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 747, Fri Apr 27 18:16:53 2007 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # S4 class definition  # The "..." are additional arguments for the FunctionGenerator reader
4  # Text document collection  setGeneric("TextDocCol", function(object,
5  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                           }                }
47                           tdcl <- new("textdoccol", .Data = l)                else
48                       },                    dmeta.df <- df
49                       # Read in text documents in Reuters-21578 XML (not SGML) format  
50                       # Typically the first argument will be a directory where we can                cmeta.node <- new("MetaDataNode",
51                       # find the files reut2-000.xml ... reut2-021.xml                              NodeID = 0,
52                       "REUT21578" = {                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
53                           tdl <- sapply(dir(object,                              children = list())
54                                             pattern = ".xml",  
55                                             full.names = TRUE),                return(new("TextDocCol", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
56                                         function(file) {            })
57                                             tree <- xmlTreeParse(file)  
58                                             xmlApply(xmlRoot(tree), parseReuters, stripWhiteSpace, toLower)  setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
59                                         })  setMethod("loadDoc",
60              signature(object = "PlainTextDocument"),
61                           tdcl <- new("textdoccol", .Data = tdl)            function(object, ...) {
62                       })                if (!Cached(object)) {
63                tdcl                    con <- eval(URI(object))
64            })                    corpus <- readLines(con)
65                      close(con)
66  # Parse a <newsitem></newsitem> element from a well-formed RCV1 XML file                    Corpus(object) <- corpus
67  parseNewsItem <- function(node, stripWhiteSpace = FALSE, toLower = FALSE) {                    Cached(object) <- TRUE
68      author <- "Not yet implemented"                    return(object)
69      timestamp <- xmlAttrs(node)[["date"]]                } else {
70      description <- "Not yet implemented"                    return(object)
71      id <- as.integer(xmlAttrs(node)[["itemid"]])                }
72      origin <- "Not yet implemented"            })
73      corpus <- unlist(xmlApply(node[["text"]], xmlValue), use.names = FALSE)  setMethod("loadDoc",
74              signature(object =  "XMLTextDocument"),
75      if (stripWhiteSpace)            function(object, ...) {
76          corpus <- gsub("[[:space:]]+", " ", corpus)                if (!Cached(object)) {
77      if (toLower)                    con <- eval(URI(object))
78          corpus <- tolower(corpus)                    corpus <- paste(readLines(con), "\n", collapse = "")
79                      close(con)
80      heading <- xmlValue(node[["title"]])                    doc <- xmlTreeParse(corpus, asText = TRUE)
81                      class(doc) <- "list"
82      new("textdocument", .Data = corpus, author = author, timestamp = timestamp,                    Corpus(object) <- doc
83          description = description, id = id, origin = origin, heading = heading)                    Cached(object) <- TRUE
84  }                    return(object)
85                  } else {
86  # Parse a <REUTERS></REUTERS> element from a well-formed Reuters-21578 XML file                    return(object)
87  parseReuters <- function(node, stripWhiteSpace = FALSE, toLower = FALSE) {                }
88      author <- "Not yet implemented"            })
89      timestamp <- xmlValue(node[["DATE"]])  setMethod("loadDoc",
90      description <- "Not yet implemented"            signature(object = "NewsgroupDocument"),
91      id <- as.integer(xmlAttrs(node)[["NEWID"]])            function(object, ...) {
92                  if (!Cached(object)) {
93      origin <- "Not yet implemented"                    con <- eval(URI(object))
94                      mail <- readLines(con)
95      # The <BODY></BODY> tag is unfortunately NOT obligatory!                    close(con)
96      if (!is.null(node[["TEXT"]][["BODY"]]))                    Cached(object) <- TRUE
97          corpus <- xmlValue(node[["TEXT"]][["BODY"]])                    for (index in seq_along(mail)) {
98      else                        if (mail[index] == "")
99          corpus <- ""                            break
100                      }
101      if (stripWhiteSpace)                    Corpus(object) <- mail[(index + 1):length(mail)]
102          corpus <- gsub("[[:space:]]+", " ", corpus)                    return(object)
103      if (toLower)                } else {
104          corpus <- tolower(corpus)                    return(object)
105                  }
106      # The <TITLE></TITLE> tag is unfortunately NOT obligatory!            })
107      if (!is.null(node[["TEXT"]][["TITLE"]]))  
108          heading <- xmlValue(node[["TEXT"]][["TITLE"]])  setGeneric("tmUpdate", function(object,
109                                    origin,
110                                    readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
111                                    ...) standardGeneric("tmUpdate"))
112    # Update is only supported for directories
113    # At the moment no other LoD devices are available anyway
114    setMethod("tmUpdate",
115              signature(object = "TextDocCol", origin = "DirSource"),
116              function(object, origin,
117                       readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
118                       ...) {
119                  if (inherits(readerControl$reader, "FunctionGenerator"))
120                      readerControl$reader <- readerControl$reader(...)
