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 32, Thu Dec 15 13:13:54 2005 UTC trunk/tm/R/textdoccol.R revision 728, Sun Apr 8 23:23:29 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  setClass("textdoccol",                                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = FALSE),
6           contains = c("list"))                                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
7                                      ...) standardGeneric("TextDocCol"))
8  # Constructors  setMethod("TextDocCol",
9              signature(object = "Source"),
10  setGeneric("textdoccol", function(object, ...) standardGeneric("textdoccol"))            function(object,
11  setMethod("textdoccol",                     readerControl = list(reader = object@DefaultReader, language = "en_US", load = FALSE),
12            c("character", "character", "logical", "logical"),                     dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
13            function(object, inputType = "RCV1", stripWhiteSpace = FALSE, toLower = FALSE) {                     ...) {
14                  if (attr(readerControl$reader, "FunctionGenerator"))
15                # Add a new type for each unique input source format                    readerControl$reader <- readerControl$reader(...)
16                type <- match.arg(inputType,c("RCV1","CSV","REUT21578"))  
17                switch(type,                if (dbControl$useDb) {
18                       # Read in text documents in XML Reuters Corpus Volume 1 (RCV1) format                    if (!dbCreate(dbControl$dbName, dbControl$dbType))
19                       # For the moment the first argument is still a single file                        stop("error in creating database")
20                       # This will be changed to a directory as soon as we have the full RCV1 data set                    db <- dbInit(dbControl$dbName, dbControl$dbType)
21                       "RCV1" = {                }
22                           tree <- xmlTreeParse(object)  
23                           tdcl <- new("textdoccol", .Data = xmlApply(xmlRoot(tree), parseNewsItem, stripWhiteSpace, toLower))                tdl <- list()
24                       },                counter <- 1
25                       # Text in a special CSV format (as e.g. exported from an Excel sheet)                while (!eoi(object)) {
26                       # For details on the file format see data/Umfrage.csv                    object <- stepNext(object)
27                       # The first argument has to be a single file                    elem <- getElem(object)
28                       "CSV" = {                    # If there is no Load on Demand support
29                           m <- as.matrix(read.csv(object))                    # we need to load the corpus into memory at startup
30                           l <- vector("list", dim(m)[1])                    if (!object@LoDSupport)
31                           for (i in 1:dim(m)[1]) {                        readerControl$load <- TRUE
32                               author <- "Not yet implemented"                    doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))
33                               timestamp <- date()                    if (dbControl$useDb) {
34                               description <- "Not yet implemented"                        dbInsert(db, ID(doc), doc)
35                               id <- i                        tdl <- c(tdl, ID(doc))
36                               corpus <- as.character(m[i,2:dim(m)[2]])                    }
37                               if (stripWhiteSpace)                    else
38                                   corpus <- gsub("[[:space:]]+", " ", corpus)                        tdl <- c(tdl, list(doc))
39                               if (toLower)                    counter <- counter + 1
40                                   corpus <- tolower(corpus)                }
41                               origin <- "Not yet implemented"  
42                               heading <- "Not yet implemented"                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
43                  if (dbControl$useDb) {
44                               l[[i]] <- new("textdocument", .Data = corpus, author = author, timestamp = timestamp,                    dbInsert(db, "DMetaData", df)
45                                   description = description, id = id, origin = origin, heading = heading)                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
46                           }                    dbDisconnect(db)
47                           tdcl <- new("textdoccol", .Data = l)                }
48                       },                else
49                       # Read in text documents in Reuters-21578 XML (not SGML) format                    dmeta.df <- df
50                       # Typically the first argument will be a directory where we can  
51                       # find the files reut2-000.xml ... reut2-021.xml                cmeta.node <- new("MetaDataNode",
52                       "REUT21578" = {                              NodeID = 0,
