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 826, Sat Feb 23 14:38:15 2008 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("Corpus", function(object,
5  # TODO: Define proper S4 term-document matrix                                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),
6  setClass("textdoccol", representation(docs = "list",                                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
7                                        tdm = "matrix"))                                    ...) standardGeneric("Corpus"))
8    setMethod("Corpus",
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 = TRUE),
12          fun <- docs                     dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
13      else                     ...) {
14          fun <- function(object) standardGeneric("docs")                if (is.null(readerControl$reader))
15      setGeneric("docs", fun)                    readerControl$reader <- object@DefaultReader
16  }                if (is(readerControl$reader, "FunctionGenerator"))
17  setMethod("docs", "textdoccol", function(object) object@docs)                    readerControl$reader <- readerControl$reader(...)
18                  if (is.null(readerControl$language))
19  setGeneric("textdoccol", function(docs) standardGeneric("textdoccol"))                    readerControl$language = "en_US"
20  # Read in XML text documents                if (is.null(readerControl$load))
21  # Reuters Corpus Volume 1 (RCV1)                    readerControl$load = TRUE
 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)  
22    
23      heading <- xmlValue(node[["title"]])                if (dbControl$useDb) {
24                      if (!dbCreate(dbControl$dbName, dbControl$dbType))
25                          stop("error in creating database")
26                      db <- dbInit(dbControl$dbName, dbControl$dbType)
27                  }
28    
29                  tdl <- list()
30                  counter <- 1
31                  while (!eoi(object)) {
32                      object <- stepNext(object)
33                      elem <- getElem(object)
34                      # If there is no Load on Demand support
35                      # we need to load the corpus into memory at startup
36                      if (!object@LoDSupport)
37                          readerControl$load <- TRUE
38                      doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))
39                      if (dbControl$useDb) {
40                          dbInsert(db, ID(doc), doc)
41                          tdl <- c(tdl, ID(doc))
42                      }
43                      else
44                          tdl <- c(tdl, list(doc))
45                      counter <- counter + 1
46                  }
47    
48                  df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
49                  if (dbControl$useDb) {
50                      dbInsert(db, "DMetaData", df)
51                      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
52                  }
53                  else
54                      dmeta.df <- df
55    
56                  cmeta.node <- new("MetaDataNode",
57                                NodeID = 0,
58                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
59                                children = list())
60    
61                  return(new("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
62              })
63    
64    setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
65    setMethod("loadDoc",
66              signature(object = "PlainTextDocument"),
67              function(object, ...) {
68                  if (!Cached(object)) {
69                      con <- eval(URI(object))
70                      corpus <- readLines(con)
71                      close(con)
72                      Content(object) <- corpus
73                      Cached(object) <- TRUE
74                      return(object)
75                  } else {
76                      return(object)
77                  }
78              })
79    setMethod("loadDoc",
80              signature(object =  "XMLTextDocument"),
81              function(object, ...) {
82                  if (!Cached(object)) {
83                      con <- eval(URI(object))
84                      corpus <- paste(readLines(con), "\n", collapse = "")
85                      close(con)
86                      doc <- xmlTreeParse(corpus, asText = TRUE)
87                      class(doc) <- "list"
88                      Content(object) <- doc
89                      Cached(object) <- TRUE
90                      return(object)
91                  } else {
92                      return(object)
93                  }
94              })
95    setMethod("loadDoc",
96              signature(object = "NewsgroupDocument"),
97              function(object, ...) {
98                  if (!Cached(object)) {
99                      con <- eval(URI(object))
100                      mail <- readLines(con)
101                      close(con)
102                      Cached(object) <- TRUE
103                      for (index in seq_along(mail)) {
104                          if (mail[index] == "")
105                              break
106                      }
107                      Content(object) <- mail[(index + 1):length(mail)]
108                      return(object)
109                  } else {
110                      return(object)
111                  }
112              })
113    setMethod("loadDoc",
114              signature(object = "StructuredTextDocument"),
115              function(object, ...) {
116                  if (!Cached(object)) {
117                      warning("load on demand not (yet) supported for StructuredTextDocuments")
118                      return(object)
119                  } else
120                      return(object)
121              })
122    
123    setGeneric("tmUpdate", function(object,
124                                    origin,
125                                    readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),
126                                    ...) standardGeneric("tmUpdate"))
127    # Update is only supported for directories
128    # At the moment no other LoD devices are available anyway
129    setMethod("tmUpdate",
130              signature(object = "Corpus", origin = "DirSource"),
131              function(object, origin,
132                       readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),
133                       ...) {
134                  if (is.null(readerControl$reader))
135                      readerControl$reader <- origin@DefaultReader
136                  if (is(readerControl$reader, "FunctionGenerator"))
137                      readerControl$reader <- readerControl$reader(...)
