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

Legend:
Removed from v.32  
changed lines
  Added in v.780

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