53                           tdl <- sapply(dir(object,                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
54                                             pattern = ".xml",                              children = list())
55                                             full.names = TRUE),  
56                                         function(file) {                return(new("TextDocCol", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
57                                             tree <- xmlTreeParse(file)            })
58                                             xmlApply(xmlRoot(tree), parseReuters, stripWhiteSpace, toLower)  
59                                         })  setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
60    setMethod("loadDoc",
61                           tdcl <- new("textdoccol", .Data = tdl)            signature(object = "PlainTextDocument"),
62                       })            function(object, ...) {
63                tdcl                if (!Cached(object)) {
64            })                    con <- eval(URI(object))
65                      corpus <- readLines(con)
66  # Parse a <newsitem></newsitem> element from a well-formed RCV1 XML file                    close(con)
67  parseNewsItem <- function(node, stripWhiteSpace = FALSE, toLower = FALSE) {                    Corpus(object) <- corpus
68      author <- "Not yet implemented"                    Cached(object) <- TRUE
69      timestamp <- xmlAttrs(node)[["date"]]                    return(object)
70      description <- "Not yet implemented"                } else {
71      id <- as.integer(xmlAttrs(node)[["itemid"]])                    return(object)
72      origin <- "Not yet implemented"                }
73      corpus <- unlist(xmlApply(node[["text"]], xmlValue), use.names = FALSE)            })
74    setMethod("loadDoc",
75      if (stripWhiteSpace)            signature(object =  "XMLTextDocument"),
76          corpus <- gsub("[[:space:]]+", " ", corpus)            function(object, ...) {
77      if (toLower)                if (!Cached(object)) {
78          corpus <- tolower(corpus)                    con <- eval(URI(object))
79                      corpus <- paste(readLines(con), "\n", collapse = "")
80      heading <- xmlValue(node[["title"]])                    close(con)
81                      doc <- xmlTreeParse(corpus, asText = TRUE)
82      new("textdocument", .Data = corpus, author = author, timestamp = timestamp,                    class(doc) <- "list"
83          description = description, id = id, origin = origin, heading = heading)                    Corpus(object) <- doc
84  }                    Cached(object) <- TRUE
85                      return(object)
86  # Parse a <REUTERS></REUTERS> element from a well-formed Reuters-21578 XML file                } else {
87  parseReuters <- function(node, stripWhiteSpace = FALSE, toLower = FALSE) {                    return(object)
88      author <- "Not yet implemented"                }
89      timestamp <- xmlValue(node[["DATE"]])            })
90      description <- "Not yet implemented"  setMethod("loadDoc",
91      id <- as.integer(xmlAttrs(node)[["NEWID"]])            signature(object = "NewsgroupDocument"),
92              function(object, ...) {
93      origin <- "Not yet implemented"                if (!Cached(object)) {
94                      con <- eval(URI(object))
95      # The <BODY></BODY> tag is unfortunately NOT obligatory!                    mail <- readLines(con)
96      if (!is.null(node[["TEXT"]][["BODY"]]))                    close(con)
97          corpus <- xmlValue(node[["TEXT"]][["BODY"]])                    Cached(object) <- TRUE
98      else                    for (index in seq(along = mail)) {
99          corpus <- ""                        if (mail[index] == "")
100                              break
101      if (stripWhiteSpace)                    }
102          corpus <- gsub("[[:space:]]+", " ", corpus)                    Corpus(object) <- mail[(index + 1):length(mail)]
103      if (toLower)                    return(object)
104          corpus <- tolower(corpus)                } else {
105                      return(object)
106      # The <TITLE></TITLE> tag is unfortunately NOT obligatory!                }
107      if (!is.null(node[["TEXT"]][["TITLE"]]))            })
108          heading <- xmlValue(node[["TEXT"]][["TITLE"]])  
109    setGeneric("tmUpdate", function(object,
110                                    origin,
111                                    readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
112                                    ...) standardGeneric("tmUpdate"))
113    # Update is only supported for directories
114    # At the moment no other LoD devices are available anyway
115    setMethod("tmUpdate",
116              signature(object = "TextDocCol", origin = "DirSource"),
117              function(object, origin,
118                       readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
119                       ...) {
120                  if (inherits(readerControl$reader, "FunctionGenerator"))
121                      readerControl$reader <- readerControl$reader(...)
