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 769, Sun Jul 15 16:31:59 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 <- ""  setMethod("loadDoc",
108              signature(object = "StructuredTextDocument"),
109      if (stripWhiteSpace)            function(object, ...) {
110          corpus <- gsub("[[:space:]]+", " ", corpus)                if (!Cached(object)) {
111      if (toLower)                    warning("load on demand not (yet) supported for StructuredTextDocuments")
112          corpus <- tolower(corpus)                    return(object)
113                  } else
114      # The <TITLE></TITLE> tag is unfortunately NOT obligatory!                    return(object)
115      if (!is.null(node[["TEXT"]][["TITLE"]]))            })
116          heading <- xmlValue(node[["TEXT"]][["TITLE"]])  
117    setGeneric("tmUpdate", function(object,
118                                    origin,
119                                    readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
120                                    ...) standardGeneric("tmUpdate"))
121    # Update is only supported for directories
122    # At the moment no other LoD devices are available anyway
123    setMethod("tmUpdate",
124              signature(object = "TextDocCol", origin = "DirSource"),
125              function(object, origin,
126                       readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
127                       ...) {
128                  if (attr(readerControl$reader, "FunctionGenerator"))
129                      readerControl$reader <- readerControl$reader(...)
130    
131                  object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
132                  new.files <- setdiff(origin@FileList, object.filelist)
133    
134                  for (filename in new.files) {
135                      elem <- list(content = readLines(filename),
136                                   uri = substitute(file(filename)))
137                      object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
138                  }
139    
140                  return(object)
141              })
142    
143    setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))
144    setMethod("tmMap",
145              signature(object = "TextDocCol", FUN = "function"),
146              function(object, FUN, ...) {
147                  result <- object
148                  # Note that text corpora are automatically loaded into memory via \code{[[}
149                  if (DBControl(object)[["useDb"]]) {
150                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
151                      i <- 1
152                      for (id in unlist(object)) {
153                          db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
154                          i <- i + 1
155                      }
156                  }
157                  else
158                      result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
159                  return(result)
160              })
161    
162    setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
163    setMethod("asPlain",
164              signature(object = "PlainTextDocument"),
165              function(object, FUN, ...) {
166                  return(object)
167              })
168    setMethod("asPlain",
169              signature(object = "XMLTextDocument", FUN = "function"),
170              function(object, FUN, ...) {
171                  corpus <- Corpus(object)
172    
173                  # As XMLDocument is no native S4 class, restore valid information
174                  class(corpus) <- "XMLDocument"
175                  names(corpus) <- c("doc","dtd")
176    
177                  return(FUN(xmlRoot(corpus), ...))
178              })
179    setMethod("asPlain",
180              signature(object = "Reuters21578Document"),
181              function(object, FUN, ...) {
182                  FUN <- convertReut21578XMLPlain
183                  corpus <- Corpus(object)
184    
185                  # As XMLDocument is no native S4 class, restore valid information
186                  class(corpus) <- "XMLDocument"
187                  names(corpus) <- c("doc","dtd")
188    
189                  return(FUN(xmlRoot(corpus), ...))
190              })
191    setMethod("asPlain",
192              signature(object = "RCV1Document"),
193              function(object, FUN, ...) {
194                  FUN <- convertRCV1Plain
195                  corpus <- Corpus(object)
196    
197                  # As XMLDocument is no native S4 class, restore valid information
198                  class(corpus) <- "XMLDocument"
199                  names(corpus) <- c("doc","dtd")
200    
201                  return(FUN(xmlRoot(corpus), ...))