121    
122                  object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
123                  new.files <- setdiff(origin@FileList, object.filelist)
124    
125                  for (filename in new.files) {
126                      elem <- list(content = readLines(filename),
127                                   uri = substitute(file(filename)))
128                      object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
129                  }
130    
131                  return(object)
132              })
133    
134    setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))
135    setMethod("tmMap",
136              signature(object = "TextDocCol", FUN = "function"),
137              function(object, FUN, ...) {
138                  result <- object
139                  # Note that text corpora are automatically loaded into memory via \code{[[}
140                  if (DBControl(object)[["useDb"]]) {
141                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
142                      i <- 1
143                      for (id in unlist(object)) {
144                          db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
145                          i <- i + 1
146                      }
147                  }
148                  else
149                      result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
150                  return(result)
151              })
152    
153    setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
154    setMethod("asPlain",
155              signature(object = "PlainTextDocument"),
156              function(object, FUN, ...) {
157                  return(object)
158              })
159    setMethod("asPlain",
160              signature(object = "XMLTextDocument", FUN = "function"),
161              function(object, FUN, ...) {
162                  corpus <- Corpus(object)
163    
164                  # As XMLDocument is no native S4 class, restore valid information
165                  class(corpus) <- "XMLDocument"
166                  names(corpus) <- c("doc","dtd")
167    
168                  return(FUN(xmlRoot(corpus), ...))
169              })
170    setMethod("asPlain",
171              signature(object = "NewsgroupDocument"),
172              function(object, FUN, ...) {
173                  new("PlainTextDocument", .Data = Corpus(object), Cached = TRUE, URI = "", Author = Author(object),
174                      DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
175                      Origin = Origin(object), Heading = Heading(object), Language = Language(object))
176              })
177    
178    setGeneric("tmTolower", function(object, ...) standardGeneric("tmTolower"))
179    setMethod("tmTolower",
180              signature(object = "PlainTextDocument"),
181              function(object, ...) {
182                  Corpus(object) <- tolower(object)
183                  return(object)
184              })
185    
186    setGeneric("stripWhitespace", function(object, ...) standardGeneric("stripWhitespace"))
187    setMethod("stripWhitespace",
188              signature(object = "PlainTextDocument"),
189              function(object, ...) {
190                  Corpus(object) <- gsub("[[:space:]]+", " ", object)
191                  return(object)
192              })
193    
194    setGeneric("stemDoc", function(object, language = "english", ...) standardGeneric("stemDoc"))
195    setMethod("stemDoc",
196              signature(object = "PlainTextDocument"),
197              function(object, language = "english", ...) {
198                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
199                  stemmedCorpus <- if (require("Rstem"))
200                      Rstem::wordStem(splittedCorpus, language)
201                  else
202                      SnowballStemmer(splittedCorpus, Weka_control(S = language))
203                  Corpus(object) <- paste(stemmedCorpus, collapse = " ")
204                  return(object)
205              })
206    
207    setGeneric("removePunctuation", function(object, ...) standardGeneric("removePunctuation"))
208    setMethod("removePunctuation",
209              signature(object = "PlainTextDocument"),
210              function(object, ...) {
211                  Corpus(object) <- gsub("[[:punct:]]+", "", Corpus(object))
212                  return(object)
213              })
214    
215    setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))
216    setMethod("removeWords",
217              signature(object = "PlainTextDocument", stopwords = "character"),
218              function(object, stopwords, ...) {
219                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
220                  noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]
221                  Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")
222                  return(object)
223              })
224    
225    setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
226    setMethod("tmFilter",
227              signature(object = "TextDocCol"),
228              function(object, ..., FUN = sFilter, doclevel = FALSE) {
229                  if (doclevel)
230                      return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
231                  else
232                      return(object[FUN(object, ...)])
