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/textmin/R/textdoccol.R revision 689, Fri Dec 8 14:21:46 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  # The "..." are additional arguments for the function_generator parser  Corpus <-
4  setGeneric("TextDocCol", function(object, parser = plaintext_parser, ...) standardGeneric("TextDocCol"))  function(x, readerControl = list(reader = reader(x), language = "en"))
5  setMethod("TextDocCol",  {
6            signature(object = "Source"),      stopifnot(inherits(x, "Source"))
7            function(object, parser = plaintext_parser, ...) {  
8                if (inherits(parser, "function_generator"))      readerControl <- prepareReader(readerControl, reader(x))
9                    parser <- parser(...)  
10        if ((inherits(x, "DirSource") || inherits(x, "VectorSource")) &&
11                tdl <- list()          identical(readerControl$reader, readPlain))
12                counter <- 1          SimpleCorpus(x, readerControl)
               while (!eoi(object)) {  
                   object <- step_next(object)  
                   elem <- get_elem(object)  
                   # If there is no Load on Demand support  
                   # we need to load the corpus into memory at startup  
                   if (object@LoDSupport)  
                       load <- object@Load  
13                    else                    else
14                        load <- TRUE          VCorpus(x, readerControl)
                   tdl <- c(tdl, list(parser(elem, object@LoDSupport, load, as.character(counter))))  
                   counter <- counter + 1  
15                }                }
16    
17                dmeta.df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)  PCorpus <-
18                dcmeta.node <- new("MetaDataNode",  function(x,
19                              NodeID = 0,           readerControl = list(reader = reader(x), language = "en"),
20                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),           dbControl = list(dbName = "", dbType = "DB1"))
21                              children = list())  {
22        stopifnot(inherits(x, "Source"))
               return(new("TextDocCol", .Data = tdl, DMetaData = dmeta.df, DCMetaData = dcmeta.node))  
           })  
   
 setGeneric("load_doc", function(object, ...) standardGeneric("load_doc"))  
 setMethod("load_doc",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   corpus <- readLines(con)  
                   close(con)  
                   Corpus(object) <- corpus  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("load_doc",  
           signature(object =  "XMLTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   corpus <- paste(readLines(con), "\n", collapse = "")  
                   close(con)  
                   doc <- xmlTreeParse(corpus, asText = TRUE)  
                   class(doc) <- "list"  
                   Corpus(object) <- doc  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("load_doc",  
           signature(object = "NewsgroupDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   mail <- readLines(con)  
                   close(con)  
                   Cached(object) <- TRUE  
                   for (index in seq(along = mail)) {  
                       if (mail[index] == "")  
                           break  
                   }  
                   Corpus(object) <- mail[(index + 1):length(mail)]  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
   
 setGeneric("tm_update", function(object, origin, parser = plaintext_parser, ...) standardGeneric("tm_update"))  
 # Update is only supported for directories  
 # At the moment no other LoD devices are available anyway  
 setMethod("tm_update",  
           signature(object = "TextDocCol", origin = "DirSource"),  
           function(object, origin, parser = plaintext_parser, ...) {  
               if (inherits(parser, "function_generator"))  
                   parser <- parser(...)  
   
               object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))  
               new.files <- setdiff(origin@FileList, object.filelist)  
   
               for (filename in new.files) {  
                   elem <- list(content = readLines(filename),  
                                uri = substitute(file(filename)))  
                   object <- append_doc(object, parser(elem, TRUE, origin@Load, filename), NA)  
               }  
   
               return(object)  
           })  
   
 setGeneric("tm_transform", function(object, FUN, ...) standardGeneric("tm_transform"))  
 setMethod("tm_transform",  
           signature(object = "TextDocCol", FUN = "function"),  
           function(object, FUN, ...) {  
               result <- object  
               # Note that text corpora are automatically loaded into memory via \code{[[}  
               result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))  
               return(result)  
           })  
   
 setGeneric("as.plaintext_doc", function(object, FUN, ...) standardGeneric("as.plaintext_doc"))  
 setMethod("as.plaintext_doc",  
           signature(object = "PlainTextDocument"),  
           function(object, FUN, ...) {  
               return(object)  
           })  
 setMethod("as.plaintext_doc",  
           signature(object = "XMLTextDocument", FUN = "function"),  
           function(object, FUN, ...) {  
               corpus <- Corpus(object)  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
   
 setGeneric("tm_tolower", function(object, ...) standardGeneric("tm_tolower"))  
 setMethod("tm_tolower",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               Corpus(object) <- tolower(object)  
               return(object)  
           })  
   
