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 744, Mon Apr 23 00:35:10 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 reader
4  setMethod("textdoccol",  setGeneric("TextDocCol", function(object,
5            c("character", "character", "logical", "logical"),                                    readerControl = list(reader = object@DefaultReader, 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                     readerControl = list(reader = object@DefaultReader, 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 (attr(readerControl$reader, "FunctionGenerator"))
15                                             pattern = ".csv",                    readerControl$reader <- readerControl$reader(...)
16                                             full.names = TRUE),  
17                                         function(file) {                if (dbControl$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 <- ""                        readerControl$load <- TRUE
32                      doc <- readerControl$reader(elem, readerControl$load, readerControl$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", subset = I(list(NA)))
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)  setGeneric("tmUpdate", function(object,
110          corpus <- gsub("[[:space:]]+", " ", corpus)                                  origin,
111      if (toLower)                                  readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
112          corpus <- tolower(corpus)                                  ...) standardGeneric("tmUpdate"))
113    # Update is only supported for directories
114      # The <TITLE></TITLE> tag is unfortunately NOT obligatory!  # At the moment no other LoD devices are available anyway
115      if (!is.null(node[["TEXT"]][["TITLE"]]))  setMethod("tmUpdate",
116          heading <- xmlValue(node[["TEXT"]][["TITLE"]])            signature(object = "TextDocCol", origin = "DirSource"),
117              function(object, origin,
118                       readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
119                       ...) {
120                  if (inherits(readerControl$reader, "FunctionGenerator"))
121                      readerControl$reader <- readerControl$reader(...)
122    
123                  object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
124                  new.files <- setdiff(origin@FileList, object.filelist)
125    
126                  for (filename in new.files) {
127                      elem <- list(content = readLines(filename),
128                                   uri = substitute(file(filename)))
129                      object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
130                  }
131    
132                  return(object)
133              })
134    
135    setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))
136    setMethod("tmMap",
137              signature(object = "TextDocCol", FUN = "function"),
138              function(object, FUN, ...) {
139                  result <- object
140                  # Note that text corpora are automatically loaded into memory via \code{[[}
141                  if (DBControl(object)[["useDb"]]) {
142                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
143                      i <- 1
144                      for (id in unlist(object)) {
145                          db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
146                          i <- i + 1
147                      }
148                      dbDisconnect(db)
149                  }
150                  else
151                      result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
152                  return(result)
153              })
154    
155    setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
156    setMethod("asPlain",
157              signature(object = "PlainTextDocument"),
158              function(object, FUN, ...) {
159                  return(object)
160              })
161    setMethod("asPlain",
162              signature(object = "XMLTextDocument", FUN = "function"),
163              function(object, FUN, ...) {
164                  corpus <- Corpus(object)
165    
166                  # As XMLDocument is no native S4 class, restore valid information
167                  class(corpus) <- "XMLDocument"
168                  names(corpus) <- c("doc","dtd")
169    
170                  return(FUN(xmlRoot(corpus), ...))
171              })
172    setMethod("asPlain",
173              signature(object = "NewsgroupDocument"),
174              function(object, FUN, ...) {
175                  new("PlainTextDocument", .Data = Corpus(object), Cached = TRUE, URI = "", Author = Author(object),
176                      DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
177                      Origin = Origin(object), Heading = Heading(object), Language = Language(object))
178              })
179    
180    setGeneric("tmTolower", function(object, ...) standardGeneric("tmTolower"))
181    setMethod("tmTolower",
182              signature(object = "PlainTextDocument"),
183              function(object, ...) {
184                  Corpus(object) <- tolower(object)
185                  return(object)
186              })
187    
188    setGeneric("stripWhitespace", function(object, ...) standardGeneric("stripWhitespace"))
189    setMethod("stripWhitespace",
190              signature(object = "PlainTextDocument"),
191              function(object, ...) {
192                  Corpus(object) <- gsub("[[:space:]]+", " ", object)
193                  return(object)
194              })
195    
196    setGeneric("stemDoc", function(object, language = "english", ...) standardGeneric("stemDoc"))
197    setMethod("stemDoc",
198              signature(object = "PlainTextDocument"),
199              function(object, language = "english", ...) {
200                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
201                  stemmedCorpus <- if (require("Rstem"))
202                      Rstem::wordStem(splittedCorpus, language)
203                  else
204                      SnowballStemmer(splittedCorpus, Weka_control(S = language))
205                  Corpus(object) <- paste(stemmedCorpus, collapse = " ")
206                  return(object)
207              })
208    
209    setGeneric("removePunctuation", function(object, ...) standardGeneric("removePunctuation"))
210    setMethod("removePunctuation",
211              signature(object = "PlainTextDocument"),
212              function(object, ...) {
213                  Corpus(object) <- gsub("[[:punct:]]+", "", Corpus(object))
214                  return(object)
215              })
216    
217    setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))
218    setMethod("removeWords",
219              signature(object = "PlainTextDocument", stopwords = "character"),
220              function(object, stopwords, ...) {
221                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
222                  noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]
223                  Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")
224                  return(object)
225              })
226    
227    setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
228    setMethod("tmFilter",
229              signature(object = "TextDocCol"),
230              function(object, ..., FUN = sFilter, doclevel = FALSE) {
231                  if (doclevel)
232                      return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
233                  else
234                      return(object[FUN(object, ...)])
