SCM

SCM Repository

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

Diff of /pkg/R/corpus.R

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

trunk/R/textmin/R/textdoccol.R revision 55, Thu Sep 14 12:31:07 2006 UTC pkg/R/corpus.R revision 1460, Mon Jan 9 17:01:04 2017 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  setGeneric("TextDocCol", function(object, inputType = "CSV", stripWhiteSpace = FALSE, toLower = FALSE) standardGeneric("TextDocCol"))  Corpus <-
4  setMethod("TextDocCol",  function(x, readerControl = list(reader = reader(x), language = "en"))
5            c("character"),  {
6            function(object, inputType = "CSV", stripWhiteSpace = FALSE, toLower = FALSE) {      stopifnot(inherits(x, "Source"))
7                # Add a new type for each unique input source format  
8                type <- match.arg(inputType,c("CSV", "RCV1", "REUT21578", "REUT21578_XML", "RIS"))      readerControl <- prepareReader(readerControl, reader(x))
9                switch(type,  
10                       # Text in a special CSV format      if ((inherits(x, "DirSource") || inherits(x, "VectorSource")) &&
11                       # For details on the file format see the R documentation file          identical(readerControl$reader, readPlain))
12                       # The first argument is a directory with .csv files          SimpleCorpus(x, readerControl)
                      "CSV" = {  
                          filelist <- dir(object, pattern = ".csv", full.names = TRUE)  
                          tdl <- sapply(filelist,  
                                        function(file) {  
                                            m <- as.matrix(read.csv(file, header = FALSE))  
                                            l <- vector("list", dim(m)[1])  
                                            for (i in 1:dim(m)[1]) {  
                                                author <- ""  
                                                datetimestamp <- date()  
                                                description <- ""  
                                                id <- as.integer(m[i,1])  
                                                corpus <- as.character(m[i,2:dim(m)[2]])  
                                                if (stripWhiteSpace)  
                                                    corpus <- gsub("[[:space:]]+", " ", corpus)  
                                                if (toLower)  
                                                    corpus <- tolower(corpus)  
                                                origin <- "CSV"  
                                                heading <- ""  
   
                                                l[[i]] <- new("PlainTextDocument", .Data = corpus, Author = author, DateTimeStamp = datetimestamp,  
                                                              Description = description, ID = id, Origin = origin, Heading = heading)  
                                            }  
                                            l  
                                        })  
                          if (length(filelist) > 1)  
                              tdcl <- new("TextDocCol", .Data = unlist(tdl, recursive = FALSE))  
13                           else                           else
14                               tdcl <- new("TextDocCol", .Data = tdl)          VCorpus(x, readerControl)
15                       },  }
                      # Read in text documents in XML Reuters Corpus Volume 1 (RCV1) format  
                      # The first argument is a directory with the RCV1 XML files  
                      "RCV1" = {  
                          filelist <- dir(object, pattern = ".xml", full.names = TRUE)  
                          tdl <- sapply(filelist,  
                                        function(file) {  
                                            tree <- xmlTreeParse(file)  
                                            xmlApply(xmlRoot(tree), parseNewsItemPlain, stripWhiteSpace, toLower)  
                                        })  
                          if (length(filelist) > 1)  
                              tdcl <- new("TextDocCol", .Data = unlist(tdl, recursive = FALSE))  
                          else  
                              tdcl <- new("TextDocCol", .Data = tdl)  
                      },  
                      # Read in text documents in Reuters-21578 XML (not SGML) format  
                      # Typically the first argument will be a directory where we can  
                      # find the files reut2-000.xml ... reut2-021.xml  
                      "REUT21578" = {  
                          filelist <- dir(object, pattern = ".xml", full.names = TRUE)  
                          tdl <- sapply(filelist,  
                                        function(file) {  
                                            tree <- xmlTreeParse(file)  
                                            xmlApply(xmlRoot(tree), parseReutersPlain, stripWhiteSpace, toLower)  
                                        })  
                          if (length(filelist) > 1)  
                              tdcl <- new("TextDocCol", .Data = unlist(tdl, recursive = FALSE))  
                          else  
                              tdcl <- new("TextDocCol", .Data = tdl)  
                      },  
                      "REUT21578_XML" = {  
                          filelist <- dir(object, pattern = ".xml", full.names = TRUE)  
                          tdl <- sapply(filelist,  
                                        function(file) {  
                                            parseReutersXML(file)  
                                        })  
                          tdcl <- new("TextDocCol", .Data = tdl)  
                      },  
                      # Read in HTML documents as used by http://ris.bka.gv.at/vwgh  
                      "RIS" = {  
                          filelist <- dir(object, pattern = ".html", full.names = TRUE)  
                          tdl <- sapply(filelist,  
                                        function(file) {  
                                            # Ignore warnings from misformed HTML documents  
                                            suppressWarnings(RISDoc <- parseRISPlain(file, stripWhiteSpace, toLower))  
                                            if (!is.null(RISDoc)) {  
                                                l <- list()  
                                                l[[length(l) + 1]] <- RISDoc  
                                                l  
                                            }  
                                        })  
                          tdcl <- new("TextDocCol", .Data = tdl)  
                      })  
               tdcl  
           })  
   