 setGeneric("strip_whitespace", function(object, ...) standardGeneric("strip_whitespace"))  
 setMethod("strip_whitespace",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               Corpus(object) <- gsub("[[:space:]]+", " ", object)  
               return(object)  
           })  
   
 setGeneric("stem_doc", function(object, ...) standardGeneric("stem_doc"))  
 setMethod("stem_doc",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               require(Rstem)  
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               stemmedCorpus <- wordStem(splittedCorpus)  
               Corpus(object) <- paste(stemmedCorpus, collapse = " ")  
               return(object)  
           })  
   
 setGeneric("remove_words", function(object, stopwords, ...) standardGeneric("remove_words"))  
 setMethod("remove_words",  
           signature(object = "PlainTextDocument", stopwords = "character"),  
           function(object, stopwords, ...) {  
               require(Rstem)  
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]  
               Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")  
               return(object)  
           })  
   
 setGeneric("tm_filter", function(object, ..., FUN = s_filter, doclevel = FALSE) standardGeneric("tm_filter"))  
 setMethod("tm_filter",  
           signature(object = "TextDocCol"),  
           function(object, ..., FUN = s_filter, doclevel = FALSE) {  
               if (doclevel)  
                   return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])  
               else  
                   return(object[FUN(object, ...)])  
           })  
23    
24  setGeneric("tm_index", function(object, ..., FUN = s_filter, doclevel = FALSE) standardGeneric("tm_index"))      readerControl <- prepareReader(readerControl, reader(x))
 setMethod("tm_index",  
           signature(object = "TextDocCol"),  
           function(object, ..., FUN = s_filter, doclevel = FALSE) {  
               if (doclevel)  
                   return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))  
               else  
                   return(FUN(object, ...))  
           })  
25    
26  s_filter <- function(object, s, ...) {      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
27      query.df <- DMetaData(object)          stop("error in creating database")
28      con <- textConnection(s)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
29      tokens <- scan(con, "character")  
30      close(con)      x <- open(x)
31      local.meta <- lapply(object, LocalMetaData)      tdl <- vector("list", length(x))
32      local.used.meta <- lapply(local.meta, function(x) names(x) %in% tokens)      counter <- 1
33      l.meta <- NULL      while (!eoi(x)) {
34      for (i in 1:length(object)) {          x <- stepNext(x)
35          l.meta <- c(l.meta, list(local.meta[[i]][local.used.meta[[i]]]))          elem <- getElem(x)
36      }          doc <- readerControl$reader(elem,
37      # Load local meta data from text documents into data frame                                      readerControl$language,
38      for (i in 1:length(l.meta)) {                                      as.character(counter))
39          l.meta[[i]] <- c(l.meta[[i]], list(author = Author(object[[i]])))          filehash::dbInsert(db, meta(doc, "id"), doc)
40          l.meta[[i]] <- c(l.meta[[i]], list(datetimestamp = DateTimeStamp(object[[i]])))          tdl[[counter]] <- meta(doc, "id")
41          l.meta[[i]] <- c(l.meta[[i]], list(description = Description(object[[i]])))          counter <- counter + 1
         l.meta[[i]] <- c(l.meta[[i]], list(identifier = ID(object[[i]])))  
         l.meta[[i]] <- c(l.meta[[i]], list(origin = Origin(object[[i]])))  
         l.meta[[i]] <- c(l.meta[[i]], list(heading = Heading(object[[i]])))  
     }  
     for (i in 1:length(l.meta)) {  
         for (j in 1:length(l.meta[[i]])) {  
             m <- l.meta[[i]][[j]]  
             m.name <- names(l.meta[[i]][j])  
             if (!(m.name %in% names(query.df))) {  
                 before <- rep(NA, i - 1)  
                 after <- rep(NA, length(l.meta) - i)  
                 if (length(m) > 1) {  
                     nl <- vector("list", length(l.meta))  
                     nl[1:(i-1)] <- before  
                     nl[i] <- list(m)  
                     nl[(i+1):length(l.meta)] <- after  
                     insert <- data.frame(I(nl), stringsAsFactors = FALSE)  
                 }  
                 else  
                     insert <- c(before, m, after)  
                 query.df <- cbind(query.df, insert, stringsAsFactors = FALSE)  
                 names(query.df)[length(query.df)] <- m.name  
42              }              }
43        x <- close(x)
44    
45        p <- list(content = tdl,
46                  meta = CorpusMeta(),
47                  dmeta = data.frame(row.names = seq_along(tdl)),
48                  dbcontrol = dbControl)
49        class(p) <- c("PCorpus", "Corpus")
50        p
51    }
52    
53    SimpleCorpus <-
54    function(x, control = list(language = "en"))
55    {
56        stopifnot(inherits(x, "Source"))
57    
58        if (!is.null(control$reader) && !identical(control$reader, readPlain))
59            warning("custom reader is ignored")
60    
61        content <- if (inherits(x, "VectorSource")) {
62            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$language),
74                  dmeta = data.frame(row.names = seq_along(x)))
75        class(s) <- c("SimpleCorpus", "Corpus")
76        s
77    }
78    
79    VCorpus <-
80    function(x, readerControl = list(reader = reader(x), language = "en"))
81    {
82        stopifnot(inherits(x, "Source"))
83    
84        readerControl <- prepareReader(readerControl, reader(x))
85    
86        x <- open(x)
87        tdl <- vector("list", length(x))
88        # Check for parallel element access
89        if (is.function(getS3method("pGetElem", class(x), TRUE)))
90            tdl <- mapply(function(elem, id)
91                            readerControl$reader(elem, readerControl$language, id),
92                          pGetElem(x),
93                          id = as.character(seq_along(x)),
94                          SIMPLIFY = FALSE)
95              else {              else {
96                  if (is.null(m))          counter <- 1
97                      m <- NA          while (!eoi(x)) {
98                  if (length(m) > 1) {              x <- stepNext(x)
99                      rl <- query.df[ , m.name]              elem <- getElem(x)
100                      rl[i] <- list(m)              doc <- readerControl$reader(elem,
101                      query.df[ , m.name] <- data.frame(I(rl), stringsAsFactors = FALSE)                                          readerControl$language,
102                  }                                          as.character(counter))
103                  else              tdl[[counter]] <- doc
104                      query.df[i, m.name] <- m              counter <- counter + 1
             }  
105          }          }
106      }      }
107      attach(query.df)      x <- close(x)
108      try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))  
109      detach(query.df)      as.VCorpus(tdl)
     return(result)  
 }  
   