233              })
234    
235    setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
236    setMethod("tmIndex",
237              signature(object = "TextDocCol"),
238              function(object, ..., FUN = sFilter, doclevel = FALSE) {
239                  if (doclevel)
240                      return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
241                  else
242                      return(FUN(object, ...))
243              })
244    
245    sFilter <- function(object, s, ...) {
246        con <- textConnection(s)
247        tokens <- scan(con, "character")
248        close(con)
249        localMetaNames <- unique(names(sapply(object, LocalMetaData)))
250        localMetaTokens <- localMetaNames[localMetaNames %in% tokens]
251        n <- names(DMetaData(object))
252        tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)
253        query.df <- DMetaData(prescindMeta(object, tags))
254        if (DBControl(object)[["useDb"]])
255            DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = FALSE]
256        # Rename to avoid name conflicts
257        names(query.df)[names(query.df) == "Author"] <- "author"
258        names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"
259        names(query.df)[names(query.df) == "Description"] <- "description"
260        names(query.df)[names(query.df) == "ID"] <- "identifier"
261        names(query.df)[names(query.df) == "Origin"] <- "origin"
262        names(query.df)[names(query.df) == "Heading"] <- "heading"
263        names(query.df)[names(query.df) == "Language"] <- "language"
264        attach(query.df)
265        try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
266        detach(query.df)
267        return(result)
268    }
269    
270    setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))
271    setMethod("searchFullText",
272              signature(object = "PlainTextDocument", pattern = "character"),
273              function(object, pattern, ...) {
274                  return(any(grep(pattern, Corpus(object))))
275              })
276    
277    setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
278    setMethod("appendElem",
279              signature(object = "TextDocCol", data = "TextDocument"),
280              function(object, data, meta = NULL) {
281                  if (DBControl(object)[["useDb"]]) {
282                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
283                      if (dbExists(db, ID(data)))
284                          warning("document with identical ID already exists")
285                      dbInsert(db, ID(data), data)
286                      object@.Data[[length(object)+1]] <- ID(data)
287                  }
288                  else
289                      object@.Data[[length(object)+1]] <- data
290                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
291                  return(object)
292              })
293    
294    setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
295    setMethod("appendMeta",
296              signature(object = "TextDocCol"),
297              function(object, cmeta = NULL, dmeta = NULL) {
298                  object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
299                  if (!is.null(dmeta)) {
300                      DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
301                  }
302                  return(object)
303              })
304    
305    setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
306    setMethod("removeMeta",
307              signature(object = "TextDocCol"),
308              function(object, cname = NULL, dname = NULL) {
309                  if (!is.null(cname))
310                      object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
311                  if (!is.null(dname))
312                      DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
313                  return(object)
314              })
315    
316    setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
317    setMethod("prescindMeta",
318              signature(object = "TextDocCol", meta = "character"),
319              function(object, meta) {
320                  for (m in meta) {
321                      if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
322                          local.m <- lapply(object, m)
323                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
324                          local.m <- unlist(local.m)
325                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
326                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
327                      }
328                      else {
329                          local.meta <- lapply(object, LocalMetaData)
330                          local.m <- lapply(local.meta, "[[", m)
331                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
332                          if (length(local.m) == length(unlist(local.m)))
333                              local.m <- unlist(local.m)
334                          else
335                              local.m <- I(local.m)
336                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
337                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
338                      }
339                  }
340                  return(object)
341              })
342    
343    setMethod("[",
344              signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),
345              function(x, i, j, ... , drop) {
346                  if(missing(i))
347                      return(x)
348    
349                  object <- x
350                  object@.Data <- x@.Data[i, ..., drop = FALSE]
351                  if (DBControl(object)[["useDb"]]) {
352                      index <- object@DMetaData[[1 , "subset"]]
353                      if (any(is.na(index)))
354                          object@DMetaData[[1 , "subset"]] <- i
355                      else
356                          object@DMetaData[[1 , "subset"]] <- index[i]
357                  }
358                  else
359                      DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
360                  return(object)
361              })
362    
363    setMethod("[<-",
364              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
365              function(x, i, j, ... , value) {
366                  object <- x
367                  if (DBControl(object)[["useDb"]]) {
368                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
