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/trunk/R/textdoccol.R revision 18, Sat Nov 5 19:00:05 2005 UTC trunk/tm/R/textdoccol.R revision 747, Fri Apr 27 18:16:53 2007 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # S4 class definition  # The "..." are additional arguments for the FunctionGenerator reader
4  # Text document collection  setGeneric("TextDocCol", function(object,
5  # TODO: Define proper S4 term-document matrix                                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = FALSE),
6  setClass("textdoccol", representation(docs = "list",                                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
7                                        tdm = "matrix"))                                    ...) standardGeneric("TextDocCol"))
8    setMethod("TextDocCol",
9  # Accessor function            signature(object = "Source"),
10  if (!isGeneric("docs")) {            function(object,
11      if (is.function("docs"))                     readerControl = list(reader = object@DefaultReader, language = "en_US", load = FALSE),
12          fun <- docs                     dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
13      else                     ...) {
14          fun <- function(object) standardGeneric("docs")                if (attr(readerControl$reader, "FunctionGenerator"))
15      setGeneric("docs", fun)                    readerControl$reader <- readerControl$reader(...)
 }  
 setMethod("docs", "textdoccol", function(object) object@docs)  
   
 setGeneric("textdoccol", function(docs) standardGeneric("textdoccol"))  
 # Read in XML text documents  
 # Reuters Corpus Volume 1 (RCV1)  
 setMethod("textdoccol", "character", function(docs) {  
     require(XML)  
   
     tree <- xmlTreeParse(docs)  
     root <- xmlRoot(tree)  
   
     # TODO: At each loop node points to the current newsitem  
     node <- root  
   
     # TODO: Implement lacking fields.  
     # For this we need the full RCV1 XML set to know where to find those things  
     author <- "Not yet implemented"  
     timestamp <- xmlAttrs(node)[["date"]]  
     description <- "Not yet implemented"  
     id <- as.integer(xmlAttrs(node)[["itemid"]])  
     origin <- "Not yet implemented"  
     corpus <- unlist(xmlApply(node[["text"]], xmlValue), use.names = FALSE)  
16    
17      heading <- xmlValue(node[["title"]])                if (dbControl$useDb) {
18                      if (!dbCreate(dbControl$dbName, dbControl$dbType))
19                          stop("error in creating database")
20                      db <- dbInit(dbControl$dbName, dbControl$dbType)
21                  }
22    
23                  tdl <- list()
24                  counter <- 1
25                  while (!eoi(object)) {
26                      object <- stepNext(object)
27                      elem <- getElem(object)
28                      # If there is no Load on Demand support
29                      # we need to load the corpus into memory at startup
30                      if (!object@LoDSupport)
31                          readerControl$load <- TRUE
32                      doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))
33                      if (dbControl$useDb) {
34                          dbInsert(db, ID(doc), doc)
35                          tdl <- c(tdl, ID(doc))
36                      }
37                      else
38                          tdl <- c(tdl, list(doc))
39                      counter <- counter + 1
40                  }
41    
42                  df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
43                  if (dbControl$useDb) {
44                      dbInsert(db, "DMetaData", df)
45                      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
46                  }
47                  else
48                      dmeta.df <- df
49    
50                  cmeta.node <- new("MetaDataNode",
51                                NodeID = 0,
52                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
53                                children = list())
54    
55                  return(new("TextDocCol", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
56              })
57    
58    setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
59    setMethod("loadDoc",
60              signature(object = "PlainTextDocument"),
61              function(object, ...) {
62                  if (!Cached(object)) {
63                      con <- eval(URI(object))
64                      corpus <- readLines(con)
65                      close(con)
66                      Corpus(object) <- corpus
67                      Cached(object) <- TRUE
68                      return(object)
69                  } else {
70                      return(object)
71                  }
72              })
73    setMethod("loadDoc",
74              signature(object =  "XMLTextDocument"),
75              function(object, ...) {
76                  if (!Cached(object)) {
77                      con <- eval(URI(object))
78                      corpus <- paste(readLines(con), "\n", collapse = "")
79                      close(con)
80                      doc <- xmlTreeParse(corpus, asText = TRUE)
81                      class(doc) <- "list"
82                      Corpus(object) <- doc
83                      Cached(object) <- TRUE
84                      return(object)
85                  } else {
86                      return(object)
87                  }
88              })
89    setMethod("loadDoc",
90              signature(object = "NewsgroupDocument"),
91              function(object, ...) {
92                  if (!Cached(object)) {
93                      con <- eval(URI(object))
94                      mail <- readLines(con)
95                      close(con)
96                      Cached(object) <- TRUE
97                      for (index in seq_along(mail)) {
98                          if (mail[index] == "")
99                              break
100                      }
101                      Corpus(object) <- mail[(index + 1):length(mail)]
102                      return(object)
103                  } else {
104                      return(object)