138                  if (is.null(readerControl$language))
139                      readerControl$language = "en_US"
140                  if (is.null(readerControl$load))
141                      readerControl$load = TRUE
142    
143                  object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
144                  new.files <- setdiff(origin@FileList, object.filelist)
145    
146                  for (filename in new.files) {
147                      encoding <- origin@Encoding
148                      elem <- list(content = readLines(filename, encoding = encoding),
149                                   uri = substitute(file(filename, encoding = encoding)))
150                      object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
151                  }
152    
153                  return(object)
154              })
155    
156    setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))
157    setMethod("tmMap",
158              signature(object = "Corpus", FUN = "function"),
159              function(object, FUN, ...) {
160                  result <- object
161                  # Note that text corpora are automatically loaded into memory via \code{[[}
162                  if (DBControl(object)[["useDb"]]) {
163                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
164                      i <- 1
165                      for (id in unlist(object)) {
166                          db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
167                          i <- i + 1
168                      }
169                  }
170                  else
171                      result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
172                  return(result)
173              })
174    
175    setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
176    setMethod("asPlain",
177              signature(object = "PlainTextDocument"),
178              function(object, FUN, ...) {
179                  return(object)
180              })
181    setMethod("asPlain",
182              signature(object = "XMLTextDocument", FUN = "function"),
183              function(object, FUN, ...) {
184                  corpus <- Content(object)
185    
186                  # As XMLDocument is no native S4 class, restore valid information
187                  class(corpus) <- "XMLDocument"
188                  names(corpus) <- c("doc","dtd")
189    
190                  return(FUN(xmlRoot(corpus), ...))
191              })
192    setMethod("asPlain",
193              signature(object = "Reuters21578Document"),
194              function(object, FUN, ...) {
195                  FUN <- convertReut21578XMLPlain
196                  corpus <- Content(object)
197    
198                  # As XMLDocument is no native S4 class, restore valid information
199                  class(corpus) <- "XMLDocument"
200                  names(corpus) <- c("doc","dtd")
201    
202                  return(FUN(xmlRoot(corpus), ...))
203              })
204    setMethod("asPlain",
205              signature(object = "RCV1Document"),
206              function(object, FUN, ...) {
207                  FUN <- convertRCV1Plain
208                  corpus <- Content(object)
209    
210                  # As XMLDocument is no native S4 class, restore valid information
211                  class(corpus) <- "XMLDocument"
212                  names(corpus) <- c("doc","dtd")
213    
214                  return(FUN(xmlRoot(corpus), ...))
215              })
216    setMethod("asPlain",
217              signature(object = "NewsgroupDocument"),
218              function(object, FUN, ...) {
219                  new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = "", Author = Author(object),
220                      DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
221                      Origin = Origin(object), Heading = Heading(object), Language = Language(object),
222                      LocalMetaData = LocalMetaData(object))
223              })
224    setMethod("asPlain",
225              signature(object = "StructuredTextDocument"),
226              function(object, FUN, ...) {
227                  new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,
228                      URI = "", Author = Author(object), DateTimeStamp = DateTimeStamp(object),
229                      Description = Description(object), ID = ID(object), Origin = Origin(object),
230                      Heading = Heading(object), Language = Language(object),
231                      LocalMetaData = LocalMetaData(object))
232              })
233    
234    setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
235    setMethod("tmFilter",
236              signature(object = "Corpus"),
237              function(object, ..., FUN = sFilter, doclevel = FALSE) {
238                  if (doclevel)
239                      return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
240                  else
241                      return(object[FUN(object, ...)])
