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 37, Wed Jan 11 17:49:17 2006 UTC trunk/tm/R/textdoccol.R revision 717, Fri Mar 16 11:13:04 2007 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  setGeneric("textdoccol", function(object, ...) standardGeneric("textdoccol"))  # The "..." are additional arguments for the FunctionGenerator parser
4  setMethod("textdoccol",  setGeneric("TextDocCol", function(object,
5            c("character", "character", "logical", "logical"),                                    parserControl = list(parser = readPlain, language = "en_US", load = FALSE),
6            function(object, inputType = "CSV", stripWhiteSpace = FALSE, toLower = FALSE) {                                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
7                # Add a new type for each unique input source format                                    ...) standardGeneric("TextDocCol"))
8                type <- match.arg(inputType,c("CSV","RCV1","REUT21578"))  setMethod("TextDocCol",
9                switch(type,            signature(object = "Source"),
10                       # Text in a special CSV format            function(object,
11                       # For details on the file format see the R documentation file                     parserControl = list(parser = readPlain, language = "en_US", load = FALSE),
12                       # The first argument is a directory with .csv files                     dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
13                       "CSV" = {                     ...) {
14                           tdl <- sapply(dir(object,                if (inherits(parserControl$parser, "FunctionGenerator"))
15                                             pattern = ".csv",                    parserControl$parser <- parserControl$parser(...)
16                                             full.names = TRUE),  
17                                         function(file) {                if (dbControl$useDb) {
18                                             m <- as.matrix(read.csv(file, header = FALSE))                    if (!dbCreate(dbControl$dbName, dbControl$dbType))
19                                             l <- vector("list", dim(m)[1])                        stop("error in creating database")
20                                             for (i in 1:dim(m)[1]) {                    db <- dbInit(dbControl$dbName, dbControl$dbType)
21                                                 author <- ""                }
22                                                 timestamp <- date()  
23                                                 description <- ""                tdl <- list()
24                                                 id <- as.integer(m[i,1])                counter <- 1
25                                                 corpus <- as.character(m[i,2:dim(m)[2]])                while (!eoi(object)) {
26                                                 if (stripWhiteSpace)                    object <- stepNext(object)
27                                                     corpus <- gsub("[[:space:]]+", " ", corpus)                    elem <- getElem(object)
28                                                 if (toLower)                    # If there is no Load on Demand support
29                                                     corpus <- tolower(corpus)                    # we need to load the corpus into memory at startup
30                                                 origin <- "CSV"                    if (!object@LoDSupport)
31                                                 heading <- ""                        parserControl$load <- TRUE
32                      doc <- parserControl$parser(elem, parserControl$load, parserControl$language, as.character(counter))
33                                                 l[[i]] <- new("textdocument", .Data = corpus, author = author, timestamp = timestamp,                    if (dbControl$useDb) {
34                                                               description = description, id = id, origin = origin, heading = heading)                        dbInsert(db, ID(doc), doc)
35                                             }                        tdl <- c(tdl, ID(doc))
36                                             l                    }
37                                         })                    else
38                           tdcl <- new("textdoccol", .Data = tdl)                        tdl <- c(tdl, list(doc))
39                       },                    counter <- counter + 1
40                       # Read in text documents in XML Reuters Corpus Volume 1 (RCV1) format                }
41                       # The first argument is a directory with the RCV1 XML files  
42                       "RCV1" = {                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
43                           tdl <- sapply(dir(object,                if (dbControl$useDb) {
44                                             pattern = ".xml",                    dbInsert(db, "DMetaData", df)
45                                             full.names = TRUE),                    dmeta.df <- data.frame(key = "DMetaData")
46                                         function(file) {                    dbDisconnect(db)
47                                             tree <- xmlTreeParse(file)                }
48                                             xmlApply(xmlRoot(tree), parseNewsItem, stripWhiteSpace, toLower)                else
49                                         })                    dmeta.df <- df