 # Parse an Austrian RIS HTML document  
 parseRISPlain <- function(file, stripWhiteSpace = FALSE, toLower = FALSE) {  
     author <- ""  
     datetimestamp <- date()  
     description <- ""  
   
     tree <- htmlTreeParse(file)  
     htmlElem <- unlist(tree$children$html$children)  
   
     if (is.null(htmlElem))  
         stop(paste("Empty document", file, "cannot be processed."))  
   
     textElem <- htmlElem[which(regexpr("text.value", names(htmlElem)) > 0)]  
     names(textElem) <- NULL  
   
     corpus <- paste(textElem, collapse = " ")  
   
     year <- substring(corpus, regexpr("..../../", corpus), regexpr("..../../", corpus) + 3)  
     senat <- substring(corpus, regexpr("..../../", corpus) + 5, regexpr("..../../", corpus) + 6)  
     number <- substring(corpus, regexpr("..../../", corpus) + 8, regexpr("..../../", corpus) + 11)  
   
     id <- as.integer(paste(year, senat, number, sep = ""))  
   
     if (is.na(id))  
         stop(paste("Cannot extract 'Geschaeftszahl' out of malformed document", file))  
     origin <- ""  
   
     if (stripWhiteSpace)  
         corpus <- gsub("[[:space:]]+", " ", corpus)  
     if (toLower)  
         corpus <- tolower(corpus)  
   
     heading <- ""  
   
     new("PlainTextDocument", .Data = corpus, Author = author, DateTimeStamp = datetimestamp,  
         Description = description, ID = id, Origin = origin, Heading = heading)  
 }  
   
 # Parse a <newsitem></newsitem> element from a well-formed RCV1 XML file  
 parseNewsItemPlain <- function(node, stripWhiteSpace = FALSE, toLower = FALSE) {  
     author <- "Not yet implemented"  
     datetimestamp <- xmlAttrs(node)[["date"]]  
     description <- "Not yet implemented"  
     id <- as.integer(xmlAttrs(node)[["itemid"]])  
     origin <- "Reuters Corpus Volume 1 XML"  
     corpus <- unlist(xmlApply(node[["text"]], xmlValue), use.names = FALSE)  
   
     if (stripWhiteSpace)  
         corpus <- gsub("[[:space:]]+", " ", corpus)  
     if (toLower)  
         corpus <- tolower(corpus)  
   
     heading <- xmlValue(node[["title"]])  
   
     new("PlainTextDocument", .Data = corpus, Author = author, DateTimeStamp = datetimestamp,  
         Description = description, ID = id, Origin = origin, Heading = heading)  
 }  
   