242              })
243    
244    setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
245    setMethod("tmIndex",
246              signature(object = "Corpus"),
247              function(object, ..., FUN = sFilter, doclevel = FALSE) {
248                  if (doclevel)
249                      return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
250                  else
251                      return(FUN(object, ...))
252              })
253    
254    sFilter <- function(object, s, ...) {
255        con <- textConnection(s)
256        tokens <- scan(con, "character", quiet = TRUE)
257        close(con)
258        localMetaNames <- unique(names(sapply(object, LocalMetaData)))
259        localMetaTokens <- localMetaNames[localMetaNames %in% tokens]
260        n <- names(DMetaData(object))
261        tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)
262        query.df <- DMetaData(prescindMeta(object, tags))
263        if (DBControl(object)[["useDb"]])
264            DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = FALSE]
265        # Rename to avoid name conflicts
266        names(query.df)[names(query.df) == "Author"] <- "author"
267        names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"
268        names(query.df)[names(query.df) == "Description"] <- "description"
269        names(query.df)[names(query.df) == "ID"] <- "identifier"
270        names(query.df)[names(query.df) == "Origin"] <- "origin"
271        names(query.df)[names(query.df) == "Heading"] <- "heading"
272        names(query.df)[names(query.df) == "Language"] <- "language"
273        attach(query.df)
274        try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
275        detach(query.df)
276        return(result)
277    }
278    
279    setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
280    setMethod("appendElem",
281              signature(object = "Corpus", data = "TextDocument"),
282              function(object, data, meta = NULL) {
283                  if (DBControl(object)[["useDb"]]) {
284                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
285                      if (dbExists(db, ID(data)))
286                          warning("document with identical ID already exists")
287                      dbInsert(db, ID(data), data)
288                      object@.Data[[length(object)+1]] <- ID(data)
289                  }
290                  else
291                      object@.Data[[length(object)+1]] <- data
292                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
293                  return(object)
294              })
295    
296    setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
297    setMethod("appendMeta",
298              signature(object = "Corpus"),
299              function(object, cmeta = NULL, dmeta = NULL) {
300                  object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
301                  if (!is.null(dmeta)) {
302                      DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
303                  }
304                  return(object)
305              })
306    
307    setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
308    setMethod("removeMeta",
309              signature(object = "Corpus"),
310              function(object, cname = NULL, dname = NULL) {
311                  if (!is.null(cname))
312                      object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
313                  if (!is.null(dname))
314                      DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
315                  return(object)
316              })
317    
318    setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
319    setMethod("prescindMeta",
320              signature(object = "Corpus", meta = "character"),
321              function(object, meta) {
322                  for (m in meta) {
323                      if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
324                          local.m <- lapply(object, m)
325                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
326                          local.m <- unlist(local.m)
327                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
328                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
329                      }
330                      else {
331                          local.meta <- lapply(object, LocalMetaData)
332                          local.m <- lapply(local.meta, "[[", m)
333                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
334                          if (length(local.m) == length(unlist(local.m)))
335                              local.m <- unlist(local.m)
336                          else
337                              local.m <- I(local.m)
338                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
339                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
340                      }
341                  }
342                  return(object)
343              })
344    
345    setMethod("[",
346              signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),
347              function(x, i, j, ... , drop) {
348                  if(missing(i))
349                      return(x)
350    
351                  object <- x
352                  object@.Data <- x@.Data[i, ..., drop = FALSE]
353                  if (DBControl(object)[["useDb"]]) {
354                      index <- object@DMetaData[[1 , "subset"]]
355                      if (any(is.na(index)))
356                          object@DMetaData[[1 , "subset"]] <- i
357                      else
358                          object@DMetaData[[1 , "subset"]] <- index[i]
359                  }
360                  else
361                      DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
362                  return(object)
363              })
364    
365    setMethod("[<-",
366              signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
367              function(x, i, j, ... , value) {
368                  object <- x
369                  if (DBControl(object)[["useDb"]]) {
370                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
371                      counter <- 1
372                      for (id in object@.Data[i, ...]) {
373                          if (length(value) == 1)
374                              db[[id]] <- value
375                          else {
376                              db[[id]] <- value[[counter]]