105                  }
106              })
107    
108    setGeneric("tmUpdate", function(object,
109                                    origin,
110                                    readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
111                                    ...) standardGeneric("tmUpdate"))
112    # Update is only supported for directories
113    # At the moment no other LoD devices are available anyway
114    setMethod("tmUpdate",
115              signature(object = "TextDocCol", origin = "DirSource"),
116              function(object, origin,
117                       readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
118                       ...) {
119                  if (inherits(readerControl$reader, "FunctionGenerator"))
120                      readerControl$reader <- readerControl$reader(...)
121    
122                  object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
123                  new.files <- setdiff(origin@FileList, object.filelist)
124    
125                  for (filename in new.files) {
126                      elem <- list(content = readLines(filename),
127                                   uri = substitute(file(filename)))
128                      object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
129                  }
130    
131                  return(object)
132              })
133    
134    setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))
135    setMethod("tmMap",
136              signature(object = "TextDocCol", FUN = "function"),
137              function(object, FUN, ...) {
138                  result <- object
139                  # Note that text corpora are automatically loaded into memory via \code{[[}
140                  if (DBControl(object)[["useDb"]]) {
141                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
142                      i <- 1
143                      for (id in unlist(object)) {
144                          db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
145                          i <- i + 1
146                      }
147                  }
148                  else
149                      result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
150                  return(result)
151              })
152    
153    setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
154    setMethod("asPlain",
155              signature(object = "PlainTextDocument"),
156              function(object, FUN, ...) {
157                  return(object)
158              })
159    setMethod("asPlain",
160              signature(object = "XMLTextDocument", FUN = "function"),
161              function(object, FUN, ...) {
162                  corpus <- Corpus(object)
163    
164                  # As XMLDocument is no native S4 class, restore valid information
165                  class(corpus) <- "XMLDocument"
166                  names(corpus) <- c("doc","dtd")
167    
168                  return(FUN(xmlRoot(corpus), ...))
169              })
170    setMethod("asPlain",
171              signature(object = "NewsgroupDocument"),
172              function(object, FUN, ...) {
173                  new("PlainTextDocument", .Data = Corpus(object), Cached = TRUE, URI = "", Author = Author(object),
174                      DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
175                      Origin = Origin(object), Heading = Heading(object), Language = Language(object))
176              })
177    
178    setGeneric("tmTolower", function(object, ...) standardGeneric("tmTolower"))
179    setMethod("tmTolower",
180              signature(object = "PlainTextDocument"),
181              function(object, ...) {
182                  Corpus(object) <- tolower(object)
183                  return(object)
184              })
185    
186    setGeneric("stripWhitespace", function(object, ...) standardGeneric("stripWhitespace"))
187    setMethod("stripWhitespace",
188              signature(object = "PlainTextDocument"),
189              function(object, ...) {
190                  Corpus(object) <- gsub("[[:space:]]+", " ", object)
191                  return(object)
192              })
193    
194    setGeneric("stemDoc", function(object, language = "english", ...) standardGeneric("stemDoc"))
195    setMethod("stemDoc",
196              signature(object = "PlainTextDocument"),
197              function(object, language = "english", ...) {
198                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
199                  stemmedCorpus <- if (require("Rstem"))
200                      Rstem::wordStem(splittedCorpus, language)
201                  else
202                      SnowballStemmer(splittedCorpus, Weka_control(S = language))
203                  Corpus(object) <- paste(stemmedCorpus, collapse = " ")
204                  return(object)
205              })
206    
207    setGeneric("removePunctuation", function(object, ...) standardGeneric("removePunctuation"))
208    setMethod("removePunctuation",
209              signature(object = "PlainTextDocument"),
210              function(object, ...) {
211                  Corpus(object) <- gsub("[[:punct:]]+", "", Corpus(object))
212                  return(object)
213              })
214    
215    setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))
216    setMethod("removeWords",
217              signature(object = "PlainTextDocument", stopwords = "character"),
218              function(object, stopwords, ...) {
219                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
220                  noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]
221                  Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")
222                  return(object)
223              })
224    
225    setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
226    setMethod("tmFilter",
227              signature(object = "TextDocCol"),
228              function(object, ..., FUN = sFilter, doclevel = FALSE) {
229                  if (doclevel)
230                      return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
231                  else
232                      return(object[FUN(object, ...)])