50                           tdcl <- new("textdoccol", .Data = tdl)  
51                       },                cmeta.node <- new("MetaDataNode",
52                       # Read in text documents in Reuters-21578 XML (not SGML) format                              NodeID = 0,
53                       # Typically the first argument will be a directory where we can                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
54                       # find the files reut2-000.xml ... reut2-021.xml                              children = list())
55                       "REUT21578" = {  
56                           tdl <- sapply(dir(object,                return(new("TextDocCol", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
57                                             pattern = ".xml",            })
58                                             full.names = TRUE),  
59                                         function(file) {  setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
60                                             tree <- xmlTreeParse(file)  setMethod("loadDoc",
61                                             xmlApply(xmlRoot(tree), parseReuters, stripWhiteSpace, toLower)            signature(object = "PlainTextDocument"),
62                                         })            function(object, ...) {
63                           tdcl <- new("textdoccol", .Data = tdl)                if (!Cached(object)) {
64                       })                    con <- eval(URI(object))
65                tdcl                    corpus <- readLines(con)
66            })                    close(con)
67                      Corpus(object) <- corpus
68  # TODO: Implement lacking fields as soon I have access to the original RCV1                    Cached(object) <- TRUE
69  # Parse a <newsitem></newsitem> element from a well-formed RCV1 XML file                    return(object)
70  parseNewsItem <- function(node, stripWhiteSpace = FALSE, toLower = FALSE) {                } else {
71      author <- "Not yet implemented"                    return(object)
72      timestamp <- xmlAttrs(node)[["date"]]                }
73      description <- "Not yet implemented"            })
74      id <- as.integer(xmlAttrs(node)[["itemid"]])  setMethod("loadDoc",
75      origin <- "Reuters Corpus Volume 1 XML"            signature(object =  "XMLTextDocument"),
76      corpus <- unlist(xmlApply(node[["text"]], xmlValue), use.names = FALSE)            function(object, ...) {
77                  if (!Cached(object)) {
78      if (stripWhiteSpace)                    con <- eval(URI(object))
79          corpus <- gsub("[[:space:]]+", " ", corpus)                    corpus <- paste(readLines(con), "\n", collapse = "")
80      if (toLower)                    close(con)
81          corpus <- tolower(corpus)                    doc <- xmlTreeParse(corpus, asText = TRUE)
82                      class(doc) <- "list"
83      heading <- xmlValue(node[["title"]])                    Corpus(object) <- doc
84                      Cached(object) <- TRUE
85      new("textdocument", .Data = corpus, author = author, timestamp = timestamp,                    return(object)
86          description = description, id = id, origin = origin, heading = heading)                } else {
87  }                    return(object)
88                  }
89  # Parse a <REUTERS></REUTERS> element from a well-formed Reuters-21578 XML file            })
90  parseReuters <- function(node, stripWhiteSpace = FALSE, toLower = FALSE) {  setMethod("loadDoc",
91      # The <AUTHOR></AUTHOR> tag is unfortunately NOT obligatory!            signature(object = "NewsgroupDocument"),
92      if (!is.null(node[["TEXT"]][["AUTHOR"]]))            function(object, ...) {
93          author <- xmlValue(node[["TEXT"]][["AUTHOR"]])                if (!Cached(object)) {
94      else                    con <- eval(URI(object))
95          author <- ""                    mail <- readLines(con)
96                      close(con)
97      timestamp <- xmlValue(node[["DATE"]])                    Cached(object) <- TRUE
98      description <- ""                    for (index in seq(along = mail)) {
99      id <- as.integer(xmlAttrs(node)[["NEWID"]])                        if (mail[index] == "")
100                              break
101      origin <- "Reuters-21578 XML"                    }
102                      Corpus(object) <- mail[(index + 1):length(mail)]
103      # The <BODY></BODY> tag is unfortunately NOT obligatory!                    return(object)
104      if (!is.null(node[["TEXT"]][["BODY"]]))                } else {
105          corpus <- xmlValue(node[["TEXT"]][["BODY"]])                    return(object)
106      else                }
107          corpus <- ""            })
108    
109      if (stripWhiteSpace)  # TODO: Check regarding new TextDocCol signature
110          corpus <- gsub("[[:space:]]+", " ", corpus)  setGeneric("tmUpdate", function(object, origin, parser = readPlain, ...) standardGeneric("tmUpdate"))
111      if (toLower)  # Update is only supported for directories
112          corpus <- tolower(corpus)  # At the moment no other LoD devices are available anyway
113    setMethod("tmUpdate",
114      # The <TITLE></TITLE> tag is unfortunately NOT obligatory!            signature(object = "TextDocCol", origin = "DirSource"),
115      if (!is.null(node[["TEXT"]][["TITLE"]]))            function(object, origin, parser = readPlain, load = FALSE, ...) {
116          heading <- xmlValue(node[["TEXT"]][["TITLE"]])                if (inherits(parser, "FunctionGenerator"))
117                      parser <- parser(...)