202              })
203    setMethod("asPlain",
204              signature(object = "NewsgroupDocument"),
205              function(object, FUN, ...) {
206                  new("PlainTextDocument", .Data = Corpus(object), Cached = TRUE, URI = "", Author = Author(object),
207                      DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
208                      Origin = Origin(object), Heading = Heading(object), Language = Language(object))
209              })
210    
211    setGeneric("tmTolower", function(object, ...) standardGeneric("tmTolower"))
212    setMethod("tmTolower",
213              signature(object = "PlainTextDocument"),
214              function(object, ...) {
215                  Corpus(object) <- tolower(object)
216                  return(object)
217              })
218    
219    setGeneric("stripWhitespace", function(object, ...) standardGeneric("stripWhitespace"))
220    setMethod("stripWhitespace",
221              signature(object = "PlainTextDocument"),
222              function(object, ...) {
223                  Corpus(object) <- gsub("[[:space:]]+", " ", object)
224                  return(object)
225              })
226    
227    setGeneric("stemDoc", function(object, language = "english", ...) standardGeneric("stemDoc"))
228    setMethod("stemDoc",
229              signature(object = "PlainTextDocument"),
230              function(object, language = "english", ...) {
231                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
232                  stemmedCorpus <- if (require("Rstem", quietly = TRUE))
233                      Rstem::wordStem(splittedCorpus, language)
234                  else
235                      SnowballStemmer(splittedCorpus, Weka_control(S = language))
236                  Corpus(object) <- paste(stemmedCorpus, collapse = " ")
237                  return(object)
238              })
239    
240    setGeneric("removePunctuation", function(object, ...) standardGeneric("removePunctuation"))
241    setMethod("removePunctuation",
242              signature(object = "PlainTextDocument"),
243              function(object, ...) {
244                  Corpus(object) <- gsub("[[:punct:]]+", "", Corpus(object))
245                  return(object)
246              })
247    
248    setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))
249    setMethod("removeWords",
250              signature(object = "PlainTextDocument", stopwords = "character"),
251              function(object, stopwords, ...) {
252                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
253                  noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]
254                  Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")
255                  return(object)
256              })
257    
258    setGeneric("replaceWords", function(object, words, by, ...) standardGeneric("replaceWords"))
259    setMethod("replaceWords",
260              signature(object = "PlainTextDocument", words = "character", by = "character"),
261              function(object, words, by, ...) {
262                  pattern <- paste(words, collapse = "|")
263                  Corpus(object) <- gsub(pattern, by, Corpus(object))
264                  return(object)
265              })
266    
267    setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
268    setMethod("tmFilter",
269              signature(object = "TextDocCol"),
270              function(object, ..., FUN = sFilter, doclevel = FALSE) {
271                  if (doclevel)
272                      return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
273      else      else
274          heading <- ""                    return(object[FUN(object, ...)])
275              })
276    
277      new("textdocument", .Data = corpus, author = author, timestamp = timestamp,  setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
278          description = description, id = id, origin = origin, heading = heading)  setMethod("tmIndex",
279              signature(object = "TextDocCol"),
280              function(object, ..., FUN = sFilter, doclevel = FALSE) {
281                  if (doclevel)
282                      return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
283                  else
284                      return(FUN(object, ...))
285              })
286    
287    sFilter <- function(object, s, ...) {
288        con <- textConnection(s)
289        tokens <- scan(con, "character")
290        close(con)
291        localMetaNames <- unique(names(sapply(object, LocalMetaData)))
292        localMetaTokens <- localMetaNames[localMetaNames %in% tokens]
293        n <- names(DMetaData(object))
294        tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)
295        query.df <- DMetaData(prescindMeta(object, tags))
296        if (DBControl(object)[["useDb"]])
297            DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = FALSE]
298        # Rename to avoid name conflicts
299        names(query.df)[names(query.df) == "Author"] <- "author"
300        names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"
301        names(query.df)[names(query.df) == "Description"] <- "description"
302        names(query.df)[names(query.df) == "ID"] <- "identifier"
303        names(query.df)[names(query.df) == "Origin"] <- "origin"
304        names(query.df)[names(query.df) == "Heading"] <- "heading"
305        names(query.df)[names(query.df) == "Language"] <- "language"
306        attach(query.df)
307        try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
308        detach(query.df)
309        return(result)
310  }  }
311    
312    setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))
313    setMethod("searchFullText",
314              signature(object = "PlainTextDocument", pattern = "character"),
315              function(object, pattern, ...) {
316                  return(any(grep(pattern, Corpus(object))))
317              })
318    
319    setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
320    setMethod("appendElem",
321              signature(object = "TextDocCol", data = "TextDocument"),
322              function(object, data, meta = NULL) {
323                  if (DBControl(object)[["useDb"]]) {
324                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
325                      if (dbExists(db, ID(data)))
326                          warning("document with identical ID already exists")
327                      dbInsert(db, ID(data), data)
328                      object@.Data[[length(object)+1]] <- ID(data)
329                  }
330                  else
331                      object@.Data[[length(object)+1]] <- data