122    
123                  object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
124                  new.files <- setdiff(origin@FileList, object.filelist)
125    
126                  for (filename in new.files) {
127                      elem <- list(content = readLines(filename),
128                                   uri = substitute(file(filename)))
129                      object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
130                  }
131    
132                  return(object)
133              })
134    
135    setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))
136    setMethod("tmMap",
137              signature(object = "TextDocCol", FUN = "function"),
138              function(object, FUN, ...) {
139                  result <- object
140                  # Note that text corpora are automatically loaded into memory via \code{[[}
141                  if (DBControl(object)[["useDb"]]) {
142                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
143                      i <- 1
144                      for (id in unlist(object)) {
145                          db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
146                          i <- i + 1
147                      }
148                      #new <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
149                      #ids <- lapply(object, ID)
150                      # Avoidance of explicit loop is probably more efficient
151                      #for (i in length(new)) {
152                      #    db[[ids[i]]] <- new[[i]]
153                      #}
154                      dbDisconnect(db)
155                  }
156                  else
157                      result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
158                  return(result)
159              })
160    
161    setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
162    setMethod("asPlain",
163              signature(object = "PlainTextDocument"),
164              function(object, FUN, ...) {
165                  return(object)
166              })
167    setMethod("asPlain",
168              signature(object = "XMLTextDocument", FUN = "function"),
169              function(object, FUN, ...) {
170                  corpus <- Corpus(object)
171    
172                  # As XMLDocument is no native S4 class, restore valid information
173                  class(corpus) <- "XMLDocument"
174                  names(corpus) <- c("doc","dtd")
175    
176                  return(FUN(xmlRoot(corpus), ...))
177              })
178    setMethod("asPlain",
179              signature(object = "NewsgroupDocument"),
180              function(object, FUN, ...) {
181                  new("PlainTextDocument", .Data = Corpus(object), Cached = TRUE, URI = "", Author = Author(object),
182                      DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
183                      Origin = Origin(object), Heading = Heading(object), Language = Language(object))
184              })
185    
186    setGeneric("tmTolower", function(object, ...) standardGeneric("tmTolower"))
187    setMethod("tmTolower",
188              signature(object = "PlainTextDocument"),
189              function(object, ...) {
190                  Corpus(object) <- tolower(object)
191                  return(object)
192              })
193    
194    setGeneric("stripWhitespace", function(object, ...) standardGeneric("stripWhitespace"))
195    setMethod("stripWhitespace",
196              signature(object = "PlainTextDocument"),
197              function(object, ...) {
198                  Corpus(object) <- gsub("[[:space:]]+", " ", object)
199                  return(object)
200              })
201    
202    setGeneric("stemDoc", function(object, language = "english", ...) standardGeneric("stemDoc"))
203    setMethod("stemDoc",
204              signature(object = "PlainTextDocument"),
205              function(object, language = "english", ...) {
206                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
207                  stemmedCorpus <- if (require("Rstem"))
208                      Rstem::wordStem(splittedCorpus, language)
209                  else
210                      SnowballStemmer(splittedCorpus, Weka_control(S = language))
211                  Corpus(object) <- paste(stemmedCorpus, collapse = " ")
212                  return(object)
213              })
214    
215    setGeneric("removePunctuation", function(object, ...) standardGeneric("removePunctuation"))
216    setMethod("removePunctuation",
217              signature(object = "PlainTextDocument"),
218              function(object, ...) {
219                  Corpus(object) <- gsub("[[:punct:]]+", "", Corpus(object))
220                  return(object)
221              })
222    
223    setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))
224    setMethod("removeWords",
225              signature(object = "PlainTextDocument", stopwords = "character"),
226              function(object, stopwords, ...) {
227                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
228                  noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]
229                  Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")
230                  return(object)
231              })
232    
233    setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
234    setMethod("tmFilter",
235              signature(object = "TextDocCol"),
236              function(object, ..., FUN = sFilter, doclevel = FALSE) {
237                  if (doclevel)
238                      return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
239                  else
240                      return(object[FUN(object, ...)])
