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 828, Sun Mar 9 07:47:15 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      doc <- new("textdocument", author = author, timestamp = timestamp, description = description,                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
49                 id = id, origin = origin, corpus = corpus, heading = heading)                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      new("textdoccol", docs = list(doc), tdm = matrix())  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$language, filename))
151                  }
152    
153                  return(object)
154              })
155    
156    setGeneric("tmMap", function(object, FUN, lazy = FALSE, ...) standardGeneric("tmMap"))
157    ############################################
158    # Lazy mapping restrictions (at the moment):
159    #   *) No database backend support
160    #   *) No function composition
161    ############################################
162    setMethod("tmMap",
163              signature(object = "Corpus", FUN = "function"),
164              function(object, FUN, lazy = FALSE, ...) {
165                  result <- object
166                  # Note that text corpora are automatically loaded into memory via \code{[[}
167                  if (DBControl(object)[["useDb"]]) {
168                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
169                      i <- 1
170                      for (id in unlist(object)) {
171                          db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
172                          i <- i + 1
173                      }
174                  }
175                  else {
176                      if (lazy)
177                          meta(result, tag = "lazyTmMap", type = "corpus") <- list(fun = FUN, args = ...)
178                      else
179                          result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
180                  }
181                  return(result)
182              })
183    
184    # Materialize lazy mappings
185    materialize <- function(corpus) {
186        lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")
187        if (!is.null(lazyTmMap))
188            corpus@.Data <- lapply(corpus, lazyTmMap$fun, DMetaData = DMetaData(corpus))
189        return(corpus)
190    }
191    
192    setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
193    setMethod("asPlain",
194              signature(object = "PlainTextDocument"),
195              function(object, FUN, ...) {
196                  return(object)
197              })
198    setMethod("asPlain",
199              signature(object = "XMLTextDocument", FUN = "function"),
200              function(object, FUN, ...) {
201                  corpus <- Content(object)
202    
203                  # As XMLDocument is no native S4 class, restore valid information
204                  class(corpus) <- "XMLDocument"
205                  names(corpus) <- c("doc","dtd")
206    
207                  return(FUN(xmlRoot(corpus), ...))
208              })
209    setMethod("asPlain",
210              signature(object = "Reuters21578Document"),
211              function(object, FUN, ...) {
212                  FUN <- convertReut21578XMLPlain
213                  corpus <- Content(object)
214    
215                  # As XMLDocument is no native S4 class, restore valid information
216                  class(corpus) <- "XMLDocument"
217                  names(corpus) <- c("doc","dtd")
218    
219                  return(FUN(xmlRoot(corpus), ...))
220              })
221    setMethod("asPlain",
222              signature(object = "RCV1Document"),
223              function(object, FUN, ...) {
224                  FUN <- convertRCV1Plain
225                  corpus <- Content(object)
226    
227                  # As XMLDocument is no native S4 class, restore valid information
228                  class(corpus) <- "XMLDocument"
229                  names(corpus) <- c("doc","dtd")
230    
231                  return(FUN(xmlRoot(corpus), ...))
232              })
233    setMethod("asPlain",
234              signature(object = "NewsgroupDocument"),
235              function(object, FUN, ...) {
236                  new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = "", Author = Author(object),
237                      DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
238                      Origin = Origin(object), Heading = Heading(object), Language = Language(object),
239                      LocalMetaData = LocalMetaData(object))
240              })
241    setMethod("asPlain",
242              signature(object = "StructuredTextDocument"),
243              function(object, FUN, ...) {
244                  new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,
245                      URI = "", Author = Author(object), DateTimeStamp = DateTimeStamp(object),
246                      Description = Description(object), ID = ID(object), Origin = Origin(object),
247                      Heading = Heading(object), Language = Language(object),
248                      LocalMetaData = LocalMetaData(object))
249              })
250    
251    setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
252    setMethod("tmFilter",
253              signature(object = "Corpus"),
254              function(object, ..., FUN = sFilter, doclevel = FALSE) {
255                  if (doclevel)
256                      return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
257                  else
258                      return(object[FUN(object, ...)])
259              })
260    
261    setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
262    setMethod("tmIndex",
263              signature(object = "Corpus"),
264              function(object, ..., FUN = sFilter, doclevel = FALSE) {
265                  if (doclevel)
266                      return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
267                  else
268                      return(FUN(object, ...))