235              })
236    
237    setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
238    setMethod("tmIndex",
239              signature(object = "TextDocCol"),
240              function(object, ..., FUN = sFilter, doclevel = FALSE) {
241                  if (doclevel)
242                      return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
243                  else
244                      return(FUN(object, ...))
245              })
246    
247    sFilter <- function(object, s, ...) {
248        con <- textConnection(s)
249        tokens <- scan(con, "character")
250        close(con)
251        localMetaNames <- unique(names(sapply(object, LocalMetaData)))
252        localMetaTokens <- localMetaNames[localMetaNames %in% tokens]
253        n <- names(DMetaData(object))
254        tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)
255        query.df <- DMetaData(prescindMeta(object, tags))
256        if (DBControl(object)[["useDb"]])
257            DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = FALSE]
258        # Rename to avoid name conflicts
259        names(query.df)[names(query.df) == "Author"] <- "author"
260        names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"
261        names(query.df)[names(query.df) == "Description"] <- "description"
262        names(query.df)[names(query.df) == "ID"] <- "identifier"
263        names(query.df)[names(query.df) == "Origin"] <- "origin"
264        names(query.df)[names(query.df) == "Heading"] <- "heading"
265        names(query.df)[names(query.df) == "Language"] <- "language"
266        attach(query.df)
267        try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
268        detach(query.df)
269        return(result)
270    }
271    
272    setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))
273    setMethod("searchFullText",
274              signature(object = "PlainTextDocument", pattern = "character"),
275              function(object, pattern, ...) {
276                  return(any(grep(pattern, Corpus(object))))
277              })
278    
279    setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
280    setMethod("appendElem",
281              signature(object = "TextDocCol", data = "TextDocument"),
282              function(object, data, meta = NULL) {
283                  if (DBControl(object)[["useDb"]]) {
284                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
285                      if (dbExists(db, ID(data)))
286                          warning("document with identical ID already exists")
287                      dbInsert(db, ID(data), data)
288                      dbDisconnect(db)
289                      object@.Data[[length(object)+1]] <- ID(data)
290                  }
291                  else
292                      object@.Data[[length(object)+1]] <- data
293                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
294                  return(object)
295              })
296    
297    setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
298    setMethod("appendMeta",
299              signature(object = "TextDocCol"),
300              function(object, cmeta = NULL, dmeta = NULL) {
301                  object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
302                  if (!is.null(dmeta)) {
303                      DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
304                  }
305                  return(object)
306              })
307    
308    setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
309    setMethod("removeMeta",
310              signature(object = "TextDocCol"),
311              function(object, cname = NULL, dname = NULL) {
312                  if (!is.null(cname))
313                      object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
314                  if (!is.null(dname))
315                      DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
316                  return(object)
317              })
318    
319    setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
320    setMethod("prescindMeta",
321              signature(object = "TextDocCol", meta = "character"),
322              function(object, meta) {
323                  for (m in meta) {
324                      if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
325                          local.m <- lapply(object, m)
326                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
327                          local.m <- unlist(local.m)
328                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
329                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
330                      }
331                      else {
332                          local.meta <- lapply(object, LocalMetaData)