332                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
333                  return(object)
334              })
335    
336    setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
337    setMethod("appendMeta",
338              signature(object = "TextDocCol"),
339              function(object, cmeta = NULL, dmeta = NULL) {
340                  object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
341                  if (!is.null(dmeta)) {
342                      DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
343                  }
344                  return(object)
345              })
346    
347    setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
348    setMethod("removeMeta",
349              signature(object = "TextDocCol"),
350              function(object, cname = NULL, dname = NULL) {
351                  if (!is.null(cname))
352                      object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
353                  if (!is.null(dname))
354                      DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
355                  return(object)
356              })
357    
358    setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
359    setMethod("prescindMeta",
360              signature(object = "TextDocCol", meta = "character"),
361              function(object, meta) {
362                  for (m in meta) {
363                      if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
364                          local.m <- lapply(object, m)
365                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
366                          local.m <- unlist(local.m)
367                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
368                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
369                      }
370                      else {
371                          local.meta <- lapply(object, LocalMetaData)
372                          local.m <- lapply(local.meta, "[[", m)
373                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
374                          if (length(local.m) == length(unlist(local.m)))
375                              local.m <- unlist(local.m)
376                          else
377                              local.m <- I(local.m)
378                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
379                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
380                      }
381                  }
382                  return(object)
383              })
384    
385    setMethod("[",
386              signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),
387              function(x, i, j, ... , drop) {
388                  if(missing(i))
389                      return(x)
390    
391                  object <- x
392                  object@.Data <- x@.Data[i, ..., drop = FALSE]
393                  if (DBControl(object)[["useDb"]]) {
394                      index <- object@DMetaData[[1 , "subset"]]
395                      if (any(is.na(index)))
396                          object@DMetaData[[1 , "subset"]] <- i
397                      else
398                          object@DMetaData[[1 , "subset"]] <- index[i]
399                  }
400                  else
401                      DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
402                  return(object)
403              })
404    
405    setMethod("[<-",
406              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
407              function(x, i, j, ... , value) {
408                  object <- x
409                  if (DBControl(object)[["useDb"]]) {
410                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
411                      counter <- 1
412                      for (id in object@.Data[i, ...]) {
413                          if (length(value) == 1)
414                              db[[id]] <- value
415                          else {
416                              db[[id]] <- value[[counter]]
417                          }
418                          counter <- counter + 1
419                      }
420                  }
421                  else
422                      object@.Data[i, ...] <- value
423                  return(object)
424              })
425    
426    setMethod("[[",
427              signature(x = "TextDocCol", i = "ANY", j = "ANY"),
428              function(x, i, j, ...) {
429                  if (DBControl(x)[["useDb"]]) {
430                      db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
431                      result <- dbFetch(db, x@.Data[[i]])
432                      return(loadDoc(result))
433                  }
434                  else
435                      return(loadDoc(x@.Data[[i]]))
436              })
437    
438    setMethod("[[<-",
439              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
440              function(x, i, j, ..., value) {
441                  object <- x
442                  if (DBControl(object)[["useDb"]]) {
443                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
444                      index <- object@.Data[[i]]
445                      db[[index]] <- value
446                  }
447                  else
448                      object@.Data[[i, ...]] <- value
449                  return(object)
450              })
451    
452    # Update \code{NodeID}s of a CMetaData tree
453    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
454        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
455        set_id <- function(object) {
456            object@NodeID <- id
457            id <<- id + 1
458            level <<- level + 1
459    
460            if (length(object@children) > 0) {
461                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
462                left <- set_id(object@children[[1]])
463                if (level == 1) {
464                    left.mapping <<- mapping
465                    mapping <<- NULL
466                }
467                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
468                right <- set_id(object@children[[2]])
469    
470                object@children <- list(left, right)
471            }
472            level <<- level - 1
473    
474            return(object)
475        }
476    
477        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
478    }
479    
480    setMethod("c",
481              signature(x = "TextDocCol"),
482              function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
483                  args <- list(...)
