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 760, Thu Jun 21 22:40:15 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) {                }
47                                             tree <- xmlTreeParse(file)                else
48                                             xmlApply(xmlRoot(tree), parseNewsItem, stripWhiteSpace, toLower)                    dmeta.df <- df
49                                         })  
50                           tdcl <- new("textdoccol", .Data = tdl)                cmeta.node <- new("MetaDataNode",
51                       },                              NodeID = 0,
52                       # Read in text documents in Reuters-21578 XML (not SGML) format                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
53                       # Typically the first argument will be a directory where we can                              children = list())
54                       # find the files reut2-000.xml ... reut2-021.xml  
55                       "REUT21578" = {                return(new("TextDocCol", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
56                           tdl <- sapply(dir(object,            })
57                                             pattern = ".xml",  
58                                             full.names = TRUE),  setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
59                                         function(file) {  setMethod("loadDoc",
60                                             tree <- xmlTreeParse(file)            signature(object = "PlainTextDocument"),
61                                             xmlApply(xmlRoot(tree), parseReuters, stripWhiteSpace, toLower)            function(object, ...) {
62                                         })                if (!Cached(object)) {
63                           tdcl <- new("textdoccol", .Data = tdl)                    con <- eval(URI(object))
64                       })                    corpus <- readLines(con)
65                tdcl                    close(con)
66            })                    Corpus(object) <- corpus
67                      Cached(object) <- TRUE
68  # TODO: Implement lacking fields as soon I have access to the original RCV1                    return(object)
69  # Parse a <newsitem></newsitem> element from a well-formed RCV1 XML file                } else {
70  parseNewsItem <- function(node, stripWhiteSpace = FALSE, toLower = FALSE) {                    return(object)
71      author <- "Not yet implemented"                }
72      timestamp <- xmlAttrs(node)[["date"]]            })
73      description <- "Not yet implemented"  setMethod("loadDoc",
74      id <- as.integer(xmlAttrs(node)[["itemid"]])            signature(object =  "XMLTextDocument"),
75      origin <- "Reuters Corpus Volume 1 XML"            function(object, ...) {
76      corpus <- unlist(xmlApply(node[["text"]], xmlValue), use.names = FALSE)                if (!Cached(object)) {
77                      con <- eval(URI(object))
78      if (stripWhiteSpace)                    corpus <- paste(readLines(con), "\n", collapse = "")
79          corpus <- gsub("[[:space:]]+", " ", corpus)                    close(con)
80      if (toLower)                    doc <- xmlTreeParse(corpus, asText = TRUE)
81          corpus <- tolower(corpus)                    class(doc) <- "list"
82                      Corpus(object) <- doc
83      heading <- xmlValue(node[["title"]])                    Cached(object) <- TRUE
84                      return(object)
85      new("textdocument", .Data = corpus, author = author, timestamp = timestamp,                } else {
86          description = description, id = id, origin = origin, heading = heading)                    return(object)
87  }                }
88              })
89  # Parse a <REUTERS></REUTERS> element from a well-formed Reuters-21578 XML file  setMethod("loadDoc",
90  parseReuters <- function(node, stripWhiteSpace = FALSE, toLower = FALSE) {            signature(object = "NewsgroupDocument"),
91      # The <AUTHOR></AUTHOR> tag is unfortunately NOT obligatory!            function(object, ...) {
92      if (!is.null(node[["TEXT"]][["AUTHOR"]]))                if (!Cached(object)) {
93          author <- xmlValue(node[["TEXT"]][["AUTHOR"]])                    con <- eval(URI(object))
94      else                    mail <- readLines(con)
95          author <- ""                    close(con)
96                      Cached(object) <- TRUE
97      timestamp <- xmlValue(node[["DATE"]])                    for (index in seq_along(mail)) {
98      description <- ""                        if (mail[index] == "")
99      id <- as.integer(xmlAttrs(node)[["NEWID"]])                            break
100                      }
101      origin <- "Reuters-21578 XML"                    Corpus(object) <- mail[(index + 1):length(mail)]
102                      return(object)
103      # The <BODY></BODY> tag is unfortunately NOT obligatory!                } else {
104      if (!is.null(node[["TEXT"]][["BODY"]]))                    return(object)
105          corpus <- xmlValue(node[["TEXT"]][["BODY"]])                }
106      else            })
107          corpus <- ""  
108    setGeneric("tmUpdate", function(object,
109      if (stripWhiteSpace)                                  origin,
110          corpus <- gsub("[[:space:]]+", " ", corpus)                                  readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
111      if (toLower)                                  ...) standardGeneric("tmUpdate"))
112          corpus <- tolower(corpus)  # Update is only supported for directories
113    # At the moment no other LoD devices are available anyway
114      # The <TITLE></TITLE> tag is unfortunately NOT obligatory!  setMethod("tmUpdate",
115      if (!is.null(node[["TEXT"]][["TITLE"]]))            signature(object = "TextDocCol", origin = "DirSource"),
116          heading <- xmlValue(node[["TEXT"]][["TITLE"]])            function(object, origin,
117                       readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
118                       ...) {
119                  if (inherits(readerControl$reader, "FunctionGenerator"))
120                      readerControl$reader <- readerControl$reader(...)
