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 1419, Sat May 2 17:23:47 2015 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 = reader(x), language = "en"),
6             dbControl = list(dbName = "", dbType = "DB1"))
7    {
8        stopifnot(inherits(x, "Source"))
9    
10      if (!object@Vectorized)      readerControl <- prepareReader(readerControl, reader(x))
         stop("Source is not vectorized")  
   
     tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),  
                   function(x) readSlim(x[c("content", "uri")],  
                                        readerControl$language,  
                                        as.character(x$id)))  
   
     new("FCorpus", .Data = tdl)  
 }  
   
 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$language <- "eng"  
11    
12      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
13          stop("error in creating database")          stop("error in creating database")
14      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
15    
16      # Allocate memory in advance if length is known      x <- open(x)
17      tdl <- if (object@Length > 0)      tdl <- vector("list", length(x))
         vector("list", as.integer(object@Length))  
     else  
         list()  
   
18      counter <- 1      counter <- 1
19      while (!eoi(object)) {      while (!eoi(x)) {
20          object <- stepNext(object)          x <- stepNext(x)
21          elem <- getElem(object)          elem <- getElem(x)
22          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))          doc <- readerControl$reader(elem,
23          filehash::dbInsert(db, ID(doc), doc)                                      readerControl$language,
24          if (object@Length > 0) tdl[[counter]] <- ID(doc)                                      as.character(counter))
25          else tdl <- c(tdl, ID(doc))          filehash::dbInsert(db, meta(doc, "id"), doc)
26            tdl[[counter]] <- meta(doc, "id")
27          counter <- counter + 1          counter <- counter + 1
28      }      }
29        x <- close(x)
30    
31      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      p <- list(content = tdl,
32      filehash::dbInsert(db, "DMetaData", df)                meta = CorpusMeta(),
33      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))                dmeta = data.frame(row.names = seq_along(tdl)),
34                  dbcontrol = dbControl)
35      cmeta.node <- new("MetaDataNode",      class(p) <- c("PCorpus", "Corpus")
36                        NodeID = 0,      p
37                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  }
38                        children = list())  
39    Corpus <-
40      new("PCorpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl)  VCorpus <-
41  }  function(x, readerControl = list(reader = reader(x), language = "en"))
42    {
43  # The "..." are additional arguments for the FunctionGenerator reader      stopifnot(inherits(x, "Source"))
44  SCorpus <- Corpus <- function(object,  
45                      readerControl = list(reader = object@DefaultReader, language = "eng"),      readerControl <- prepareReader(readerControl, reader(x))
46                      ...) {  
47      if (is.null(readerControl$reader))      x <- open(x)
48          readerControl$reader <- object@DefaultReader      tdl <- vector("list", length(x))
49      if (is(readerControl$reader, "FunctionGenerator"))      # Check for parallel element access
50          readerControl$reader <- readerControl$reader(...)      if (is.function(getS3method("pGetElem", class(x), TRUE)))
51      if (is.null(readerControl$language))          tdl <- mapply(function(elem, id)
52          readerControl$language <- "eng"                            readerControl$reader(elem, readerControl$language, id),
53                          pGetElem(x),
54      # Allocate memory in advance if length is known                        id = as.character(seq_along(x)),
55      tdl <- if (object@Length > 0)                        SIMPLIFY = FALSE)
         vector("list", as.integer(object@Length))  
     else  
         list()  
   