333                          local.m <- lapply(local.meta, "[[", m)
334                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
335                          if (length(local.m) == length(unlist(local.m)))
336                              local.m <- unlist(local.m)
337                          else
338                              local.m <- I(local.m)
339                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
340                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
341                      }
342                  }
343                  return(object)
344              })
345    
346    setMethod("[",
347              signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),
348              function(x, i, j, ... , drop) {
349                  if(missing(i))
350                      return(x)
351    
352                  object <- x
353                  object@.Data <- x@.Data[i, ..., drop = FALSE]
354                  if (DBControl(object)[["useDb"]]) {
355                      index <- object@DMetaData[[1 , "subset"]]
356                      if (any(is.na(index)))
357                          object@DMetaData[[1 , "subset"]] <- i
358                      else
359                          object@DMetaData[[1 , "subset"]] <- index[i]
360                  }
361                  else
362                      DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
363                  return(object)
364              })
365    
366    setMethod("[<-",
367              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
368              function(x, i, j, ... , value) {
369                  object <- x
370                  if (DBControl(object)[["useDb"]]) {
371                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
372                      counter <- 1
373                      for (id in object@.Data[i, ...]) {
374                          if (length(value) == 1)
375                              db[[id]] <- value
376                          else {
377                              db[[id]] <- value[[counter]]
378                          }
379                          counter <- counter + 1
380                      }
381                      dbDisconnect(db)
382                  }
383                  else
384                      object@.Data[i, ...] <- value
385                  return(object)
386              })
387    
388    setMethod("[[",
389              signature(x = "TextDocCol", i = "ANY", j = "ANY"),
390              function(x, i, j, ...) {
391                  if (DBControl(x)[["useDb"]]) {
392                      db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
393                      result <- dbFetch(db, x@.Data[[i]])
394                      dbDisconnect(db)
395                      return(loadDoc(result))
396                  }
397                  else
398                      return(loadDoc(x@.Data[[i]]))
399              })
400    
401    setMethod("[[<-",
402              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
403              function(x, i, j, ..., value) {
404                  object <- x
405                  if (DBControl(object)[["useDb"]]) {
406                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
407                      index <- object@.Data[[i]]
408                      db[[index]] <- value
409                      dbDisconnect(db)
410                  }
411                  else
412                      object@.Data[[i, ...]] <- value
413                  return(object)
414              })
415    
416    # Update \code{NodeID}s of a CMetaData tree
417    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
418        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
419        set_id <- function(object) {
420            object@NodeID <- id
421            id <<- id + 1
422            level <<- level + 1
423    
424            if (length(object@children) > 0) {
425                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
426                left <- set_id(object@children[[1]])
427                if (level == 1) {
428                    left.mapping <<- mapping
429                    mapping <<- NULL
430                }
431                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
432                right <- set_id(object@children[[2]])
433    
434                object@children <- list(left, right)
435            }
436            level <<- level - 1
437    
438            return(object)
439        }
440    
441        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
442    }
443    
444    setMethod("c",
445              signature(x = "TextDocCol"),
446              function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
447                  args <- list(...)