269              })
270    
271    sFilter <- function(object, s, ...) {
272        con <- textConnection(s)
273        tokens <- scan(con, "character", quiet = TRUE)
274        close(con)
275        localMetaNames <- unique(names(sapply(object, LocalMetaData)))
276        localMetaTokens <- localMetaNames[localMetaNames %in% tokens]
277        n <- names(DMetaData(object))
278        tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)
279        query.df <- DMetaData(prescindMeta(object, tags))
280        if (DBControl(object)[["useDb"]])
281            DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = FALSE]
282        # Rename to avoid name conflicts
283        names(query.df)[names(query.df) == "Author"] <- "author"
284        names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"
285        names(query.df)[names(query.df) == "Description"] <- "description"
286        names(query.df)[names(query.df) == "ID"] <- "identifier"
287        names(query.df)[names(query.df) == "Origin"] <- "origin"
288        names(query.df)[names(query.df) == "Heading"] <- "heading"
289        names(query.df)[names(query.df) == "Language"] <- "language"
290        attach(query.df)
291        try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
292        detach(query.df)
293        return(result)
294    }
295    
296    setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
297    setMethod("appendElem",
298              signature(object = "Corpus", data = "TextDocument"),
299              function(object, data, meta = NULL) {
300                  if (DBControl(object)[["useDb"]]) {
301                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
302                      if (dbExists(db, ID(data)))
303                          warning("document with identical ID already exists")
304                      dbInsert(db, ID(data), data)
305                      object@.Data[[length(object)+1]] <- ID(data)
306                  }
307                  else
308                      object@.Data[[length(object)+1]] <- data
309                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
310                  return(object)
311              })
312    
313    setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
314    setMethod("appendMeta",
315              signature(object = "Corpus"),
316              function(object, cmeta = NULL, dmeta = NULL) {
317                  object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
318                  if (!is.null(dmeta)) {
319                      DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
320                  }
321                  return(object)
322              })
323    
324    setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
325    setMethod("removeMeta",
326              signature(object = "Corpus"),
327              function(object, cname = NULL, dname = NULL) {
328                  if (!is.null(cname))
329                      object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
330                  if (!is.null(dname))
331                      DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
332                  return(object)
333              })
334    
335    setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
336    setMethod("prescindMeta",
337              signature(object = "Corpus", meta = "character"),
338              function(object, meta) {
339                  for (m in meta) {
340                      if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
341                          local.m <- lapply(object, m)
342                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
343                          local.m <- unlist(local.m)
344                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
345                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
346                      }
347                      else {
348                          local.meta <- lapply(object, LocalMetaData)
349                          local.m <- lapply(local.meta, "[[", m)
350                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
351                          if (length(local.m) == length(unlist(local.m)))
352                              local.m <- unlist(local.m)
353                          else
354                              local.m <- I(local.m)
355                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
356                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
357                      }
358                  }
359                  return(object)
360              })
361    
362    setMethod("[",
363              signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),
364              function(x, i, j, ... , drop) {
365                  if(missing(i))
366                      return(x)
367    
368                  object <- x
369                  object@.Data <- x@.Data[i, ..., drop = FALSE]
370                  if (DBControl(object)[["useDb"]]) {
371                      index <- object@DMetaData[[1 , "subset"]]
372                      if (any(is.na(index)))
373                          object@DMetaData[[1 , "subset"]] <- i
374                      else
375                          object@DMetaData[[1 , "subset"]] <- index[i]
376                  }
377                  else
378                      DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
379                  return(object)
380              })
381    
382    setMethod("[<-",
383              signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
384              function(x, i, j, ... , value) {
385                  object <- x
386                  if (DBControl(object)[["useDb"]]) {
387                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
388                      counter <- 1
389                      for (id in object@.Data[i, ...]) {
390                          if (length(value) == 1)
391                              db[[id]] <- value
392                          else {
393                              db[[id]] <- value[[counter]]
394                          }
395                          counter <- counter + 1
396                      }
397                  }
398                  else
399                      object@.Data[i, ...] <- value
400                  return(object)
401              })
402    
403    # ToDo: Implement on-demand materialization of lazy mappings
404    setMethod("[[",
405              signature(x = "Corpus", i = "ANY", j = "ANY"),
406              function(x, i, j, ...) {
407                  if (DBControl(x)[["useDb"]]) {
408                      db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
409                      result <- dbFetch(db, x@.Data[[i]])
410                      return(loadDoc(result))
411                  }
412                  else
413                      return(loadDoc(x@.Data[[i]]))
414              })
415    
416    setMethod("[[<-",
417              signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
418              function(x, i, j, ..., value) {
419                  object <- x
420                  if (DBControl(object)[["useDb"]]) {
421                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
422                      index <- object@.Data[[i]]
423                      db[[index]] <- value
424                  }
425                  else
426                      object@.Data[[i, ...]] <- value
427                  return(object)
428              })
429    
430    # Update \code{NodeID}s of a CMetaData tree
431    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
432        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
433        set_id <- function(object) {
434            object@NodeID <- id
435            id <<- id + 1
436            level <<- level + 1
437    
438            if (length(object@children) > 0) {
439                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
440                left <- set_id(object@children[[1]])
441                if (level == 1) {
442                    left.mapping <<- mapping
443                    mapping <<- NULL
444                }
445                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
446                right <- set_id(object@children[[2]])
447    
448                object@children <- list(left, right)
449            }
450            level <<- level - 1
451    
452            return(object)
453        }
454    
455        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
456    }
457    
458    setMethod("c",
459              signature(x = "Corpus"),
460              function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
461                  args <- list(...)