484                  if (length(args) == 0)
485                      return(x)
486    
487                  if (!all(sapply(args, inherits, "TextDocCol")))
488                      stop("not all arguments are text document collections")
489                  if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
490                      stop("concatenating text document collections with activated database is not supported")
491    
492                  result <- x
493                  for (c in args) {
494                      result <- c2(result, c)
495                  }
496                  return(result)
497              })
498    
499    setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
500    setMethod("c2",
501              signature(x = "TextDocCol", y = "TextDocCol"),
502              function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
503                  object <- x
504                  # Concatenate data slots
505                  object@.Data <- c(as(x, "list"), as(y, "list"))
506    
507                  # Set the DBControl slot
508                  object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
509    
510                  # Update the CMetaData tree
511                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
512                  update.struct <- update_id(cmeta)
513                  object@CMetaData <- update.struct$root
514    
515                  # Find indices to be updated for the left tree
516                  indices.mapping <- NULL
517                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
518                      indices <- (DMetaData(x)$MetaID == m)
519                      indices.mapping <- c(indices.mapping, list(m = indices))
520                      names(indices.mapping)[length(indices.mapping)] <- m
521                  }
522    
523                  # Update the DMetaData data frames for the left tree
524                  for (i in 1:ncol(update.struct$left.mapping)) {
525                      map <- update.struct$left.mapping[,i]
526                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
527                  }
528    
529                  # Find indices to be updated for the right tree
530                  indices.mapping <- NULL
531                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
532                      indices <- (DMetaData(y)$MetaID == m)
533                      indices.mapping <- c(indices.mapping, list(m = indices))
534                      names(indices.mapping)[length(indices.mapping)] <- m
535                  }
536    
537                  # Update the DMetaData data frames for the right tree
538                  for (i in 1:ncol(update.struct$right.mapping)) {
539                      map <- update.struct$right.mapping[,i]
540                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
541                  }
542    
543                  # Merge the DMetaData data frames
544                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
545                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
546                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
547                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
548                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
549                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
550                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
551    
552                  return(object)
553              })
554    
555    setMethod("c",
556              signature(x = "TextDocument"),
557              function(x, ..., recursive = TRUE){
558                  args <- list(...)
559                  if(length(args) == 0)
560                      return(x)
561    
562                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
563                  cmeta.node <- new("MetaDataNode",
564                                NodeID = 0,
565                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
566                                children = list())
567    
568                  return(new("TextDocCol",
569                             .Data = list(x, ...),
570                             DMetaData = dmeta.df,
571                             CMetaData = cmeta.node,
572                             DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
573              })
574    
575    setMethod("length",
576              signature(x = "TextDocCol"),
577              function(x){
578                  return(length(as(x, "list")))
579        })
580    
581    setMethod("show",
582              signature(object = "TextDocCol"),
583              function(object){
584                  cat(sprintf(ngettext(length(object),
585                                       "A text document collection with %d text document\n",
586                                       "A text document collection with %d text documents\n"),
587                              length(object)))
588        })
589    
590    setMethod("summary",
591              signature(object = "TextDocCol"),
592              function(object){
593                  show(object)
594                  if (length(DMetaData(object)) > 0) {
595                      cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
596                                                  "\nThe metadata consists of %d tag-value pair and a data frame\n",
597                                                  "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
598                                           length(CMetaData(object)@MetaData)))
599                      cat("Available tags are:\n")
600                      cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
601                      cat("Available variables in the data frame are:\n")
602                      cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
603                  }
604        })
605    
606    setGeneric("inspect", function(object) standardGeneric("inspect"))
607    setMethod("inspect",
608              signature("TextDocCol"),
609              function(object) {
610                  summary(object)
611                  cat("\n")
612                  if (DBControl(object)[["useDb"]]) {
613                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
614                      show(dbMultiFetch(db, unlist(object)))
615                  }
616                  else
617                      show(object@.Data)
618              })
619    
620    # No metadata is checked
621    setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
622    setMethod("%IN%",
623              signature(x = "TextDocument", y = "TextDocCol"),
624              function(x, y) {
625                  if (DBControl(y)[["useDb"]]) {
626                      db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
627                      result <- any(sapply(y, function(x, z) {x %in% Corpus(z)}, x))
628                  }
629                  else
630                      result <- x %in% y
631                  return(result)
632              })
633    
634    setMethod("lapply",
635              signature(X = "TextDocCol"),
636              function(X, FUN, ...) {
637                  if (DBControl(X)[["useDb"]]) {
638                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
639                      result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
640                  }
641                  else
642                      result <- base::lapply(X, FUN, ...)
643                  return(result)
644              })
645    
646    setMethod("sapply",
647              signature(X = "TextDocCol"),
648              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
649                  if (DBControl(X)[["useDb"]]) {
650                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
651                      result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
652                  }
653                  else
654                      result <- base::sapply(X, FUN, ...)
655                  return(result)
656              })

Legend:
Removed from v.37  
changed lines
  Added in v.769

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