118    
119                  object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
120                  new.files <- setdiff(origin@FileList, object.filelist)
121    
122                  for (filename in new.files) {
123                      elem <- list(content = readLines(filename),
124                                   uri = substitute(file(filename)))
125                      object <- appendElem(object, parser(elem, load, filename))
126                  }
127    
128                  return(object)
129              })
130    
131    setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))
132    setMethod("tmMap",
133              signature(object = "TextDocCol", FUN = "function"),
134              function(object, FUN, ...) {
135                  result <- object
136                  # Note that text corpora are automatically loaded into memory via \code{[[}
137                  result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
138                  return(result)
139              })
140    
141    setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
142    setMethod("asPlain",
143              signature(object = "PlainTextDocument"),
144              function(object, FUN, ...) {
145                  return(object)
146              })
147    setMethod("asPlain",
148              signature(object = "XMLTextDocument", FUN = "function"),
149              function(object, FUN, ...) {
150                  corpus <- Corpus(object)
151    
152                  # As XMLDocument is no native S4 class, restore valid information
153                  class(corpus) <- "XMLDocument"
154                  names(corpus) <- c("doc","dtd")
155    
156                  return(FUN(xmlRoot(corpus), ...))
157              })
158    
159    setGeneric("tmTolower", function(object, ...) standardGeneric("tmTolower"))
160    setMethod("tmTolower",
161              signature(object = "PlainTextDocument"),
162              function(object, ...) {
163                  Corpus(object) <- tolower(object)
164                  return(object)
165              })
166    
167    setGeneric("stripWhitespace", function(object, ...) standardGeneric("stripWhitespace"))
168    setMethod("stripWhitespace",
169              signature(object = "PlainTextDocument"),
170              function(object, ...) {
171                  Corpus(object) <- gsub("[[:space:]]+", " ", object)
172                  return(object)
173              })
174    
175    setGeneric("stemDoc", function(object, language = "english", ...) standardGeneric("stemDoc"))
176    setMethod("stemDoc",
177              signature(object = "PlainTextDocument"),
178              function(object, language = "english", ...) {
179                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
180                  stemmedCorpus <- if (require("Rstem"))
181                      Rstem::wordStem(splittedCorpus, language)
182                  else
183                      SnowballStemmer(splittedCorpus, Weka_control(S = language))
184                  Corpus(object) <- paste(stemmedCorpus, collapse = " ")
185                  return(object)
186              })
187    
188    setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))
189    setMethod("removeWords",
190              signature(object = "PlainTextDocument", stopwords = "character"),
191              function(object, stopwords, ...) {
192                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
193                  noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]
194                  Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")
195                  return(object)
196              })
197    
198    setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
199    setMethod("tmFilter",
200              signature(object = "TextDocCol"),
201              function(object, ..., FUN = sFilter, doclevel = FALSE) {
202                  if (doclevel)
203                      return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
204                  else
205                      return(object[FUN(object, ...)]) # TODO: Check that FUN knows about the database
206              })
207    
208    setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
209    setMethod("tmIndex",
210              signature(object = "TextDocCol"),
211              function(object, ..., FUN = sFilter, doclevel = FALSE) {
212                  if (doclevel)
213                      return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
214                  else
215                      return(FUN(object, ...)) # TODO: Check that FUN knows about the database
216              })
217    
218    # TODO
219    sFilter <- function(object, s, ...) {
220        query.df <- DMetaData(object)
221        con <- textConnection(s)
222        tokens <- scan(con, "character")
223        close(con)
224        local.meta <- lapply(object, LocalMetaData)
225        local.used.meta <- lapply(local.meta, function(x) names(x) %in% tokens)
226        l.meta <- NULL
227        for (i in 1:length(object)) {
228            l.meta <- c(l.meta, list(local.meta[[i]][local.used.meta[[i]]]))
229        }
230        # Load local meta data from text documents into data frame
231        for (i in 1:length(l.meta)) {
232            l.meta[[i]] <- c(l.meta[[i]], list(author = Author(object[[i]])))
233            l.meta[[i]] <- c(l.meta[[i]], list(datetimestamp = DateTimeStamp(object[[i]])))
234            l.meta[[i]] <- c(l.meta[[i]], list(description = Description(object[[i]])))
235            l.meta[[i]] <- c(l.meta[[i]], list(identifier = ID(object[[i]])))
236            l.meta[[i]] <- c(l.meta[[i]], list(origin = Origin(object[[i]])))
237            l.meta[[i]] <- c(l.meta[[i]], list(heading = Heading(object[[i]])))
238        }
239        for (i in 1:length(l.meta)) {
240            for (j in 1:length(l.meta[[i]])) {
241                m <- l.meta[[i]][[j]]
242                m.name <- names(l.meta[[i]][j])
243                if (!(m.name %in% names(query.df))) {
244                    before <- rep(NA, i - 1)
245                    after <- rep(NA, length(l.meta) - i)
246                    if (length(m) > 1) {
247                        nl <- vector("list", length(l.meta))
248                        nl[1:(i-1)] <- before
249                        nl[i] <- list(m)
250                        nl[(i+1):length(l.meta)] <- after
251                        insert <- data.frame(I(nl), stringsAsFactors = FALSE)
252                    }
253                    else
254                        insert <- c(before, m, after)
255                    query.df <- cbind(query.df, insert, stringsAsFactors = FALSE)
256                    names(query.df)[length(query.df)] <- m.name
257                }
258                else {
259                    if (is.null(m))
260                        m <- NA
261                    if (length(m) > 1) {
262                        rl <- query.df[ , m.name]
263                        rl[i] <- list(m)
264                        query.df[ , m.name] <- data.frame(I(rl), stringsAsFactors = FALSE)
265                    }
266                    else
267                        query.df[i, m.name] <- m