377                          }
378                          counter <- counter + 1
379                      }
380                  }
381                  else
382                      object@.Data[i, ...] <- value
383                  return(object)
384              })
385    
386    setMethod("[[",
387              signature(x = "Corpus", i = "ANY", j = "ANY"),
388              function(x, i, j, ...) {
389                  if (DBControl(x)[["useDb"]]) {
390                      db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
391                      result <- dbFetch(db, x@.Data[[i]])
392                      return(loadDoc(result))
393                  }
394                  else
395                      return(loadDoc(x@.Data[[i]]))
396              })
397    
398    setMethod("[[<-",
399              signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
400              function(x, i, j, ..., value) {
401                  object <- x
402                  if (DBControl(object)[["useDb"]]) {
403                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
404                      index <- object@.Data[[i]]
405                      db[[index]] <- value
406                  }
407                  else
408                      object@.Data[[i, ...]] <- value
409                  return(object)
410              })
411    
412    # Update \code{NodeID}s of a CMetaData tree
413    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
414        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
415        set_id <- function(object) {
416            object@NodeID <- id
417            id <<- id + 1
418            level <<- level + 1
419    
420            if (length(object@children) > 0) {
421                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
422                left <- set_id(object@children[[1]])
423                if (level == 1) {
424                    left.mapping <<- mapping
425                    mapping <<- NULL
426                }
427                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
428                right <- set_id(object@children[[2]])
429    
430                object@children <- list(left, right)
431            }
432            level <<- level - 1
433    
434            return(object)
435        }
436    
437        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
438    }
439    
440    setMethod("c",
441              signature(x = "Corpus"),
442              function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
443                  args <- list(...)
444                  if (length(args) == 0)
445                      return(x)
446    
447                  if (!all(sapply(args, inherits, "Corpus")))
448                      stop("not all arguments are text document collections")
449                  if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
450                      stop("concatenating text document collections with activated database is not supported")
451    
452      doc <- new("textdocument", author = author, timestamp = timestamp, description = description,                result <- x
453                 id = id, origin = origin, corpus = corpus, heading = heading)                for (c in args) {
454                      result <- c2(result, c)
455                  }
456                  return(result)
457              })
458    
459    setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
460    setMethod("c2",
461              signature(x = "Corpus", y = "Corpus"),
462              function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
463                  object <- x
464                  # Concatenate data slots
465                  object@.Data <- c(as(x, "list"), as(y, "list"))
466    
467                  # Set the DBControl slot
468                  object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
469    
470                  # Update the CMetaData tree
471                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
472                  update.struct <- update_id(cmeta)
473                  object@CMetaData <- update.struct$root
474    
475                  # Find indices to be updated for the left tree
476                  indices.mapping <- NULL
477                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
478                      indices <- (DMetaData(x)$MetaID == m)
479                      indices.mapping <- c(indices.mapping, list(m = indices))
480                      names(indices.mapping)[length(indices.mapping)] <- m
481                  }
482    
483                  # Update the DMetaData data frames for the left tree
484                  for (i in 1:ncol(update.struct$left.mapping)) {
485                      map <- update.struct$left.mapping[,i]
486                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
487                  }
488    
489      new("textdoccol", docs = list(doc), tdm = matrix())                # Find indices to be updated for the right tree
490                  indices.mapping <- NULL
491                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
492                      indices <- (DMetaData(y)$MetaID == m)
493                      indices.mapping <- c(indices.mapping, list(m = indices))
494                      names(indices.mapping)[length(indices.mapping)] <- m
495                  }
496    
497                  # Update the DMetaData data frames for the right tree
498                  for (i in 1:ncol(update.struct$right.mapping)) {
499                      map <- update.struct$right.mapping[,i]
500                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
501                  }
502    
503                  # Merge the DMetaData data frames
504                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
505                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
506                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
507                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
508                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
509                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
510                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
511    
512                  return(object)
513              })
514    
515    setMethod("c",
516              signature(x = "TextDocument"),
517              function(x, ..., recursive = TRUE){
518                  args <- list(...)