 # Parse a <REUTERS></REUTERS> element from a well-formed Reuters-21578 XML file  
 parseReutersPlain <- function(node, stripWhiteSpace = FALSE, toLower = FALSE) {  
     # The <AUTHOR></AUTHOR> tag is unfortunately NOT obligatory!  
     if (!is.null(node[["TEXT"]][["AUTHOR"]]))  
         author <- xmlValue(node[["TEXT"]][["AUTHOR"]])  
     else  
         author <- ""  
   
     datetimestamp <- xmlValue(node[["DATE"]])  
     description <- ""  
     id <- as.integer(xmlAttrs(node)[["NEWID"]])  
16    
17      origin <- "Reuters-21578 XML"  PCorpus <-
18    function(x,
19             readerControl = list(reader = reader(x), language = "en"),
20             dbControl = list(dbName = "", dbType = "DB1"))
21    {
22        stopifnot(inherits(x, "Source"))
23    
24        readerControl <- prepareReader(readerControl, reader(x))
25    
26        if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
27            stop("error in creating database")
28        db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
29    
30        x <- open(x)
31        tdl <- vector("list", length(x))
32        counter <- 1
33        while (!eoi(x)) {
34            x <- stepNext(x)
35            elem <- getElem(x)
36            doc <- readerControl$reader(elem,
37                                        readerControl$language,
38                                        as.character(counter))
39            filehash::dbInsert(db, meta(doc, "id"), doc)
40            tdl[[counter]] <- meta(doc, "id")
41            counter <- counter + 1
42        }
43        x <- close(x)
44    
45      # The <BODY></BODY> tag is unfortunately NOT obligatory!      p <- list(content = tdl,
46      if (!is.null(node[["TEXT"]][["BODY"]]))                meta = CorpusMeta(),
47          corpus <- xmlValue(node[["TEXT"]][["BODY"]])                dmeta = data.frame(row.names = seq_along(tdl)),
48      else                dbcontrol = dbControl)
49          corpus <- ""      class(p) <- c("PCorpus", "Corpus")
50        p
51    }
52    
53      if (stripWhiteSpace)  SimpleCorpus <-
54          corpus <- gsub("[[:space:]]+", " ", corpus)  function(x, control = list(language = "en"))
55      if (toLower)  {
56          corpus <- tolower(corpus)      stopifnot(inherits(x, "Source"))
57    
58      # The <TITLE></TITLE> tag is unfortunately NOT obligatory!      if (!is.null(control$reader) && !identical(control$reader, readPlain))
59      if (!is.null(node[["TEXT"]][["TITLE"]]))          warning("custom reader is ignored")
60          heading <- xmlValue(node[["TEXT"]][["TITLE"]])  
61      else      content <- if (inherits(x, "VectorSource")) {
62          heading <- ""          if (is.character(x$content)) x$content else as.character(x$content)
63        } else if (inherits(x, "DirSource")) {
64            setNames(as.character(
65                       lapply(x$filelist,
66                              function(f) paste(readContent(f, x$encoding, "text"),
67                                                collapse = "\n"))
68                       ),
69                     basename(x$filelist))
70        } else
71            stop("unsupported source type")
72        s <- list(content = content,
73                  meta = CorpusMeta(language = control$language),
74                  dmeta = data.frame(row.names = seq_along(x)))
75        class(s) <- c("SimpleCorpus", "Corpus")
76        s
77    }
78    
79      topics <- unlist(xmlApply(node[["TOPICS"]], function(x) xmlValue(x)), use.names = FALSE)  VCorpus <-
80    function(x, readerControl = list(reader = reader(x), language = "en"))
81    {
82        stopifnot(inherits(x, "Source"))
83    
84        readerControl <- prepareReader(readerControl, reader(x))
85    
86        x <- open(x)
87        tdl <- vector("list", length(x))
88        # Check for parallel element access
89        if (is.function(getS3method("pGetElem", class(x), TRUE)))
90            tdl <- mapply(function(elem, id)
91                            readerControl$reader(elem, readerControl$language, id),
92                          pGetElem(x),
93                          id = as.character(seq_along(x)),
94                          SIMPLIFY = FALSE)
95        else {
96            counter <- 1
97            while (!eoi(x)) {
98                x <- stepNext(x)
99                elem <- getElem(x)
100                doc <- readerControl$reader(elem,
101                                            readerControl$language,
102                                            as.character(counter))
103                tdl[[counter]] <- doc
104                counter <- counter + 1
105            }
106        }
107        x <- close(x)
108    
109      new("PlainTextDocument", .Data = corpus, Cached = 1, Author = author, DateTimeStamp = datetimestamp,      as.VCorpus(tdl)
         Description = description, ID = id, Origin = origin, Heading = heading, LocalMetaData = list(Topics = topics))  
110  }  }
111    
112  # Parse a <REUTERS></REUTERS> element from a well-formed Reuters-21578 XML file  `[.PCorpus` <-
113  parseReutersXML<- function(file) {  `[.SimpleCorpus` <-
114      new("XMLTextDocument", FileName = file, Cached = 0, Author = "REUTERS", DateTimeStamp = date(),  function(x, i)
115          Description = "Reuters21578 file containing several news articles", ID = as.integer(0),  {
116          Origin = "Reuters-21578 XML", Heading = "Reuters21578 news articles")      if (!missing(i)) {
117  }          x$content <- x$content[i]
118            x$dmeta <- x$dmeta[i, , drop = FALSE]
119  setGeneric("loadFileIntoMem", function(object) standardGeneric("loadFileIntoMem"))      }
120  setMethod("loadFileIntoMem",      x
121            c("XMLTextDocument"),  }
122            function(object) {  `[.VCorpus` <-
123                if (object@Cached == 0) {  function(x, i)
124                    file <- object@FileName  {
125                    doc <- xmlTreeParse(file)      if (!missing(i)) {
126                    class(doc) <- "list"          x$content <- x$content[i]
127                    object@.Data <- doc          x$dmeta <- x$dmeta[i, , drop = FALSE]
128                    object@Cached <- 1          if (!is.null(x$lazy))
129                    return(object)              x$lazy$index <- x$lazy$index[i]
130                } else {      }
131                    return(object)      x
132                }  }
           })  
   