 setGeneric("fulltext_search_filter", function(object, pattern, ...) standardGeneric("fulltext_search_filter"))  
 setMethod("fulltext_search_filter",  
           signature(object = "PlainTextDocument", pattern = "character"),  
           function(object, pattern, ...) {  
               return(any(grep(pattern, Corpus(object))))  
           })  
   
 setGeneric("append_elem", function(object, data, meta = NULL) standardGeneric("append_elem"))  
 setMethod("append_elem",  
           signature(object = "TextDocCol", data = "TextDocument"),  
           function(object, data, meta = NULL) {  
               object@.Data[[length(object)+1]] <- data  
               object@DMetaData <- rbind(object@DMetaData, c(MetaID = DCMetaData(object)@NodeID, meta))  
               return(object)  
           })  
   
 setGeneric("append_meta", function(object, dcmeta = NULL, dmeta = NULL) standardGeneric("append_meta"))  
 setMethod("append_meta",  
           signature(object = "TextDocCol"),  
           function(object, dcmeta = NULL, dmeta = NULL) {  
               object@DCMetaData@MetaData <- c(object@DCMetaData@MetaData, dcmeta)  
               if (!is.null(dcmeta))  
                   object@DMetaData <- cbind(object@DMetaData, dmeta)  
               return(object)  
           })  
   
 setGeneric("remove_meta", function(object, dcname = NULL, dname = NULL) standardGeneric("remove_meta"))  
 setMethod("remove_meta",  
           signature(object = "TextDocCol"),  
           function(object, dcname = NULL, dname = NULL) {  
               if (!is.null(dcname)) {  
                   object@DCMetaData@MetaData <- DCMetaData(object)@MetaData[names(DCMetaData(object)@MetaData) != dcname]  
               }  
               if (!is.null(dname)) {  
                   object@DMetaData <- DMetaData(object)[names(DMetaData(object)) != dname]  
               }  
               return(object)  
           })  
   
