) meta(a, type = "corpus")))),
186                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),                     dmeta = Reduce(outer_union, lapply(args, meta))),
187                              children = list())                class = c("VCorpus", "Corpus"))
188    }
189                new("SCorpus", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node)  
190            })  content.VCorpus <-
191    function(x)
192  setMethod("show",  {
193            signature(object = "Corpus"),      if (!is.null(x$lazy))
194            function(object){          .Call(copyCorpus, x, materialize(x))
195                cat(sprintf(ngettext(length(object),      x$content
196                                     "A corpus with %d text document\n",  }
197                                     "A corpus with %d text documents\n"),  
198                            length(object)))  content.PCorpus <-
199      })  function(x)
200    {
201  setMethod("summary",      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
202            signature(object = "Corpus"),      filehash::dbMultiFetch(db, unlist(x$content))
203            function(object){  }
204                show(object)  
205                if (length(DMetaData(object)) > 0) {  inspect <-
206                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),  function(x)
207                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",      UseMethod("inspect", x)
208                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),  inspect.PCorpus <- inspect.VCorpus <-
209                                         length(CMetaData(object)@MetaData)))  function(x)
210                    cat("Available tags are:\n")  {
211                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")      print(x)
                   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)))  
 }  
 inspect.FCorpus <- inspect.SCorpus <- function(x) {  
     summary(x)  
212      cat("\n")      cat("\n")
213      print(noquote(lapply(x, identity)))      print(noquote(content(x)))
214        invisible(x)
215  }  }
216    
217  # No metadata is checked  length.PCorpus <- length.VCorpus <-
218  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  function(x)
219  setMethod("%IN%", signature(x = "TextDocument", y = "PCorpus"),      length(x$content)
220            function(x, y) {  
221                db <- filehash::dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])  names.PCorpus <- names.VCorpus <-
222                any(sapply(y, function(x, z) {x %in% Content(z)}, x))  function(x)
223            })      as.character(meta(x, "id", "local"))
224  setMethod("%IN%", signature(x = "TextDocument", y = "SCorpus"),  
225            function(x, y) x %in% y)  print.PCorpus <- print.VCorpus <-
226    function(x, ...)
227  setMethod("lapply",  {
228            signature(X = "SCorpus"),      writeLines(sprintf("<<%s (documents: %d, metadata (corpus/indexed): %d/%d)>>",
229            function(X, FUN, ...) {                         class(x)[1],
230                lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                         length(x),
231                if (!is.null(lazyTmMap))                         length(meta(x, type = "corpus")),
232                    .Call("copyCorpus", X, materialize(X))                         ncol(meta(x, type = "indexed"))))
233                base::lapply(X, FUN, ...)      invisible(x)
234            })  }
235  setMethod("lapply",  
236            signature(X = "PCorpus"),  writeCorpus <-
237            function(X, FUN, ...) {  function(x, path = ".", filenames = NULL)
238                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 <- vector("list", length(from))  
     counter <- 1  
     for (f in from) {  
         data[[counter]] <- new("PlainTextDocument",  
                                .Data = f,  
                                DateTimeStamp = as.POSIXlt(Sys.time(), tz = "GMT"),  
                                ID = as.character(counter),  
                                Language = "eng")  
         counter <- counter + 1  
     }  
     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) {  
239                filenames <- file.path(path,                filenames <- file.path(path,
240                                       if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))        if (is.null(filenames))
241              sprintf("%s.txt", as.character(meta(x, "id", "local")))
242                                       else filenames)                                       else filenames)
243                i <- 1  
244                for (o in object) {      stopifnot(length(x) == length(filenames))
245                    writeLines(asPlain(o), filenames[i])  
246                    i <- i + 1      mapply(function(doc, f) writeLines(as.character(doc), f), x, filenames)
247    
248        invisible(x)
249                }                }
           })  

Legend:
Removed from v.958  
changed lines
  Added in v.1377

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