462                  if (length(args) == 0)
463                      return(x)
464    
465                  if (!all(sapply(args, inherits, "Corpus")))
466                      stop("not all arguments are text document collections")
467                  if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
468                      stop("concatenating text document collections with activated database is not supported")
469    
470                  result <- x
471                  for (c in args) {
472                      result <- c2(result, c)
473                  }
474                  return(result)
475              })
476    
477    setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
478    setMethod("c2",
479              signature(x = "Corpus", y = "Corpus"),
480              function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
481                  object <- x
482                  # Concatenate data slots
483                  object@.Data <- c(as(x, "list"), as(y, "list"))
484    
485                  # Set the DBControl slot
486                  object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
487    
488                  # Update the CMetaData tree
489                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
490                  update.struct <- update_id(cmeta)
491                  object@CMetaData <- update.struct$root
492    
493                  # Find indices to be updated for the left tree
494                  indices.mapping <- NULL
495                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
496                      indices <- (DMetaData(x)$MetaID == m)
497                      indices.mapping <- c(indices.mapping, list(m = indices))
498                      names(indices.mapping)[length(indices.mapping)] <- m
499                  }
500    
501                  # Update the DMetaData data frames for the left tree
502                  for (i in 1:ncol(update.struct$left.mapping)) {
503                      map <- update.struct$left.mapping[,i]
504                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
505                  }
506    
507                  # Find indices to be updated for the right tree
508                  indices.mapping <- NULL
509                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
510                      indices <- (DMetaData(y)$MetaID == m)
511                      indices.mapping <- c(indices.mapping, list(m = indices))
512                      names(indices.mapping)[length(indices.mapping)] <- m
513                  }
514    
515                  # Update the DMetaData data frames for the right tree
516                  for (i in 1:ncol(update.struct$right.mapping)) {
517                      map <- update.struct$right.mapping[,i]
518                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
519                  }
520    
521                  # Merge the DMetaData data frames
522                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
523                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
524                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
525                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
526                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
527                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
528                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
529    
530                  return(object)
531              })
532    
533    setMethod("c",
534              signature(x = "TextDocument"),
535              function(x, ..., recursive = TRUE){
536                  args <- list(...)
537                  if(length(args) == 0)
538                      return(x)
539    
540                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
541                  cmeta.node <- new("MetaDataNode",
542                                NodeID = 0,
543                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
544                                children = list())
545    
546                  return(new("Corpus",
547                             .Data = list(x, ...),
548                             DMetaData = dmeta.df,
549                             CMetaData = cmeta.node,
550                             DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
551              })
552    
553    setMethod("length",
554              signature(x = "Corpus"),
555              function(x){
556                  return(length(as(x, "list")))
557        })
558    
559    setMethod("show",
560              signature(object = "Corpus"),
561              function(object){
562                  cat(sprintf(ngettext(length(object),
563                                       "A text document collection with %d text document\n",
564                                       "A text document collection with %d text documents\n"),
565                              length(object)))
566        })
567    
568    setMethod("summary",
569              signature(object = "Corpus"),
570              function(object){
571                  show(object)
572                  if (length(DMetaData(object)) > 0) {
573                      cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
574                                                  "\nThe metadata consists of %d tag-value pair and a data frame\n",
575                                                  "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
576                                           length(CMetaData(object)@MetaData)))
577                      cat("Available tags are:\n")
578                      cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
579                      cat("Available variables in the data frame are:\n")
580                      cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
581                  }
582        })
583    
584    setGeneric("inspect", function(object) standardGeneric("inspect"))
585    setMethod("inspect",
586              signature("Corpus"),
587              function(object) {
588                  summary(object)
589                  cat("\n")
590                  if (DBControl(object)[["useDb"]]) {
591                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
592                      show(dbMultiFetch(db, unlist(object)))
593                  }
594                  else
595                      show(object@.Data)
596              })
597    
598    # No metadata is checked
599    setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
600    setMethod("%IN%",
601              signature(x = "TextDocument", y = "Corpus"),
602              function(x, y) {
603                  if (DBControl(y)[["useDb"]]) {
604                      db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
605                      result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))
606                  }
607                  else
608                      result <- x %in% y
609                  return(result)
610              })
611    
612    setMethod("lapply",
613              signature(X = "Corpus"),
614              function(X, FUN, ...) {
615                  if (DBControl(X)[["useDb"]]) {
616                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
617                      result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
618                  }
619                  else
620                      result <- base::lapply(X, FUN, ...)
621                  return(result)
622              })
623    
624    setMethod("sapply",
625              signature(X = "Corpus"),
626              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
627                  if (DBControl(X)[["useDb"]]) {
628                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
629                      result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
630                  }
631                  else
632                      result <- base::sapply(X, FUN, ...)
633                  return(result)
634              })
635    
636    setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))
637    setMethod("writeCorpus",
638              signature(object = "Corpus"),
639              function(object, path = ".", filenames = NULL) {
640                  filenames <- file.path(path,
641                                         if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))
642                                         else filenames)
643                  i <- 1
644                  for (o in object) {
645                      writeLines(o, filenames[i])
646                      i <- i + 1
647                  }
648  })  })

Legend:
Removed from v.18  
changed lines
  Added in v.828

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