519                  if(length(args) == 0)
520                      return(x)
521    
522                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
523                  cmeta.node <- new("MetaDataNode",
524                                NodeID = 0,
525                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
526                                children = list())
527    
528                  return(new("Corpus",
529                             .Data = list(x, ...),
530                             DMetaData = dmeta.df,
531                             CMetaData = cmeta.node,
532                             DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
533              })
534    
535    setMethod("length",
536              signature(x = "Corpus"),
537              function(x){
538                  return(length(as(x, "list")))
539        })
540    
541    setMethod("show",
542              signature(object = "Corpus"),
543              function(object){
544                  cat(sprintf(ngettext(length(object),
545                                       "A text document collection with %d text document\n",
546                                       "A text document collection with %d text documents\n"),
547                              length(object)))
548        })
549    
550    setMethod("summary",
551              signature(object = "Corpus"),
552              function(object){
553                  show(object)
554                  if (length(DMetaData(object)) > 0) {
555                      cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
556                                                  "\nThe metadata consists of %d tag-value pair and a data frame\n",
557                                                  "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
558                                           length(CMetaData(object)@MetaData)))
559                      cat("Available tags are:\n")
560                      cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
561                      cat("Available variables in the data frame are:\n")
562                      cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
563                  }
564        })
565    
566    setGeneric("inspect", function(object) standardGeneric("inspect"))
567    setMethod("inspect",
568              signature("Corpus"),
569              function(object) {
570                  summary(object)
571                  cat("\n")
572                  if (DBControl(object)[["useDb"]]) {
573                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
574                      show(dbMultiFetch(db, unlist(object)))
575                  }
576                  else
577                      show(object@.Data)
578              })
579    
580    # No metadata is checked
581    setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
582    setMethod("%IN%",
583              signature(x = "TextDocument", y = "Corpus"),
584              function(x, y) {
585                  if (DBControl(y)[["useDb"]]) {
586                      db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
587                      result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))
588                  }
589                  else
590                      result <- x %in% y
591                  return(result)
592              })
593    
594    setMethod("lapply",
595              signature(X = "Corpus"),
596              function(X, FUN, ...) {
597                  if (DBControl(X)[["useDb"]]) {
598                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
599                      result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
600                  }
601                  else
602                      result <- base::lapply(X, FUN, ...)
603                  return(result)
604              })
605    
606    setMethod("sapply",
607              signature(X = "Corpus"),
608              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
609                  if (DBControl(X)[["useDb"]]) {
610                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
611                      result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
612                  }
613                  else
614                      result <- base::sapply(X, FUN, ...)
615                  return(result)
616              })
617    
618    setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))
619    setMethod("writeCorpus",
620              signature(object = "Corpus"),
621              function(object, path = ".", filenames = NULL) {
622                  filenames <- file.path(path,
623                                         if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))
624                                         else filenames)
625                  i <- 1
626                  for (o in object) {
627                      writeLines(o, filenames[i])
628                      i <- i + 1
629                  }
630  })  })

Legend:
Removed from v.18  
changed lines
  Added in v.826

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