241              })
242    
243    setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
244    setMethod("tmIndex",
245              signature(object = "TextDocCol"),
246              function(object, ..., FUN = sFilter, doclevel = FALSE) {
247                  if (doclevel)
248                      return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
249                  else
250                      return(FUN(object, ...))
251              })
252    
253    sFilter <- function(object, s, ...) {
254        con <- textConnection(s)
255        tokens <- scan(con, "character")
256        close(con)
257        localMetaNames <- unique(names(sapply(object, LocalMetaData)))
258        localMetaTokens <- localMetaNames[localMetaNames %in% tokens]
259        query.df <- DMetaData(prescindMeta(object,
260                                           c("Author", "DateTimeStamp", "Description", "ID",
261                                             "Origin", "Heading", "Language", localMetaTokens)))
262        # Rename to avoid name conflicts
263        names(query.df)[names(query.df) == "Author"] <- "author"
264        names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"
265        names(query.df)[names(query.df) == "Description"] <- "description"
266        names(query.df)[names(query.df) == "ID"] <- "identifier"
267        names(query.df)[names(query.df) == "Origin"] <- "origin"
268        names(query.df)[names(query.df) == "Heading"] <- "heading"
269        names(query.df)[names(query.df) == "Language"] <- "language"
270        attach(query.df)
271        try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
272        detach(query.df)
273        return(result)
274    }
275    
276    setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))
277    setMethod("searchFullText",
278              signature(object = "PlainTextDocument", pattern = "character"),
279              function(object, pattern, ...) {
280                  return(any(grep(pattern, Corpus(object))))
281              })
282    
283    setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
284    setMethod("appendElem",
285              signature(object = "TextDocCol", data = "TextDocument"),
286              function(object, data, meta = NULL) {
287                  if (DBControl(object)[["useDb"]]) {
288                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
289                      if (dbExists(db, ID(data)))
290                          warning("document with identical ID already exists")
291                      dbInsert(db, ID(data), data)
292                      dbDisconnect(db)
293                      object@.Data[[length(object)+1]] <- ID(data)
294                  }
295                  else
296                      object@.Data[[length(object)+1]] <- data
297                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
298                  return(object)
299              })
300    
301    setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
302    setMethod("appendMeta",
303              signature(object = "TextDocCol"),
304              function(object, cmeta = NULL, dmeta = NULL) {
305                  object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
306                  if (!is.null(dmeta)) {
307                      DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
308                  }
309                  return(object)
310              })
311    
312    setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
313    setMethod("removeMeta",
314              signature(object = "TextDocCol"),
315              function(object, cname = NULL, dname = NULL) {
316                  if (!is.null(cname)) {
317                      object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
318                  }
319                  if (!is.null(dname)) {
320                      DMetaData(object) <- DMetaData(object)[names(DMetaData(object)) != dname]
321                  }
322                  return(object)
323              })
324    
325    setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
326    setMethod("prescindMeta",
327              signature(object = "TextDocCol", meta = "character"),
328              function(object, meta) {
329                  for (m in meta) {
330                      if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
331                          local.m <- lapply(object, m)
332                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
333                          local.m <- unlist(local.m)
334                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
335                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
336                      }
337                      else {
338                          local.meta <- lapply(object, LocalMetaData)
339                          local.m <- lapply(local.meta, "[[", m)
340                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
341                          if (length(local.m) == length(unlist(local.m)))
342                              local.m <- unlist(local.m)
343                          else
344                              local.m <- I(local.m)
345                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
346                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
347                      }
348                  }
349                  return(object)
350              })
351    
352    setMethod("[",
353              signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),
354              function(x, i, j, ... , drop) {
355                  if(missing(i))
356                      return(x)
357    
358                  object <- x
359                  object@.Data <- x@.Data[i, ..., drop = FALSE]
360                  if (DBControl(object)[["useDb"]]) {
361                      index <- object@DMetaData[[1 , "subset"]]
362                      if (any(is.na(index)))
363                          object@DMetaData[[1 , "subset"]] <- i
364                      else
365                          object@DMetaData[[1 , "subset"]] <- index[i]
366                  }
367                  else {
368                      df <- as.data.frame(DMetaData(x)[i, ])
369                      names(df) <- names(DMetaData(x))
370                      DMetaData(object) <- df
371                  }
372                  return(object)
373              })
374    
375    setMethod("[<-",
376              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
377              function(x, i, j, ... , value) {
378                  object <- x
379                  if (DBControl(object)[["useDb"]]) {
380                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