121    
122                  object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
123                  new.files <- setdiff(origin@FileList, object.filelist)
124    
125                  for (filename in new.files) {
126                      elem <- list(content = readLines(filename),
127                                   uri = substitute(file(filename)))
128                      object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
129                  }
130    
131                  return(object)
132              })
133    
134    setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))
135    setMethod("tmMap",
136              signature(object = "TextDocCol", FUN = "function"),
137              function(object, FUN, ...) {
138                  result <- object
139                  # Note that text corpora are automatically loaded into memory via \code{[[}
140                  if (DBControl(object)[["useDb"]]) {
141                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
142                      i <- 1
143                      for (id in unlist(object)) {
144                          db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
145                          i <- i + 1
146                      }
147                  }
148                  else
149                      result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
150                  return(result)
151              })
152    
153    setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
154    setMethod("asPlain",
155              signature(object = "PlainTextDocument"),
156              function(object, FUN, ...) {
157                  return(object)
158              })
159    setMethod("asPlain",
160              signature(object = "XMLTextDocument", FUN = "function"),
161              function(object, FUN, ...) {
162                  corpus <- Corpus(object)
163    
164                  # As XMLDocument is no native S4 class, restore valid information
165                  class(corpus) <- "XMLDocument"
166                  names(corpus) <- c("doc","dtd")
167    
168                  return(FUN(xmlRoot(corpus), ...))
169              })
170    setMethod("asPlain",
171              signature(object = "Reuters21578Document"),
172              function(object, FUN, ...) {
173                  FUN <- convertReut21578XMLPlain
174                  corpus <- Corpus(object)
175    
176                  # As XMLDocument is no native S4 class, restore valid information
177                  class(corpus) <- "XMLDocument"
178                  names(corpus) <- c("doc","dtd")
179    
180                  return(FUN(xmlRoot(corpus), ...))
181              })
182    setMethod("asPlain",
183              signature(object = "RCV1Document"),
184              function(object, FUN, ...) {
185                  FUN <- convertRCV1Plain
186                  corpus <- Corpus(object)
187    
188                  # As XMLDocument is no native S4 class, restore valid information
189                  class(corpus) <- "XMLDocument"
190                  names(corpus) <- c("doc","dtd")
191    
192                  return(FUN(xmlRoot(corpus), ...))