448                  if (length(args) == 0)
449                      return(x)
450    
451                  if (!all(sapply(args, inherits, "TextDocCol")))
452                      stop("not all arguments are text document collections")
453                  if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
454                      stop("concatenating text document collections with activated database is not supported")
455    
456                  result <- x
457                  for (c in args) {
458                      result <- c2(result, c)
459                  }
460                  return(result)
461              })
462    
463    setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
464    setMethod("c2",
465              signature(x = "TextDocCol", y = "TextDocCol"),
466              function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
467                  object <- x
468                  # Concatenate data slots
469                  object@.Data <- c(as(x, "list"), as(y, "list"))
470    
471                  # Set the DBControl slot
472                  object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
473    
474                  # Update the CMetaData tree
475                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
476                  update.struct <- update_id(cmeta)
477                  object@CMetaData <- update.struct$root
478    
479                  # Find indices to be updated for the left tree
480                  indices.mapping <- NULL
481                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
482                      indices <- (DMetaData(x)$MetaID == m)
483                      indices.mapping <- c(indices.mapping, list(m = indices))
484                      names(indices.mapping)[length(indices.mapping)] <- m
485                  }
486    
487                  # Update the DMetaData data frames for the left tree
488                  for (i in 1:ncol(update.struct$left.mapping)) {
489                      map <- update.struct$left.mapping[,i]
490                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
491                  }
492    
493                  # Find indices to be updated for the right tree
494                  indices.mapping <- NULL
495                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
496                      indices <- (DMetaData(y)$MetaID == m)
497                      indices.mapping <- c(indices.mapping, list(m = indices))
498                      names(indices.mapping)[length(indices.mapping)] <- m
499                  }
500    
501                  # Update the DMetaData data frames for the right tree
502                  for (i in 1:ncol(update.struct$right.mapping)) {
503                      map <- update.struct$right.mapping[,i]
504                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
505                  }
506    
507                  # Merge the DMetaData data frames
508                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
509                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
510                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
511                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
512                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
513                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
514                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
515    
516                  return(object)
517              })
518    
519    setMethod("c",
520              signature(x = "TextDocument"),
521              function(x, ..., recursive = TRUE){
522                  args <- list(...)
523                  if(length(args) == 0)
524                      return(x)
525    
526                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
527                  cmeta.node <- new("MetaDataNode",
528                                NodeID = 0,
529                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
530                                children = list())
531    
532                  return(new("TextDocCol",
533                             .Data = list(x, ...),
534                             DMetaData = dmeta.df,
535                             CMetaData = cmeta.node,
536                             DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
537              })
538    
539    setMethod("length",
540              signature(x = "TextDocCol"),
541              function(x){
542                  return(length(as(x, "list")))
543        })
544    
545    setMethod("show",
546              signature(object = "TextDocCol"),
547              function(object){
548                  cat(sprintf(ngettext(length(object),
549                                       "A text document collection with %d text document\n",
550                                       "A text document collection with %d text documents\n"),
551                              length(object)))
552        })
553    
554    setMethod("summary",
555              signature(object = "TextDocCol"),
556              function(object){
557                  show(object)
558                  if (length(DMetaData(object)) > 0) {
559                      cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
560                                                  "\nThe metadata consists of %d tag-value pair and a data frame\n",
561                                                  "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
562                                           length(CMetaData(object)@MetaData)))
563                      cat("Available tags are:\n")
564                      cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
565                      cat("Available variables in the data frame are:\n")
566                      cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
567                  }
568        })
569    
570    setGeneric("inspect", function(object) standardGeneric("inspect"))
571    setMethod("inspect",
572              signature("TextDocCol"),
573              function(object) {
574                  summary(object)
575                  cat("\n")
576                  if (DBControl(object)[["useDb"]]) {
577                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
578                      show(dbMultiFetch(db, unlist(object)))
579                      dbDisconnect(db)
580                  }
581                  else
582                      show(object@.Data)
583              })
584    
585    # No metadata is checked
586    setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
587    setMethod("%IN%",
588              signature(x = "TextDocument", y = "TextDocCol"),
589              function(x, y) {
590                  if (DBControl(y)[["useDb"]]) {
591                      db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
592                      result <- any(sapply(y, function(x, z) {x %in% Corpus(z)}, x))
593                      dbDisconnect(db)
594                  }
595                  else
596                      result <- x %in% y
597                  return(result)
598              })
599    
600    setMethod("lapply",
601              signature(X = "TextDocCol"),
602              function(X, FUN, ...) {
603                  if (DBControl(X)[["useDb"]]) {
604                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
605                      result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
606                      dbDisconnect(db)
607                  }
608      else      else
609          heading <- ""                    result <- base::lapply(X, FUN, ...)
610                  return(result)
611              })
612    
613      new("textdocument", .Data = corpus, author = author, timestamp = timestamp,  setMethod("sapply",
614          description = description, id = id, origin = origin, heading = heading)            signature(X = "TextDocCol"),
615              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
616                  if (DBControl(X)[["useDb"]]) {
617                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
618                      result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
619                      dbDisconnect(db)
620  }  }
621                  else
622                      result <- base::sapply(X, FUN, ...)
623                  return(result)
624              })

Legend:
Removed from v.37  
changed lines
  Added in v.744

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