 setGeneric("prescind_meta", function(object, meta) standardGeneric("prescind_meta"))  
 setMethod("prescind_meta",  
           signature(object = "TextDocCol", meta = "character"),  
           function(object, meta) {  
               for (m in meta) {  
                   if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading")) {  
                       local.m <- lapply(object, m)  
                       local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))  
                       local.m <- unlist(local.m)  
                       object@DMetaData <- cbind(DMetaData(object), data.frame(m = local.m), stringsAsFactors = FALSE)  
                       names(object@DMetaData)[length(object@DMetaData)] <- m  
110                    }                    }
111                    else {  
112                        local.meta <- lapply(object, LocalMetaData)  `[.PCorpus` <-
113                        local.m <- lapply(local.meta, "[[", m)  `[.SimpleCorpus` <-
114                        local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))  function(x, i)
115                        if (length(local.m) == length(unlist(local.m)))  {
116                            local.m <- unlist(local.m)      if (!missing(i)) {
117            x$content <- x$content[i]
118            x$dmeta <- x$dmeta[i, , drop = FALSE]
119        }
120        x
121    }
122    `[.VCorpus` <-
123    function(x, i)
124    {
125        if (!missing(i)) {
126            x$content <- x$content[i]
127            x$dmeta <- x$dmeta[i, , drop = FALSE]
128            if (!is.null(x$lazy))
129                x$lazy$index <- x$lazy$index[i]
130        }
131        x
132    }
133    
134    .map_name_index <-
135    function(x, i)
136    {
137        if (is.character(i))
138            match(i, meta(x, "id", "local"))
139                        else                        else
140                            local.m <- I(local.m)          i
                       object@DMetaData <- cbind(DMetaData(object), data.frame(m = local.m), stringsAsFactors = FALSE)  
                       names(object@DMetaData)[length(object@DMetaData)] <- m  
141                    }                    }
               }  
               return(object)  
           })  
   
 setMethod("[",  
           signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if(missing(i))  
                   return(x)  
142    
143                object <- x  `[[.PCorpus` <-
144                object@.Data <- x@.Data[i, ..., drop = FALSE]  function(x, i)
145                df <- as.data.frame(DMetaData(object)[i, ])  {
146                names(df) <- names(DMetaData(object))      i <- .map_name_index(x, i)
147                object@DMetaData <- df      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
148                return(object)      filehash::dbFetch(db, x$content[[i]])
149            })  }
150    `[[.SimpleCorpus` <-
151  setMethod("[<-",  function(x, i)
152            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),  {
153            function(x, i, j, ... , value) {      i <- .map_name_index(x, i)
154                object <- x      n <- names(x$content)
155                object@.Data[i, ...] <- value      PlainTextDocument(x$content[[i]],
156                return(object)                        id = if (is.null(n)) i else n[i],
157            })                        language = meta(x, "language"))
158    }
159  setMethod("[[",  `[[.VCorpus` <-
160            signature(x = "TextDocCol", i = "ANY", j = "ANY"),  function(x, i)
161            function(x, i, j, ...) {  {
162                return(load_doc(x@.Data[[i]]))      i <- .map_name_index(x, i)
163            })      if (!is.null(x$lazy))
164            .Call(copyCorpus, x, materialize(x, i))
165  setMethod("[[<-",      x$content[[i]]
166            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),  }
167            function(x, i, j, ..., value) {  
168                object <- x  `[[<-.PCorpus` <-
169                object@.Data[[i, ...]] <- value  function(x, i, value)
170                return(object)  {
171            })      i <- .map_name_index(x, i)
172        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
173  # Update \code{NodeID}s of a DCMetaData tree      db[[x$content[[i]]]] <- value
174  # TODO: Avoid global variables outside of update_id function      x
175  update_id <- function(object) {  }
176      id <<- 0  `[[<-.VCorpus` <-
177      mapping <<- left.mapping <<- NULL  function(x, i, value)
178      level <<- 0  {
179      return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))      i <- .map_name_index(x, i)
180  }      # Mark new objects as inactive for lazy mapping
181        if (!is.null(x$lazy))
182  # Traversal of (binary) DCMetaData tree with setup of \code{NodeID}s          x$lazy$index[i] <- FALSE
183  set_id <- function(object) {      x$content[[i]] <- value
184      object@NodeID <- id      x
185      id <<- id + 1  }
186      level <<- level + 1  
187    as.list.PCorpus <- as.list.VCorpus <-
188      if (length(object@children) > 0) {  function(x, ...)
189          mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))      setNames(content(x), as.character(lapply(content(x), meta, "id")))
190          left <- set_id(object@children[[1]])  
191          if (level == 1) {  as.list.SimpleCorpus <-
192              left.mapping <<- mapping  function(x, ...)
193              mapping <<- NULL      as.list(content(x))
194          }  
195          mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))  as.VCorpus <-
196          right <- set_id(object@children[[2]])  function(x)
197        UseMethod("as.VCorpus")
198          object@children <- list(left, right)  as.VCorpus.VCorpus <- identity
199      }  as.VCorpus.list <-
200      level <<- level - 1  function(x)
201    {
202      return(object)      v <- list(content = x,
203  }                meta = CorpusMeta(),
204                  dmeta = data.frame(row.names = seq_along(x)))
205  setMethod("c",      class(v) <- c("VCorpus", "Corpus")
206            signature(x = "TextDocCol"),      v
207            function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  }
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    
222    c.VCorpus <-
223    function(..., recursive = FALSE)
224    {
225                args <- list(...)                args <- list(...)
226                if(length(args) == 0)      x <- args[[1L]]
                   return(x)  
227    
228                result <- x      if (length(args) == 1L)
               for (c in args) {  
                   if (!inherits(c, "TextDocCol"))  
                       stop("invalid argument")  
                   result <- c2(result, c)  
               }  
               return(result)  
           })  
   
 setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))  
 setMethod("c2",  
           signature(x = "TextDocCol", y = "TextDocCol"),  
           function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  
               object <- x  
               # Concatenate data slots  
               object@.Data <- c(as(x, "list"), as(y, "list"))  
   
               # Update the DCMetaData tree  
               dcmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(DCMetaData(x), DCMetaData(y)))  
               update.struct <- update_id(dcmeta)  
               object@DCMetaData <- 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)  
   
               return(object)  
           })  
   
   
 setMethod("c",  
           signature(x = "TextDocument"),  
           function(x, ..., recursive = TRUE){  
               args <- list(...)  
               if(length(args) == 0)  
229                    return(x)                    return(x)
230    
231                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      if (!all(unlist(lapply(args, inherits, class(x)))))
232                dcmeta.node <- new("MetaDataNode",          stop("not all arguments are of the same corpus type")
233                              NodeID = 0,  
234                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),      v <- list(content = do.call("c", lapply(args, content)),
235                              children = list())                meta = CorpusMeta(meta = do.call("c",
236                    lapply(args, function(a) meta(a, type = "corpus")))),
237                return(new("TextDocCol", .Data = list(x, ...), DMetaData = dmeta.df, DCMetaData = dcmeta.node))                dmeta = Reduce(outer_union, lapply(args, meta)))
238            })      class(v) <- c("VCorpus", "Corpus")
239        v
240  setMethod("length",  }
241            signature(x = "TextDocCol"),  
242            function(x){  content.VCorpus <-
243                return(length(as(x, "list")))  function(x)
244      })  {
245        if (!is.null(x$lazy))
246  setMethod("show",          .Call(copyCorpus, x, materialize(x))
247            signature(object = "TextDocCol"),      x$content
248            function(object){  }
249                cat(sprintf(ngettext(length(object),  
250                                     "A text document collection with %d text document\n",  content.SimpleCorpus <-
251                                     "A text document collection with %d text documents\n"),  function(x)
252                            length(object)))      x$content
253      })  
254    content.PCorpus <-
255  setMethod("summary",  function(x)
256            signature(object = "TextDocCol"),  {
257            function(object){      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
258                show(object)      filehash::dbMultiFetch(db, unlist(x$content))
259                if (length(DMetaData(object)) > 0) {  }
260                    cat(sprintf(ngettext(length(DCMetaData(object)@MetaData),  
261                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",  inspect <-
262                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),  function(x)
263                                         length(DCMetaData(object)@MetaData)))      UseMethod("inspect", x)
264                    cat("Available tags are:\n")  inspect.PCorpus <-
265                    cat(names(DCMetaData(object)@MetaData), "\n")  inspect.SimpleCorpus <-
266                    cat("Available variables in the data frame are:\n")  inspect.VCorpus <-
267                    cat(names(DMetaData(object)), "\n")  function(x)
268                }  {
269      })      print(x)
   
 setGeneric("inspect", function(object) standardGeneric("inspect"))  
 setMethod("inspect",  
           signature("TextDocCol"),  
           function(object) {  
               summary(object)  
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  # No metadata is checked      stopifnot(length(x) == length(filenames))
315  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  
316  setMethod("%IN%",      mapply(function(doc, f) writeLines(as.character(doc), f), x, filenames)
317            signature(x = "TextDocument", y = "TextDocCol"),  
318            function(x, y) {      invisible(x)
319                x %in% y  }
           })  

Legend:
Removed from v.689  
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