 setGeneric("tm_transform", function(object, FUN, ...) standardGeneric("tm_transform"))  
 setMethod("tm_transform",  
           c("TextDocCol"),  
           function(object, FUN, ...) {  
               lapply(object, FUN, ..., GlobalMetaData = GlobalMetaData(object))  
           })  
   
 setGeneric("toPlainTextDocument", function(object, FUN, ...) standardGeneric("toPlainTextDocument"))  
 setMethod("toPlainTextDocument",  
           c("PlainTextDocument"),  
           function(object, FUN, ...) {  
               return(object)  
           })  
 setMethod("toPlainTextDocument",  
           c("XMLTextDocument"),  
           function(object, FUN, ...) {  
               if (object@Cached == 0)  
                   object <- loadFileIntoMem(object)  
   
               corpus <- object@.Data  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(xmlApply(xmlRoot(corpus), FUN, ...))  
           })  
   
 setGeneric("stemTextDocument", function(object, ...) standardGeneric("stemTextDocument"))  
 setMethod("stemTextDocument",  
           c("PlainTextDocument"),  
           function(object) {  
               require(Rstem)  
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               stemmedCorpus <- wordStem(splittedCorpus)  
               object@.Data <- paste(stemmedCorpus, collapse = " ")  
               return (object)  
           })  
   
 setGeneric("removeStopWords", function(object, stopwords, ...) standardGeneric("removeStopWords"))  
 setMethod("removeStopWords",  
           c("PlainTextDocument", "character"),  
           function(object, stopwords) {  
               require(Rstem)  
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]  
               object@.Data <- paste(noStopwordsCorpus, collapse = " ")  
               return (object)  
           })  
   
 setGeneric("tm_filter", function(object, FUN, ...) standardGeneric("tm_filter"))  
 setMethod("tm_filter",  
           c("TextDocCol"),  
           function(object, FUN, ...) {  
               sapply(object, FUN, ..., GlobalMetaData = GlobalMetaData(object))  
           })  
   