268                }
269            }
270        }
271        attach(query.df)
272        try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
273        detach(query.df)
274        return(result)
275    }
276    
277    setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))
278    setMethod("searchFullText",
279              signature(object = "PlainTextDocument", pattern = "character"),
280              function(object, pattern, ...) {
281                  return(any(grep(pattern, Corpus(object))))
282              })
283    
284    setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
285    setMethod("appendElem",
286              signature(object = "TextDocCol", data = "TextDocument"),
287              function(object, data, meta = NULL) {
288                  if (DBControl(object)[["useDb"]]) {
289                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
290                      if (dbExists(db, ID(data)))
291                          warning("document with identical ID already exists")
292                      dbInsert(db, ID(data), data)
293                      dbDisconnect(db)
294                      object@.Data[[length(object)+1]] <- ID(data)
295                  }
296      else      else
297          heading <- ""                    object@.Data[[length(object)+1]] <- data
298                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
299                  return(object)
300              })
301    
302    setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
303    setMethod("appendMeta",
304              signature(object = "TextDocCol"),
305              function(object, cmeta = NULL, dmeta = NULL) {
306                  object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
307                  if (!is.null(dmeta)) {
308                      DMetaData(object) <- cbind(DMetaData(object), dmeta)
309                  }
310                  return(object)
311              })
312    
313    setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
314    setMethod("removeMeta",
315              signature(object = "TextDocCol"),
316              function(object, cname = NULL, dname = NULL) {
317                  if (!is.null(cname)) {
318                      object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
319                  }
320                  if (!is.null(dname)) {
321                      DMetaData(object) <- DMetaData(object)[names(DMetaData(object)) != dname]
322                  }
323                  return(object)
324              })
325    
326    # TODO
327    setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
328    setMethod("prescindMeta",
329              signature(object = "TextDocCol", meta = "character"),
330              function(object, meta) {
331                  for (m in meta) {
332                      if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading")) {
333                          local.m <- lapply(object, m)
334                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
335                          local.m <- unlist(local.m)
336                          object@DMetaData <- cbind(DMetaData(object), data.frame(m = local.m), stringsAsFactors = FALSE)
337                          names(object@DMetaData)[length(object@DMetaData)] <- m
338                      }
339                      else {
340                          local.meta <- lapply(object, LocalMetaData)
341                          local.m <- lapply(local.meta, "[[", m)
342                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
343                          if (length(local.m) == length(unlist(local.m)))
344                              local.m <- unlist(local.m)
345                          else
346                              local.m <- I(local.m)
347                          object@DMetaData <- cbind(DMetaData(object), data.frame(m = local.m), stringsAsFactors = FALSE)
348                          names(object@DMetaData)[length(object@DMetaData)] <- m
349                      }
350                  }
351                  return(object)
352              })
353    
354    # WARNING: DMetaData is changed (since both use the same database)
355    setMethod("[",
356              signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),
357              function(x, i, j, ... , drop) {
358                  if(missing(i))
359                      return(x)
360    
361                  object <- x
362                  object@.Data <- x@.Data[i, ..., drop = FALSE]
363                  df <- as.data.frame(DMetaData(x)[i, ])
364                  names(df) <- names(DMetaData(x))
365                  DMetaData(object) <- df
366                  return(object)
367              })
368    
369    # TODO
370    setMethod("[<-",
371              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
372              function(x, i, j, ... , value) {
373                  object <- x
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                      dbDisconnect(db)
385                      return(loadDoc(result))
386                  }
387                  else
388                      return(loadDoc(x@.Data[[i]]))
389              })
390    
391    setMethod("[[<-",
392              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
393              function(x, i, j, ..., value) {
394                  object <- x
395                  if (DBControl(object)[["useDb"]]) {
396                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
397                      index <- object@.Data[[i]]
398                      db[[index]] <- value
399                      dbDisconnect(db)
400                  }
401                  else
402                      object@.Data[[i, ...]] <- value
403                  return(object)
404              })
405    
406    # TODO
407    # Update \code{NodeID}s of a CMetaData tree
408    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
409        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
410        set_id <- function(object) {
411            object@NodeID <- id
412            id <<- id + 1
413            level <<- level + 1
414    
415            if (length(object@children) > 0) {
416                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
417                left <- set_id(object@children[[1]])
418                if (level == 1) {
419                    left.mapping <<- mapping
420                    mapping <<- NULL
421                }
422                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
423                right <- set_id(object@children[[2]])
424    
425                object@children <- list(left, right)
426            }
427            level <<- level - 1
428    
429      new("textdocument", .Data = corpus, author = author, timestamp = timestamp,          return(object)
         description = description, id = id, origin = origin, heading = heading)  
430  }  }
431    
432        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
433    }
434    
435    # TODO
436    setMethod("c",
437              signature(x = "TextDocCol"),
438              function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
439                  args <- list(...)