193              })
194    setMethod("asPlain",
195              signature(object = "NewsgroupDocument"),
196              function(object, FUN, ...) {
197                  new("PlainTextDocument", .Data = Corpus(object), Cached = TRUE, URI = "", Author = Author(object),
198                      DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
199                      Origin = Origin(object), Heading = Heading(object), Language = Language(object))
200              })
201    
202    setGeneric("tmTolower", function(object, ...) standardGeneric("tmTolower"))
203    setMethod("tmTolower",
204              signature(object = "PlainTextDocument"),
205              function(object, ...) {
206                  Corpus(object) <- tolower(object)
207                  return(object)
208              })
209    
210    setGeneric("stripWhitespace", function(object, ...) standardGeneric("stripWhitespace"))
211    setMethod("stripWhitespace",
212              signature(object = "PlainTextDocument"),
213              function(object, ...) {
214                  Corpus(object) <- gsub("[[:space:]]+", " ", object)
215                  return(object)
216              })
217    
218    setGeneric("stemDoc", function(object, language = "english", ...) standardGeneric("stemDoc"))
219    setMethod("stemDoc",
220              signature(object = "PlainTextDocument"),
221              function(object, language = "english", ...) {
222                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
223                  stemmedCorpus <- if (require("Rstem", quietly = TRUE))
224                      Rstem::wordStem(splittedCorpus, language)
225                  else
226                      SnowballStemmer(splittedCorpus, Weka_control(S = language))
227                  Corpus(object) <- paste(stemmedCorpus, collapse = " ")
228                  return(object)
229              })
230    
231    setGeneric("removePunctuation", function(object, ...) standardGeneric("removePunctuation"))
232    setMethod("removePunctuation",
233              signature(object = "PlainTextDocument"),
234              function(object, ...) {
235                  Corpus(object) <- gsub("[[:punct:]]+", "", Corpus(object))
236                  return(object)
237              })
238    
239    setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))
240    setMethod("removeWords",
241              signature(object = "PlainTextDocument", stopwords = "character"),
242              function(object, stopwords, ...) {
243                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
244                  noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]
245                  Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")
246                  return(object)
247              })
248    
249    setGeneric("replaceWords", function(object, words, by, ...) standardGeneric("replaceWords"))
250    setMethod("replaceWords",
251              signature(object = "PlainTextDocument", words = "character", by = "character"),
252              function(object, words, by, ...) {
253                  pattern <- paste(words, collapse = "|")
254                  Corpus(object) <- gsub(pattern, by, Corpus(object))
255                  return(object)
256              })
257    
258    setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
259    setMethod("tmFilter",
260              signature(object = "TextDocCol"),
261              function(object, ..., FUN = sFilter, doclevel = FALSE) {
262                  if (doclevel)
263                      return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
264                  else
265                      return(object[FUN(object, ...)])
266              })
267    
268    setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
269    setMethod("tmIndex",
270              signature(object = "TextDocCol"),
271              function(object, ..., FUN = sFilter, doclevel = FALSE) {
272                  if (doclevel)
273                      return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
274                  else
275                      return(FUN(object, ...))
276              })
277    
278    sFilter <- function(object, s, ...) {
279        con <- textConnection(s)
280        tokens <- scan(con, "character")
281        close(con)
282        localMetaNames <- unique(names(sapply(object, LocalMetaData)))
283        localMetaTokens <- localMetaNames[localMetaNames %in% tokens]
284        n <- names(DMetaData(object))
285        tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)
286        query.df <- DMetaData(prescindMeta(object, tags))
287        if (DBControl(object)[["useDb"]])
288            DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = FALSE]
289        # Rename to avoid name conflicts
290        names(query.df)[names(query.df) == "Author"] <- "author"
291        names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"
292        names(query.df)[names(query.df) == "Description"] <- "description"
293        names(query.df)[names(query.df) == "ID"] <- "identifier"
294        names(query.df)[names(query.df) == "Origin"] <- "origin"
295        names(query.df)[names(query.df) == "Heading"] <- "heading"
296        names(query.df)[names(query.df) == "Language"] <- "language"
297        attach(query.df)
298        try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
299        detach(query.df)
300        return(result)
301    }
302    
303    setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))
304    setMethod("searchFullText",
305              signature(object = "PlainTextDocument", pattern = "character"),
306              function(object, pattern, ...) {
307                  return(any(grep(pattern, Corpus(object))))
308              })
309    
310    setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
311    setMethod("appendElem",
312              signature(object = "TextDocCol", data = "TextDocument"),
313              function(object, data, meta = NULL) {
314                  if (DBControl(object)[["useDb"]]) {
315                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
316                      if (dbExists(db, ID(data)))
317                          warning("document with identical ID already exists")
318                      dbInsert(db, ID(data), data)
319                      object@.Data[[length(object)+1]] <- ID(data)
320                  }
321                  else
322                      object@.Data[[length(object)+1]] <- data
323                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