     if (object@Vectorized)  
         tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),  
                       function(x) readerControl$reader(x[c("content", "uri")],  
                                                        readerControl$language,  
                                                        as.character(x$id)))  
56      else {      else {
57          counter <- 1          counter <- 1
58          while (!eoi(object)) {          while (!eoi(x)) {
59              object <- stepNext(object)              x <- stepNext(x)
60              elem <- getElem(object)              elem <- getElem(x)
61              doc <- readerControl$reader(elem, readerControl$language, as.character(counter))              doc <- readerControl$reader(elem,
62              if (object@Length > 0)                                          readerControl$language,
63                                            as.character(counter))
64                  tdl[[counter]] <- doc                  tdl[[counter]] <- doc
             else  
                 tdl <- c(tdl, list(doc))  
65              counter <- counter + 1              counter <- counter + 1
66          }          }
67      }      }
68        x <- close(x)
69    
70      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      as.VCorpus(tdl)
     cmeta.node <- new("MetaDataNode",  
                       NodeID = 0,  
                       MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                       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)))  
71                    }                    }
72                    else {  
73                        lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  `[.PCorpus` <-
74                        meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  function(x, i)
75    {
76        if (!missing(i)) {
77            x$content <- x$content[i]
78            x$dmeta <- x$dmeta[i, , drop = FALSE]
79                    }                    }
80        x
81                }                }
82                else {  
83                    result@.Data <- if (clusterAvailable())  `[.VCorpus` <-
84                        snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))  function(x, i)
85                    else  {
86                        lapply(object, FUN, ..., DMetaData = DMetaData(object))      if (!missing(i)) {
87            x$content <- x$content[i]
88            x$dmeta <- x$dmeta[i, , drop = FALSE]
89            if (!is.null(x$lazy))
90                x$lazy$index <- x$lazy$index[i]
91                }                }
92                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)))  
93                }                }
               else  
                   return(FUN(object, ...))  
           })  
94    
95  # TODO: Replace with c(Corpus, TextDocument)?  .map_name_index <-
96  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  function(x, i)
97  setMethod("appendElem",  {
98            signature(object = "Corpus", data = "TextDocument"),      if (is.character(i))
99            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)  
               }  
100                else                else
101                    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  
102  }  }
103    
104  setMethod("[",  `[[.PCorpus` <-
105            signature(x = "FCorpus", i = "ANY", j = "ANY", drop = "ANY"),  function(x, i)
106            function(x, i, j, ... , drop) {  {
107                if (missing(i)) return(x)      i <- .map_name_index(x, i)
108        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
109                x@.Data <- x@.Data[i, ..., drop = FALSE]      filehash::dbFetch(db, x$content[[i]])
110                x  }
111            })  `[[.VCorpus` <-
112  setMethod("[",  function(x, i)
113            signature(x = "PCorpus", i = "ANY", j = "ANY", drop = "ANY"),  {
114            function(x, i, j, ... , drop) {      i <- .map_name_index(x, i)
115                if (missing(i)) return(x)      if (!is.null(x$lazy))
116            .Call(copyCorpus, x, materialize(x, i))
117                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  
118                }                }
               x  
           })  
 setMethod("[<-",  
           signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
               x@.Data[i, ...] <- value  
               x  
           })  
119    
120  setMethod("[[",  `[[<-.PCorpus` <-
121            signature(x = "PCorpus", i = "ANY", j = "ANY"),  function(x, i, value)
122            function(x, i, j, ...) {  {
123                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])      i <- .map_name_index(x, i)
124                filehash::dbFetch(db, x@.Data[[i]])      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
125            })      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  
126                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$index[i] <- FALSE  
                   meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
127                }                }
128                # Set the value  `[[<-.VCorpus` <-
129                x@.Data[[i, ...]] <- value  function(x, i, value)
130    {
131        i <- .map_name_index(x, i)
132        # Mark new objects as inactive for lazy mapping
133        if (!is.null(x$lazy))
134            x$lazy$index[i] <- FALSE
135        x$content[[i]] <- value
136                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  
137              }              }
             mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))  
             right <- set_id(object@children[[2]])  
138    
139              object@children <- list(left, right)  as.list.PCorpus <- as.list.VCorpus <-
140          }  function(x, ...)
141          level <<- level - 1      setNames(content(x), as.character(lapply(content(x), meta, "id")))
142    
143          return(object)  as.VCorpus <-
144    function(x)
145        UseMethod("as.VCorpus")
146    as.VCorpus.VCorpus <- identity
147    as.VCorpus.list <-
148    function(x)
149    {
150        v <- list(content = x,
151                  meta = CorpusMeta(),
152                  dmeta = data.frame(row.names = seq_along(x)))
153        class(v) <- c("VCorpus", "Corpus")
154        v
155      }      }
156    
157      list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping)  outer_union <-
158    function(x, y, ...)
159    {
160        if (nrow(x) > 0L)
161            x[, setdiff(names(y), names(x))] <- NA
162        if (nrow(y) > 0L)
163            y[, setdiff(names(x), names(y))] <- NA
164        res <- rbind(x, y)
165        if (ncol(res) == 0L)
166            res <- data.frame(row.names = seq_len(nrow(x) + nrow(y)))
167        res
168  }  }
169    
170  # TODO: Implement concatenation for other corpus types  c.VCorpus <-
171  setMethod("c",  function(..., recursive = FALSE)
172            signature(x = "Corpus"),  {
           function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  
173                args <- list(...)                args <- list(...)
174                if (identical(length(args), 0)) return(x)      x <- args[[1L]]
175    
176                if (!all(sapply(args, inherits, class(x))))      if (length(args) == 1L)
177                    stop("not all arguments are of the same class")          return(x)
178    
179                Reduce(c2, base::c(list(x), args))      if (!all(unlist(lapply(args, inherits, class(x)))))
180            })          stop("not all arguments are of the same corpus type")
181    
182  setGeneric("c2", function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))      v <- list(content = do.call("c", lapply(args, content)),
183  setMethod("c2", signature(x = "FCorpus", y = "FCorpus"),                meta = CorpusMeta(meta = do.call("c",
184            function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {                  lapply(args, function(a) meta(a, type = "corpus")))),
185                new("FCorpus", .Data = c(as(x, "list"), as(y, "list")))                dmeta = Reduce(outer_union, lapply(args, meta)))
186            })      class(v) <- c("VCorpus", "Corpus")
187  setMethod("c2", signature(x = "SCorpus", y = "SCorpus"),      v
188            function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  }
189                object <- x  
190                # Concatenate data slots  content.VCorpus <-
191                object@.Data <- c(as(x, "list"), as(y, "list"))  function(x)
192    {
193                # Update the CMetaData tree      if (!is.null(x$lazy))
194                cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))          .Call(copyCorpus, x, materialize(x))
195                update.struct <- update_id(cmeta)      x$content
196                object@CMetaData <- update.struct$root  }
197    
198                # Find indices to be updated for the left tree  content.PCorpus <-
199                indices.mapping <- NULL  function(x)
200                for (m in levels(as.factor(DMetaData(x)$MetaID))) {  {
201                    indices <- (DMetaData(x)$MetaID == m)      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
202                    indices.mapping <- c(indices.mapping, list(m = indices))      filehash::dbMultiFetch(db, unlist(x$content))
203                    names(indices.mapping)[length(indices.mapping)] <- m  }
204                }  
205    inspect <-
206                # Update the DMetaData data frames for the left tree  function(x)
207                for (i in 1:ncol(update.struct$left.mapping)) {      UseMethod("inspect", x)
208                    map <- update.struct$left.mapping[,i]  inspect.PCorpus <- inspect.VCorpus <-
209                    x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])  function(x)
210                }  {
211        print(x)
               # 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 = TRUE){  
               args <- list(...)  
               if (identical(length(args), 0)) return(x)  
   
               dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)  
               cmeta.node <- new("MetaDataNode",  
                             NodeID = 0,  
                             MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                             children = list())  
   
               new("SCorpus", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node)  
           })  
   
 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)  
212      cat("\n")      cat("\n")
213      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])      print(noquote(content(x)))
214      show(filehash::dbMultiFetch(db, unlist(x)))      invisible(x)
215  }  }
216  inspect.FCorpus <- inspect.SCorpus <- function(x) {  
217      summary(x)  length.PCorpus <- length.VCorpus <-
218      cat("\n")  function(x)
219      print(noquote(lapply(x, identity)))      length(x$content)
220    
221    names.PCorpus <- names.VCorpus <-
222    function(x)
223        as.character(meta(x, "id", "local"))
224    
225    `names<-.PCorpus` <- `names<-.VCorpus` <-
226    function(x, value)
227    {
228        meta(x, "id", "local") <- as.character(value)
229        x
230  }  }
231    
232  # No metadata is checked  format.PCorpus <- format.VCorpus <-
233  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  function(x, ...)
234  setMethod("%IN%", signature(x = "TextDocument", y = "PCorpus"),  {
235            function(x, y) {      c(sprintf("<<%s>>", class(x)[1L]),
236                db <- filehash::dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])        sprintf("Metadata:  corpus specific: %d, document level (indexed): %d",
237                any(sapply(y, function(x, z) {x %in% Content(z)}, x))                length(meta(x, type = "corpus")),
238            })                ncol(meta(x, type = "indexed"))),
239  setMethod("%IN%", signature(x = "TextDocument", y = "SCorpus"),        sprintf("Content:  documents: %d", length(x)))
           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  
240      }      }
241      new("SCorpus", .Data = data,  
242          DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),  writeCorpus <-
243          CMetaData = cmeta.node)  function(x, path = ".", filenames = NULL)
244  })  {
   
 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  
 setMethod("writeCorpus",  
           signature(object = "Corpus"),  
           function(object, path = ".", filenames = NULL) {  
245                filenames <- file.path(path,                filenames <- file.path(path,
246                                       if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))        if (is.null(filenames))
247              sprintf("%s.txt", as.character(meta(x, "id", "local")))
248                                       else filenames)                                       else filenames)
249                i <- 1  
250                for (o in object) {      stopifnot(length(x) == length(filenames))
251                    writeLines(asPlain(o), filenames[i])  
252                    i <- i + 1      mapply(function(doc, f) writeLines(as.character(doc), f), x, filenames)
253    
254        invisible(x)
255                }                }
           })  

Legend:
Removed from v.952  
changed lines
  Added in v.1419

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