440                  if(length(args) == 0)
441                      return(x)
442    
443                  result <- x
444                  for (c in args) {
445                      if (!inherits(c, "TextDocCol"))
446                          stop("invalid argument")
447                      result <- c2(result, c)
448                  }
449                  return(result)
450              })
451    
452    # TODO
453    setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
454    setMethod("c2",
455              signature(x = "TextDocCol", y = "TextDocCol"),
456              function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
457                  object <- x
458                  # Concatenate data slots
459                  object@.Data <- c(as(x, "list"), as(y, "list"))
460    
461                  # Update the CMetaData tree
462                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
463                  update.struct <- update_id(cmeta)
464                  object@CMetaData <- update.struct$root
465    
466                  # Find indices to be updated for the left tree
467                  indices.mapping <- NULL
468                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
469                      indices <- (DMetaData(x)$MetaID == m)
470                      indices.mapping <- c(indices.mapping, list(m = indices))
471                      names(indices.mapping)[length(indices.mapping)] <- m
472                  }
473    
474                  # Update the DMetaData data frames for the left tree
475                  for (i in 1:ncol(update.struct$left.mapping)) {
476                      map <- update.struct$left.mapping[,i]
477                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
478                  }
479    
480                  # Find indices to be updated for the right tree
481                  indices.mapping <- NULL
482                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
483                      indices <- (DMetaData(y)$MetaID == m)
484                      indices.mapping <- c(indices.mapping, list(m = indices))
485                      names(indices.mapping)[length(indices.mapping)] <- m
486                  }
487    
488                  # Update the DMetaData data frames for the right tree
489                  for (i in 1:ncol(update.struct$right.mapping)) {
490                      map <- update.struct$right.mapping[,i]
491                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
492                  }
493    
494                  # Merge the DMetaData data frames
495                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
496                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
497                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
498                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
499                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
500                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
501                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
502    
503                  return(object)
504              })
505    
506    # TODO
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", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node))
521              })
522    
523    setMethod("length",
524              signature(x = "TextDocCol"),
525              function(x){
526                  return(length(as(x, "list")))
527        })
528    
529    setMethod("show",
530              signature(object = "TextDocCol"),
531              function(object){
532                  cat(sprintf(ngettext(length(object),
533                                       "A text document collection with %d text document\n",
534                                       "A text document collection with %d text documents\n"),
535                              length(object)))
536        })
537    
538    setMethod("summary",
539              signature(object = "TextDocCol"),
540              function(object){
541                  show(object)
542                  if (length(DMetaData(object)) > 0) {
543                      cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
544                                                  "\nThe metadata consists of %d tag-value pair and a data frame\n",
545                                                  "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
546                                           length(CMetaData(object)@MetaData)))
547                      cat("Available tags are:\n")
548                      cat(names(CMetaData(object)@MetaData), "\n")
549                      cat("Available variables in the data frame are:\n")
550                      cat(names(DMetaData(object)), "\n")
551                  }
552        })
553    
554    # TODO
555    setGeneric("inspect", function(object) standardGeneric("inspect"))
556    setMethod("inspect",
557              signature("TextDocCol"),
558              function(object) {
559                  summary(object)
560                  cat("\n")
561                  show(object@.Data)
562              })
563    
564    # TODO
565    # No metadata is checked
566    setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
567    setMethod("%IN%",
568              signature(x = "TextDocument", y = "TextDocCol"),
569              function(x, y) {
570                  x %in% y
571              })

Legend:
Removed from v.37  
changed lines
  Added in v.717

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