324                  return(object)
325              })
326    
327    setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
328    setMethod("appendMeta",
329              signature(object = "TextDocCol"),
330              function(object, cmeta = NULL, dmeta = NULL) {
331                  object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
332                  if (!is.null(dmeta)) {
333                      DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
334                  }
335                  return(object)
336              })
337    
338    setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
339    setMethod("removeMeta",
340              signature(object = "TextDocCol"),
341              function(object, cname = NULL, dname = NULL) {
342                  if (!is.null(cname))
343                      object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
344                  if (!is.null(dname))
345                      DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
346                  return(object)
347              })
348    
349    setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
350    setMethod("prescindMeta",
351              signature(object = "TextDocCol", meta = "character"),
352              function(object, meta) {
353                  for (m in meta) {
354                      if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
355                          local.m <- lapply(object, m)
356                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
357                          local.m <- unlist(local.m)
358                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
359                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
360                      }
361                      else {
362                          local.meta <- lapply(object, LocalMetaData)
363                          local.m <- lapply(local.meta, "[[", m)
364                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
365                          if (length(local.m) == length(unlist(local.m)))
366                              local.m <- unlist(local.m)
367                          else
368                              local.m <- I(local.m)
369                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
370                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
371                      }
372                  }
373                  return(object)
374              })
375    
376    setMethod("[",
377              signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),
378              function(x, i, j, ... , drop) {
379                  if(missing(i))
380                      return(x)
381    
382                  object <- x
383                  object@.Data <- x@.Data[i, ..., drop = FALSE]
384                  if (DBControl(object)[["useDb"]]) {
385                      index <- object@DMetaData[[1 , "subset"]]
386                      if (any(is.na(index)))
387                          object@DMetaData[[1 , "subset"]] <- i
388                      else
389                          object@DMetaData[[1 , "subset"]] <- index[i]
390                  }
391      else      else
392          heading <- ""                    DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
393                  return(object)
394              })
395    
396    setMethod("[<-",
397              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
398              function(x, i, j, ... , value) {
399                  object <- x
400                  if (DBControl(object)[["useDb"]]) {
401                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
402                      counter <- 1
403                      for (id in object@.Data[i, ...]) {
404                          if (length(value) == 1)
405                              db[[id]] <- value
406                          else {
407                              db[[id]] <- value[[counter]]
408                          }
409                          counter <- counter + 1
410                      }
411                  }
412                  else
413                      object@.Data[i, ...] <- value
414                  return(object)
415              })
416    
417    setMethod("[[",
418              signature(x = "TextDocCol", i = "ANY", j = "ANY"),
419              function(x, i, j, ...) {
420                  if (DBControl(x)[["useDb"]]) {
421                      db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
422                      result <- dbFetch(db, x@.Data[[i]])
423                      return(loadDoc(result))
424                  }
425                  else
426                      return(loadDoc(x@.Data[[i]]))
427              })
428    
429    setMethod("[[<-",
430              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
431              function(x, i, j, ..., value) {
432                  object <- x
433                  if (DBControl(object)[["useDb"]]) {
434                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
435                      index <- object@.Data[[i]]
436                      db[[index]] <- value
437                  }
438                  else
439                      object@.Data[[i, ...]] <- value
440                  return(object)
441              })
442    
443    # Update \code{NodeID}s of a CMetaData tree
444    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
445        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
446        set_id <- function(object) {
447            object@NodeID <- id
448            id <<- id + 1
449            level <<- level + 1
450    
451            if (length(object@children) > 0) {
452                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
453                left <- set_id(object@children[[1]])
454                if (level == 1) {
455                    left.mapping <<- mapping
456                    mapping <<- NULL
457                }
458                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
459                right <- set_id(object@children[[2]])
460    
461                object@children <- list(left, right)
462            }
463            level <<- level - 1
464    
465            return(object)
466        }
467    
468        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
469    }
470    
471    setMethod("c",
472              signature(x = "TextDocCol"),
473              function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
474                  args <- list(...)