233              })
234    
235    setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
236    setMethod("tmIndex",
237              signature(object = "TextDocCol"),
238              function(object, ..., FUN = sFilter, doclevel = FALSE) {
239                  if (doclevel)
240                      return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
241                  else
242                      return(FUN(object, ...))
243              })
244    
245    sFilter <- function(object, s, ...) {
246        con <- textConnection(s)
247        tokens <- scan(con, "character")
248        close(con)
249        localMetaNames <- unique(names(sapply(object, LocalMetaData)))
250        localMetaTokens <- localMetaNames[localMetaNames %in% tokens]
251        n <- names(DMetaData(object))
252        tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)
253        query.df <- DMetaData(prescindMeta(object, tags))
254        if (DBControl(object)[["useDb"]])
255            DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = FALSE]
256        # Rename to avoid name conflicts
257        names(query.df)[names(query.df) == "Author"] <- "author"
258        names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"
259        names(query.df)[names(query.df) == "Description"] <- "description"
260        names(query.df)[names(query.df) == "ID"] <- "identifier"
261        names(query.df)[names(query.df) == "Origin"] <- "origin"
262        names(query.df)[names(query.df) == "Heading"] <- "heading"
263        names(query.df)[names(query.df) == "Language"] <- "language"
264        attach(query.df)
265        try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
266        detach(query.df)
267        return(result)
268    }
269    
270    setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))
271    setMethod("searchFullText",
272              signature(object = "PlainTextDocument", pattern = "character"),
273              function(object, pattern, ...) {
274                  return(any(grep(pattern, Corpus(object))))
275              })
276    
277    setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
278    setMethod("appendElem",
279              signature(object = "TextDocCol", data = "TextDocument"),
280              function(object, data, meta = NULL) {
281                  if (DBControl(object)[["useDb"]]) {
282                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
283                      if (dbExists(db, ID(data)))
284                          warning("document with identical ID already exists")
285                      dbInsert(db, ID(data), data)
286                      object@.Data[[length(object)+1]] <- ID(data)
287                  }
288                  else
289                      object@.Data[[length(object)+1]] <- data
290                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
291                  return(object)
292              })
293    
294    setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
295    setMethod("appendMeta",
296              signature(object = "TextDocCol"),
297              function(object, cmeta = NULL, dmeta = NULL) {
298                  object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
299                  if (!is.null(dmeta)) {
300                      DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
301                  }
302                  return(object)
303              })
304    
305    setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
306    setMethod("removeMeta",
307              signature(object = "TextDocCol"),
308              function(object, cname = NULL, dname = NULL) {
309                  if (!is.null(cname))
310                      object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
311                  if (!is.null(dname))
312                      DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
313                  return(object)
314              })
315    
316    setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
317    setMethod("prescindMeta",
318              signature(object = "TextDocCol", meta = "character"),
319              function(object, meta) {
320                  for (m in meta) {
321                      if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
322                          local.m <- lapply(object, m)
323                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
324                          local.m <- unlist(local.m)
325                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
326                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
327                      }
328                      else {
329                          local.meta <- lapply(object, LocalMetaData)
330                          local.m <- lapply(local.meta, "[[", m)