381                      counter <- 1
382                      for (id in object@.Data[i, ...]) {
383                          if (length(value) == 1)
384                              db[[id]] <- value
385                          else {
386                              db[[id]] <- value[[counter]]
387                          }
388                          counter <- counter + 1
389                      }
390                      dbDisconnect(db)
391                  }
392                  else
393                      object@.Data[i, ...] <- value
394                  return(object)
395              })
396    
397    setMethod("[[",
398              signature(x = "TextDocCol", i = "ANY", j = "ANY"),
399              function(x, i, j, ...) {
400                  if (DBControl(x)[["useDb"]]) {
401                      db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
402                      result <- dbFetch(db, x@.Data[[i]])
403                      dbDisconnect(db)
404                      return(loadDoc(result))
405                  }
406                  else
407                      return(loadDoc(x@.Data[[i]]))
408              })
409    
410    setMethod("[[<-",
411              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
412              function(x, i, j, ..., value) {
413                  object <- x
414                  if (DBControl(object)[["useDb"]]) {
415                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
416                      index <- object@.Data[[i]]
417                      db[[index]] <- value
418                      dbDisconnect(db)
419                  }
420                  else
421                      object@.Data[[i, ...]] <- value
422                  return(object)
423              })
424    
425    # Update \code{NodeID}s of a CMetaData tree
426    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
427        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
428        set_id <- function(object) {
429            object@NodeID <- id
430            id <<- id + 1
431            level <<- level + 1
432    
433            if (length(object@children) > 0) {
434                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
435                left <- set_id(object@children[[1]])
436                if (level == 1) {
437                    left.mapping <<- mapping
438                    mapping <<- NULL
439                }
440                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
441                right <- set_id(object@children[[2]])
442    
443                object@children <- list(left, right)
444            }
445            level <<- level - 1
446    
447            return(object)
448        }
449    
450        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
451    }
452    
453    setMethod("c",
454              signature(x = "TextDocCol"),
455              function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
456                  args <- list(...)
457                  if (length(args) == 0)
458                      return(x)
459    
460                  if (!all(sapply(args, inherits, "TextDocCol")))
461                      stop("not all arguments are text document collections")
462                  if (DBControl(x)$useDb == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
463                      stop("concatenating text document collections with activated database is not supported")
464    
465                  result <- x
466                  for (c in args) {
467                      result <- c2(result, c)
468                  }
469                  return(result)
470              })
471    
472    setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
473    setMethod("c2",
474              signature(x = "TextDocCol", y = "TextDocCol"),
475              function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
476                  object <- x
477                  # Concatenate data slots
478                  object@.Data <- c(as(x, "list"), as(y, "list"))
479    
480                  # Set the DBControl slot
481                  object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
482    
483                  # Update the CMetaData tree
484                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
485                  update.struct <- update_id(cmeta)
486                  object@CMetaData <- update.struct$root
487    
488                  # Find indices to be updated for the left tree
489                  indices.mapping <- NULL
490                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
491                      indices <- (DMetaData(x)$MetaID == m)
492                      indices.mapping <- c(indices.mapping, list(m = indices))
493                      names(indices.mapping)[length(indices.mapping)] <- m
494                  }
495    
496                  # Update the DMetaData data frames for the left tree
497                  for (i in 1:ncol(update.struct$left.mapping)) {
498                      map <- update.struct$left.mapping[,i]
499                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
500                  }
501    
502                  # Find indices to be updated for the right tree
503                  indices.mapping <- NULL
504                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
505                      indices <- (DMetaData(y)$MetaID == m)
506                      indices.mapping <- c(indices.mapping, list(m = indices))
507                      names(indices.mapping)[length(indices.mapping)] <- m
508                  }
509    
510                  # Update the DMetaData data frames for the right tree
511                  for (i in 1:ncol(update.struct$right.mapping)) {
512                      map <- update.struct$right.mapping[,i]
513                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
514                  }
515    
516                  # Merge the DMetaData data frames
517                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
518                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
519                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
520                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
521                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
522                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
523                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
524    
525                  return(object)
526              })
527    
528    setMethod("c",
529              signature(x = "TextDocument"),
530              function(x, ..., recursive = TRUE){
531                  args <- list(...)