 setGeneric("filterREUT21578Topics", function(object, topics, ...) standardGeneric("filterREUT21578Topics"))  
 setMethod("filterREUT21578Topics",  
           c("PlainTextDocument", "character"),  
           function(object, topics) {  
               if (object@Cached == 0)  
                   object <- loadFileIntoMem(object)  
133    
134                if (any(object@LocalMetaData$Topics %in% topics))  .map_name_index <-
135                    return(TRUE)  function(x, i)
136    {
137        if (is.character(i))
138            match(i, meta(x, "id", "local"))
139                else                else
140                    return(FALSE)          i
141            })  }
142    
143  setGeneric("filterIDs", function(object, IDs, ...) standardGeneric("filterIDs"))  `[[.PCorpus` <-
144  setMethod("filterIDs",  function(x, i)
145            c("TextDocument", "numeric"),  {
146            function(object, IDs) {      i <- .map_name_index(x, i)
147                if (object@ID %in% IDs)      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
148                    return(TRUE)      filehash::dbFetch(db, x$content[[i]])
149                else  }
150                    return(FALSE)  `[[.SimpleCorpus` <-
151            })  function(x, i)
152    {
153        i <- .map_name_index(x, i)
154        n <- names(x$content)
155        PlainTextDocument(x$content[[i]],
156                          id = if (is.null(n)) i else n[i],
157                          language = meta(x, "language"))
158    }
159    `[[.VCorpus` <-
160    function(x, i)
161    {
162        i <- .map_name_index(x, i)
163        if (!is.null(x$lazy))
164            .Call(copyCorpus, x, materialize(x, i))
165        x$content[[i]]
166    }
167    
168  setGeneric("attachData", function(object, data) standardGeneric("attachData"))  `[[<-.PCorpus` <-
169  setMethod("attachData",  function(x, i, value)
170            c("TextDocCol","TextDocument"),  {
171            function(object, data) {      i <- .map_name_index(x, i)
172                data <- as(list(data), "TextDocCol")      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
173                object@.Data <- as(c(object@.Data, data), "TextDocCol")      db[[x$content[[i]]]] <- value
174                return(object)      x
175            })  }
176    `[[<-.VCorpus` <-
177  setGeneric("attachMetaData", function(object, name, metadata) standardGeneric("attachMetaData"))  function(x, i, value)
178  setMethod("attachMetaData",  {
179            c("TextDocCol"),      i <- .map_name_index(x, i)
180            function(object, name, metadata) {      # Mark new objects as inactive for lazy mapping
181                object@GlobalMetaData <- c(object@GlobalMetaData, new = list(metadata))      if (!is.null(x$lazy))
182                names(object@GlobalMetaData)[length(names(object@GlobalMetaData))] <- name          x$lazy$index[i] <- FALSE
183                return(object)      x$content[[i]] <- value
184            })      x
185    }
 setGeneric("setSubscriptable", function(object, name) standardGeneric("setSubscriptable"))  
 setMethod("setSubscriptable",  
           c("TextDocCol"),  
           function(object, name) {  
               if (!is.character(object@GlobalMetaData$subscriptable))  
                   object <- attachMetaData(object, "subscriptable", name)  
               else  
                   object@GlobalMetaData$subscriptable <- c(object@GlobalMetaData$subscriptable, name)  
               return(object)  
           })  
   
 setMethod("[",  
           signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if(missing(i))  
                   return(x)  
186    
187                object <- x  as.list.PCorpus <- as.list.VCorpus <-
188                object@.Data <- x@.Data[i, ..., drop = FALSE]  function(x, ...)
189                for (m in names(object@GlobalMetaData)) {      setNames(content(x), as.character(lapply(content(x), meta, "id")))
190                    if (m %in% object@GlobalMetaData$subscriptable) {  
191                        object@GlobalMetaData[[m]] <- object@GlobalMetaData[[m]][i, ..., drop = FALSE]  as.list.SimpleCorpus <-
192    function(x, ...)
193        as.list(content(x))
194    
195    as.VCorpus <-
196    function(x)
197        UseMethod("as.VCorpus")
198    as.VCorpus.VCorpus <- identity
199    as.VCorpus.list <-
200    function(x)
201    {
202        v <- list(content = x,
203                  meta = CorpusMeta(),
204                  dmeta = data.frame(row.names = seq_along(x)))
205        class(v) <- c("VCorpus", "Corpus")
206        v
207                    }                    }
208    
209    outer_union <-
210    function(x, y, ...)
211    {
212        if (nrow(x) > 0L)
213            x[, setdiff(names(y), names(x))] <- NA
214        if (nrow(y) > 0L)
215            y[, setdiff(names(x), names(y))] <- NA
216        res <- rbind(x, y)
217        if (ncol(res) == 0L)
218            res <- data.frame(row.names = seq_len(nrow(x) + nrow(y)))
219        res
220                }                }
221                return(object)  
222            })  c.VCorpus <-
223    function(..., recursive = FALSE)
224  setMethod("c",  {
           signature(x = "TextDocCol"),  
           function(x, ..., recursive = TRUE){  
225                args <- list(...)                args <- list(...)
226                if(length(args) == 0)      x <- args[[1L]]
227    
228        if (length(args) == 1L)
229                    return(x)                    return(x)
               return(as(c(as(x, "list"), ...), "TextDocCol"))  
     })  
230    
231  setMethod("length",      if (!all(unlist(lapply(args, inherits, class(x)))))
232            signature(x = "TextDocCol"),          stop("not all arguments are of the same corpus type")
           function(x){  
               return(length(as(x, "list")))  
     })  
   