331                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
332                          if (length(local.m) == length(unlist(local.m)))
333                              local.m <- unlist(local.m)
334                          else
335                              local.m <- I(local.m)
336                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
337                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
338                      }
339                  }
340                  return(object)
341              })
342    
343      doc <- new("textdocument", author = author, timestamp = timestamp, description = description,  setMethod("[",
344                 id = id, origin = origin, corpus = corpus, heading = heading)            signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),
345              function(x, i, j, ... , drop) {
346                  if(missing(i))
347                      return(x)
348    
349      new("textdoccol", docs = list(doc), tdm = matrix())                object <- x
350                  object@.Data <- x@.Data[i, ..., drop = FALSE]
351                  if (DBControl(object)[["useDb"]]) {
352                      index <- object@DMetaData[[1 , "subset"]]
353                      if (any(is.na(index)))
354                          object@DMetaData[[1 , "subset"]] <- i
355                      else
356                          object@DMetaData[[1 , "subset"]] <- index[i]
357                  }
358                  else
359                      DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
360                  return(object)
361              })
362    
363    setMethod("[<-",
364              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
365              function(x, i, j, ... , value) {
366                  object <- x
367                  if (DBControl(object)[["useDb"]]) {
368                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
369                      counter <- 1
370                      for (id in object@.Data[i, ...]) {
371                          if (length(value) == 1)
372                              db[[id]] <- value
373                          else {
374                              db[[id]] <- value[[counter]]
375                          }
376                          counter <- counter + 1
377                      }
378                  }
379                  else
380                      object@.Data[i, ...] <- value
381                  return(object)
382              })
383    
384    setMethod("[[",
385              signature(x = "TextDocCol", i = "ANY", j = "ANY"),
386              function(x, i, j, ...) {
387                  if (DBControl(x)[["useDb"]]) {
388                      db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
389                      result <- dbFetch(db, x@.Data[[i]])
390                      return(loadDoc(result))
391                  }
392                  else
393                      return(loadDoc(x@.Data[[i]]))
394              })
395    
396    setMethod("[[<-",
397              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
398              function(x, i, j, ..., value) {
399                  object <- x
400                  if (DBControl(object)[["useDb"]]) {
401                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
402                      index <- object@.Data[[i]]
403                      db[[index]] <- value
404                  }
405                  else
406                      object@.Data[[i, ...]] <- value
407                  return(object)
408              })
409    
410    # Update \code{NodeID}s of a CMetaData tree
411    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
412        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
413        set_id <- function(object) {
414            object@NodeID <- id
415            id <<- id + 1
416            level <<- level + 1
417    
418            if (length(object@children) > 0) {
419                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
420                left <- set_id(object@children[[1]])
421                if (level == 1) {
422                    left.mapping <<- mapping
423                    mapping <<- NULL
424                }
425                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
426                right <- set_id(object@children[[2]])
427    
428                object@children <- list(left, right)
429            }
430            level <<- level - 1
431    
432            return(object)
433        }
434    
435        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
436    }
437    
438    setMethod("c",
439              signature(x = "TextDocCol"),
440              function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
441                  args <- list(...)