475                  if (length(args) == 0)
476                      return(x)
477    
478                  if (!all(sapply(args, inherits, "TextDocCol")))
479                      stop("not all arguments are text document collections")
480                  if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
481                      stop("concatenating text document collections with activated database is not supported")
482    
483                  result <- x
484                  for (c in args) {
485                      result <- c2(result, c)
486                  }
487                  return(result)
488              })
489    
490      new("textdocument", .Data = corpus, author = author, timestamp = timestamp,  setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
491          description = description, id = id, origin = origin, heading = heading)  setMethod("c2",
492              signature(x = "TextDocCol", y = "TextDocCol"),
493              function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
494                  object <- x
495                  # Concatenate data slots
496                  object@.Data <- c(as(x, "list"), as(y, "list"))
497    
498                  # Set the DBControl slot
499                  object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
500    
501                  # Update the CMetaData tree
502                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
503                  update.struct <- update_id(cmeta)
504                  object@CMetaData <- update.struct$root
505    
506                  # Find indices to be updated for the left tree
507                  indices.mapping <- NULL
508                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
509                      indices <- (DMetaData(x)$MetaID == m)
510                      indices.mapping <- c(indices.mapping, list(m = indices))
511                      names(indices.mapping)[length(indices.mapping)] <- m
512  }  }
513    
514                  # Update the DMetaData data frames for the left tree
515                  for (i in 1:ncol(update.struct$left.mapping)) {
516                      map <- update.struct$left.mapping[,i]
517                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
518                  }
519    
520                  # Find indices to be updated for the right tree
521                  indices.mapping <- NULL
522                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
523                      indices <- (DMetaData(y)$MetaID == m)
524                      indices.mapping <- c(indices.mapping, list(m = indices))
525                      names(indices.mapping)[length(indices.mapping)] <- m
526                  }
527    
528                  # Update the DMetaData data frames for the right tree
529                  for (i in 1:ncol(update.struct$right.mapping)) {
530                      map <- update.struct$right.mapping[,i]
531                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
532                  }
533    
534                  # Merge the DMetaData data frames
535                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
536                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
537                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
538                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
539                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
540                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
541                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
542    
543                  return(object)
544              })
545    
546    setMethod("c",
547              signature(x = "TextDocument"),
548              function(x, ..., recursive = TRUE){
549                  args <- list(...)
550                  if(length(args) == 0)
551                      return(x)
552    
553                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
554                  cmeta.node <- new("MetaDataNode",
555                                NodeID = 0,
556                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
557                                children = list())
558    
559                  return(new("TextDocCol",
560                             .Data = list(x, ...),
561                             DMetaData = dmeta.df,
562                             CMetaData = cmeta.node,
563                             DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
564              })
565    
566    setMethod("length",
567              signature(x = "TextDocCol"),
568              function(x){
569                  return(length(as(x, "list")))
570        })
571    
572    setMethod("show",
573              signature(object = "TextDocCol"),
574              function(object){
575                  cat(sprintf(ngettext(length(object),
576                                       "A text document collection with %d text document\n",
577                                       "A text document collection with %d text documents\n"),
578                              length(object)))
579        })
580    
581    setMethod("summary",
582              signature(object = "TextDocCol"),
583              function(object){
584                  show(object)
585                  if (length(DMetaData(object)) > 0) {
586                      cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
587                                                  "\nThe metadata consists of %d tag-value pair and a data frame\n",
588                                                  "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
589                                           length(CMetaData(object)@MetaData)))
590                      cat("Available tags are:\n")
591                      cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
592                      cat("Available variables in the data frame are:\n")
593                      cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
594                  }
595        })
596    
597    setGeneric("inspect", function(object) standardGeneric("inspect"))
598    setMethod("inspect",
599              signature("TextDocCol"),
600              function(object) {
601                  summary(object)
602                  cat("\n")
603                  if (DBControl(object)[["useDb"]]) {
604                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
605                      show(dbMultiFetch(db, unlist(object)))
606                  }
607                  else
608                      show(object@.Data)
609              })
610    
611    # No metadata is checked
612    setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
613    setMethod("%IN%",
614              signature(x = "TextDocument", y = "TextDocCol"),
615              function(x, y) {
616                  if (DBControl(y)[["useDb"]]) {
617                      db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
618                      result <- any(sapply(y, function(x, z) {x %in% Corpus(z)}, x))
619                  }
620                  else
621                      result <- x %in% y
622                  return(result)
623              })
624    
625    setMethod("lapply",
626              signature(X = "TextDocCol"),
627              function(X, FUN, ...) {
628                  if (DBControl(X)[["useDb"]]) {
629                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
630                      result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
631                  }
632                  else
633                      result <- base::lapply(X, FUN, ...)
634                  return(result)
635              })
636    
637    setMethod("sapply",
638              signature(X = "TextDocCol"),
639              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
640                  if (DBControl(X)[["useDb"]]) {
641                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
642                      result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
643                  }
644                  else
645                      result <- base::sapply(X, FUN, ...)
646                  return(result)
647              })

Legend:
Removed from v.37  
changed lines
  Added in v.760

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