 setMethod("show",  
           signature(object = "TextDocCol"),  
           function(object){  
               cat("A text document collection with", length(object), "text document")  
               if (length(object) == 1)  
                   cat("\n")  
               else  
                   cat("s\n")  
     })  
233    
234  setMethod("summary",      v <- list(content = do.call("c", lapply(args, content)),
235            signature(object = "TextDocCol"),                meta = CorpusMeta(meta = do.call("c",
236            function(object){                  lapply(args, function(a) meta(a, type = "corpus")))),
237                show(object)                dmeta = Reduce(outer_union, lapply(args, meta)))
238                if (length(GlobalMetaData(object)) > 0) {      class(v) <- c("VCorpus", "Corpus")
239                    cat("\nThe global metadata consists of", length(GlobalMetaData(object)), "tag-value pair")      v
240                    if (length(GlobalMetaData(object)) == 1)  }
241                        cat(".\n")  
242                    else  content.VCorpus <-
243                        cat("s.\n")  function(x)
244                    cat("Available tags are:\n")  {
245                    cat(names(GlobalMetaData(object)), "\n")      if (!is.null(x$lazy))
246                }          .Call(copyCorpus, x, materialize(x))
247      })      x$content
248    }
249  setGeneric("inspect", function(object) standardGeneric("inspect"))  
250  setMethod("inspect",  content.SimpleCorpus <-
251            c("TextDocCol"),  function(x)
252            function(object) {      x$content
253                summary(object)  
254    content.PCorpus <-
255    function(x)
256    {
257        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
258        filehash::dbMultiFetch(db, unlist(x$content))
259    }
260    
261    inspect <-
262    function(x)
263        UseMethod("inspect", x)
264    inspect.PCorpus <-
265    inspect.SimpleCorpus <-
266    inspect.VCorpus <-
267    function(x)
268    {
269        print(x)
270                cat("\n")                cat("\n")
271                show(as(object, "list"))      print(noquote(content(x)))
272            })      invisible(x)
273    }
274    
275    length.PCorpus <-
276    length.SimpleCorpus <-
277    length.VCorpus <-
278    function(x)
279        length(x$content)
280    
281    names.PCorpus <-
282    names.SimpleCorpus <-
283    names.VCorpus <-
284    function(x)
285        as.character(meta(x, "id", "local"))
286    
287    `names<-.PCorpus` <- `names<-.VCorpus` <-
288    function(x, value)
289    {
290        meta(x, "id", "local") <- as.character(value)
291        x
292    }
293    
294    format.PCorpus <-
295    format.SimpleCorpus <-
296    format.VCorpus <-
297    function(x, ...)
298    {
299        c(sprintf("<<%s>>", class(x)[1L]),
300          sprintf("Metadata:  corpus specific: %d, document level (indexed): %d",
301                  length(meta(x, type = "corpus")),
302                  ncol(meta(x, type = "indexed"))),
303          sprintf("Content:  documents: %d", length(x)))
304    }
305    
306    writeCorpus <-
307    function(x, path = ".", filenames = NULL)
308    {
309        filenames <- file.path(path,
310          if (is.null(filenames))
311              sprintf("%s.txt", as.character(meta(x, "id", "local")))
312          else filenames)
313    
314        stopifnot(length(x) == length(filenames))
315    
316        mapply(function(doc, f) writeLines(as.character(doc), f), x, filenames)
317    
318        invisible(x)
319    }

Legend:
Removed from v.55  
changed lines
  Added in v.1460

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