442                  if (length(args) == 0)
443                      return(x)
444    
445                  if (!all(sapply(args, inherits, "TextDocCol")))
446                      stop("not all arguments are text document collections")
447                  if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
448                      stop("concatenating text document collections with activated database is not supported")
449    
450                  result <- x
451                  for (c in args) {
452                      result <- c2(result, c)
453                  }
454                  return(result)
455              })
456    
457    setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
458    setMethod("c2",
459              signature(x = "TextDocCol", y = "TextDocCol"),
460              function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
461                  object <- x
462                  # Concatenate data slots
463                  object@.Data <- c(as(x, "list"), as(y, "list"))
464    
465                  # Set the DBControl slot
466                  object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
467    
468                  # Update the CMetaData tree
469                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
470                  update.struct <- update_id(cmeta)
471                  object@CMetaData <- update.struct$root
472    
473                  # Find indices to be updated for the left tree
474                  indices.mapping <- NULL
475                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
476                      indices <- (DMetaData(x)$MetaID == m)
477                      indices.mapping <- c(indices.mapping, list(m = indices))
478                      names(indices.mapping)[length(indices.mapping)] <- m
479                  }
480    
481                  # Update the DMetaData data frames for the left tree
482                  for (i in 1:ncol(update.struct$left.mapping)) {
483                      map <- update.struct$left.mapping[,i]
484                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
485                  }
486    
487                  # Find indices to be updated for the right tree
488                  indices.mapping <- NULL
489                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
490                      indices <- (DMetaData(y)$MetaID == m)
491                      indices.mapping <- c(indices.mapping, list(m = indices))
492                      names(indices.mapping)[length(indices.mapping)] <- m
493                  }
494    
495                  # Update the DMetaData data frames for the right tree
496                  for (i in 1:ncol(update.struct$right.mapping)) {
497                      map <- update.struct$right.mapping[,i]
498                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
499                  }
500    
501                  # Merge the DMetaData data frames
502                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
503                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
504                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
505                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
506                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
507                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
508                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
509    
510                  return(object)
511              })
512    
513    setMethod("c",
514              signature(x = "TextDocument"),
515              function(x, ..., recursive = TRUE){
516                  args <- list(...)
517                  if(length(args) == 0)
518                      return(x)
519    
520                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
521                  cmeta.node <- new("MetaDataNode",
522                                NodeID = 0,
523                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
524                                children = list())
525    
526                  return(new("TextDocCol",
527                             .Data = list(x, ...),
528                             DMetaData = dmeta.df,
529                             CMetaData = cmeta.node,
530                             DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
531              })
532    
533    setMethod("length",
534              signature(x = "TextDocCol"),
535              function(x){
536                  return(length(as(x, "list")))
537        })
538    
539    setMethod("show",
540              signature(object = "TextDocCol"),
541              function(object){
542                  cat(sprintf(ngettext(length(object),
543                                       "A text document collection with %d text document\n",
544                                       "A text document collection with %d text documents\n"),
545                              length(object)))
546        })
547    
548    setMethod("summary",
549              signature(object = "TextDocCol"),
550              function(object){
551                  show(object)
552                  if (length(DMetaData(object)) > 0) {
553                      cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
554                                                  "\nThe metadata consists of %d tag-value pair and a data frame\n",
555                                                  "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
556                                           length(CMetaData(object)@MetaData)))
557                      cat("Available tags are:\n")
558                      cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
559                      cat("Available variables in the data frame are:\n")
560                      cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
561                  }
562        })
563    
564    setGeneric("inspect", function(object) standardGeneric("inspect"))
565    setMethod("inspect",
566              signature("TextDocCol"),
567              function(object) {
568                  summary(object)
569                  cat("\n")
570                  if (DBControl(object)[["useDb"]]) {
571                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
572                      show(dbMultiFetch(db, unlist(object)))
573                  }
574                  else
575                      show(object@.Data)
576              })
577    
578    # No metadata is checked
579    setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
580    setMethod("%IN%",
581              signature(x = "TextDocument", y = "TextDocCol"),
582              function(x, y) {
583                  if (DBControl(y)[["useDb"]]) {
584                      db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
585                      result <- any(sapply(y, function(x, z) {x %in% Corpus(z)}, x))
586                  }
587                  else
588                      result <- x %in% y
589                  return(result)
590              })
591    
592    setMethod("lapply",
593              signature(X = "TextDocCol"),
594              function(X, FUN, ...) {
595                  if (DBControl(X)[["useDb"]]) {
596                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
597                      result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
598                  }
599                  else
600                      result <- base::lapply(X, FUN, ...)
601                  return(result)
602              })
603    
604    setMethod("sapply",
605              signature(X = "TextDocCol"),
606              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
607                  if (DBControl(X)[["useDb"]]) {
608                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
609                      result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
610                  }
611                  else
612                      result <- base::sapply(X, FUN, ...)
613                  return(result)
614  })  })

Legend:
Removed from v.18  
changed lines
  Added in v.747

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