532                  if(length(args) == 0)
533                      return(x)
534    
535                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
536                  cmeta.node <- new("MetaDataNode",
537                                NodeID = 0,
538                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
539                                children = list())
540    
541                  return(new("TextDocCol",
542                             .Data = list(x, ...),
543                             DMetaData = dmeta.df,
544                             CMetaData = cmeta.node,
545                             DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
546              })
547    
548    setMethod("length",
549              signature(x = "TextDocCol"),
550              function(x){
551                  return(length(as(x, "list")))
552        })
553    
554    setMethod("show",
555              signature(object = "TextDocCol"),
556              function(object){
557                  cat(sprintf(ngettext(length(object),
558                                       "A text document collection with %d text document\n",
559                                       "A text document collection with %d text documents\n"),
560                              length(object)))
561        })
562    
563    setMethod("summary",
564              signature(object = "TextDocCol"),
565              function(object){
566                  show(object)
567                  if (length(DMetaData(object)) > 0) {
568                      cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
569                                                  "\nThe metadata consists of %d tag-value pair and a data frame\n",
570                                                  "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
571                                           length(CMetaData(object)@MetaData)))
572                      cat("Available tags are:\n")
573                      cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
574                      cat("Available variables in the data frame are:\n")
575                      cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
576                  }
577        })
578    
579    setGeneric("inspect", function(object) standardGeneric("inspect"))
580    setMethod("inspect",
581              signature("TextDocCol"),
582              function(object) {
583                  summary(object)
584                  cat("\n")
585                  if (DBControl(object)[["useDb"]]) {
586                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
587                      show(dbMultiFetch(db, unlist(object)))
588                      dbDisconnect(db)
589                  }
590                  else
591                      show(object@.Data)
592              })
593    
594    # No metadata is checked
595    setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
596    setMethod("%IN%",
597              signature(x = "TextDocument", y = "TextDocCol"),
598              function(x, y) {
599                  x %in% y
600              })
601    
602    setMethod("lapply",
603              signature(X = "TextDocCol"),
604              function(X, FUN, ...) {
605                  if (DBControl(X)[["useDb"]]) {
606                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
607                      result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
608                      dbDisconnect(db)
609                  }
610      else      else
611          heading <- ""                    result <- base::lapply(X, FUN, ...)
612                  return(result)
613              })
614    
615      new("textdocument", .Data = corpus, author = author, timestamp = timestamp,  setMethod("sapply",
616          description = description, id = id, origin = origin, heading = heading)            signature(X = "TextDocCol"),
617              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
618                  if (DBControl(X)[["useDb"]]) {
619                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
620                      result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
621                      dbDisconnect(db)
622  }  }
623                  else
624                      result <- base::sapply(X, FUN, ...)
625                  return(result)
626              })

Legend:
Removed from v.32  
changed lines
  Added in v.728

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