369                      counter <- 1
370                      for (id in object@.Data[i, ...]) {
371                          if (length(value) == 1)
372                              db[[id]] <- value
373                          else {
374                              db[[id]] <- value[[counter]]
375                          }
376                          counter <- counter + 1
377                      }
378                  }
379                  else
380                      object@.Data[i, ...] <- value
381                  return(object)
382              })
383    
384    setMethod("[[",
385              signature(x = "TextDocCol", i = "ANY", j = "ANY"),
386              function(x, i, j, ...) {
387                  if (DBControl(x)[["useDb"]]) {
388                      db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
389                      result <- dbFetch(db, x@.Data[[i]])
390                      return(loadDoc(result))
391                  }
392                  else
393                      return(loadDoc(x@.Data[[i]]))
394              })
395    
396    setMethod("[[<-",
397              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
398              function(x, i, j, ..., value) {
399                  object <- x
400                  if (DBControl(object)[["useDb"]]) {
401                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
402                      index <- object@.Data[[i]]
403                      db[[index]] <- value
404                  }
405                  else
406                      object@.Data[[i, ...]] <- value
407                  return(object)
408              })
409    
410    # Update \code{NodeID}s of a CMetaData tree
411    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
412        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
413        set_id <- function(object) {
414            object@NodeID <- id
415            id <<- id + 1
416            level <<- level + 1
417    
418            if (length(object@children) > 0) {
419                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
420                left <- set_id(object@children[[1]])
421                if (level == 1) {
422                    left.mapping <<- mapping
423                    mapping <<- NULL
424                }
425                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
426                right <- set_id(object@children[[2]])
427    
428                object@children <- list(left, right)
429            }
430            level <<- level - 1
431    
432            return(object)
433        }
434    
435        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
436    }
437    
438    setMethod("c",
439              signature(x = "TextDocCol"),
440              function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
441                  args <- list(...)
442                  if (length(args) == 0)
443                      return(x)
444    
445                  if (!all(sapply(args, inherits, "TextDocCol")))
446                      stop("not all arguments are text document collections")
447                  if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
448                      stop("concatenating text document collections with activated database is not supported")
449    
450                  result <- x
451                  for (c in args) {
452                      result <- c2(result, c)
453                  }
454                  return(result)
455              })
456    
457    setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
458    setMethod("c2",
459              signature(x = "TextDocCol", y = "TextDocCol"),
460              function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
461                  object <- x
462                  # Concatenate data slots
463                  object@.Data <- c(as(x, "list"), as(y, "list"))
464    
465                  # Set the DBControl slot
466                  object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
467    
468                  # Update the CMetaData tree
469                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
470                  update.struct <- update_id(cmeta)
471                  object@CMetaData <- update.struct$root
472    
473                  # Find indices to be updated for the left tree
474                  indices.mapping <- NULL
475                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
476                      indices <- (DMetaData(x)$MetaID == m)
477                      indices.mapping <- c(indices.mapping, list(m = indices))
478                      names(indices.mapping)[length(indices.mapping)] <- m
479                  }
480    
481                  # Update the DMetaData data frames for the left tree
482                  for (i in 1:ncol(update.struct$left.mapping)) {
483                      map <- update.struct$left.mapping[,i]
484                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
485                  }
486    
487                  # Find indices to be updated for the right tree
488                  indices.mapping <- NULL
489                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
490                      indices <- (DMetaData(y)$MetaID == m)
491                      indices.mapping <- c(indices.mapping, list(m = indices))
492                      names(indices.mapping)[length(indices.mapping)] <- m
493                  }
494    
495                  # Update the DMetaData data frames for the right tree
496                  for (i in 1:ncol(update.struct$right.mapping)) {
497                      map <- update.struct$right.mapping[,i]
498                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
499                  }
500    
501                  # Merge the DMetaData data frames
502                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
503                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
504                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
505                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
506                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
507                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
508                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
509    
510                  return(object)
511              })
512    
513    setMethod("c",
514              signature(x = "TextDocument"),
515              function(x, ..., recursive = TRUE){
516                  args <- list(...)
517                  if(length(args) == 0)
518                      return(x)
519    
520                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
521                  cmeta.node <- new("MetaDataNode",
522                                NodeID = 0,
523                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
524                                children = list())
525    
526                  return(new("TextDocCol",
527                             .Data = list(x, ...),
528                             DMetaData = dmeta.df,
529                             CMetaData = cmeta.node,
530                             DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
531              })
532    
533    setMethod("length",
534              signature(x = "TextDocCol"),
535              function(x){
536                  return(length(as(x, "list")))
537        })
538    
539    setMethod("show",
540              signature(object = "TextDocCol"),
541              function(object){
542                  cat(sprintf(ngettext(length(object),
543                                       "A text document collection with %d text document\n",
544                                       "A text document collection with %d text documents\n"),
545                              length(object)))
546        })
547    
548    setMethod("summary",
549              signature(object = "TextDocCol"),
550              function(object){
551                  show(object)
552                  if (length(DMetaData(object)) > 0) {
553                      cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
554                                                  "\nThe metadata consists of %d tag-value pair and a data frame\n",
555                                                  "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
556                                           length(CMetaData(object)@MetaData)))
557                      cat("Available tags are:\n")
558                      cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
559                      cat("Available variables in the data frame are:\n")
560                      cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
561                  }
562        })
563    
564    setGeneric("inspect", function(object) standardGeneric("inspect"))
565    setMethod("inspect",
566              signature("TextDocCol"),
567              function(object) {
568                  summary(object)
569                  cat("\n")
570                  if (DBControl(object)[["useDb"]]) {
571                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
572                      show(dbMultiFetch(db, unlist(object)))
573                  }
574                  else
575                      show(object@.Data)
576              })
577    
578    # No metadata is checked
579    setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
580    setMethod("%IN%",
581              signature(x = "TextDocument", y = "TextDocCol"),
582              function(x, y) {
583                  if (DBControl(y)[["useDb"]]) {
584                      db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
585                      result <- any(sapply(y, function(x, z) {x %in% Corpus(z)}, x))
586                  }
587                  else
588                      result <- x %in% y
589                  return(result)
590              })
591    
592    setMethod("lapply",
593              signature(X = "TextDocCol"),
594              function(X, FUN, ...) {
595                  if (DBControl(X)[["useDb"]]) {
596                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
597                      result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
598                  }
599      else      else
600          heading <- ""                    result <- base::lapply(X, FUN, ...)
601                  return(result)
602              })
603    
604      new("textdocument", .Data = corpus, author = author, timestamp = timestamp,  setMethod("sapply",
605          description = description, id = id, origin = origin, heading = heading)            signature(X = "TextDocCol"),
606              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
607                  if (DBControl(X)[["useDb"]]) {
608                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
609                      result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
610  }  }
611                  else
612                      result <- base::sapply(X, FUN, ...)
613                  return(result)
614              })

Legend:
Removed from v.32  
changed lines
  Added in v.747

root@r-forge.r-project.org
ViewVC Help
Powered by ViewVC 1.0.0  
Thanks to:
Vienna University of Economics and Business Powered By FusionForge