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 799, Thu Nov 29 11:05:23 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 (is(readerControl$reader, "FunctionGenerator"))
15                                             pattern = ".csv",                    readerControl$reader <- readerControl$reader(...)
16                                             full.names = TRUE),                if (is.null(readerControl$reader))
17                                         function(file) {                    readerControl$reader <- object@DefaultReader
18                                             m <- as.matrix(read.csv(file, header = FALSE))                if (is.null(readerControl$language))
19                                             l <- vector("list", dim(m)[1])                    readerControl$language = "en_US"
20                                             for (i in 1:dim(m)[1]) {                if (is.null(readerControl$load))
21                                                 author <- ""                    readerControl$load = FALSE
22                                                 timestamp <- date()  
23                                                 description <- ""                if (dbControl$useDb) {
24                                                 id <- as.integer(m[i,1])                    if (!dbCreate(dbControl$dbName, dbControl$dbType))
25                                                 corpus <- as.character(m[i,2:dim(m)[2]])                        stop("error in creating database")
26                                                 if (stripWhiteSpace)                    db <- dbInit(dbControl$dbName, dbControl$dbType)
27                                                     corpus <- gsub("[[:space:]]+", " ", corpus)                }
28                                                 if (toLower)  
29                                                     corpus <- tolower(corpus)                tdl <- list()
30                                                 origin <- "CSV"                counter <- 1
31                                                 heading <- ""                while (!eoi(object)) {
32                      object <- stepNext(object)
33                                                 l[[i]] <- new("textdocument", .Data = corpus, author = author, timestamp = timestamp,                    elem <- getElem(object)
34                                                               description = description, id = id, origin = origin, heading = heading)                    # If there is no Load on Demand support
35                                             }                    # we need to load the corpus into memory at startup
36                                             l                    if (!object@LoDSupport)
37                                         })                        readerControl$load <- TRUE
38                           tdcl <- new("textdoccol", .Data = tdl)                    doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))
39                       },                    if (dbControl$useDb) {
40                       # Read in text documents in XML Reuters Corpus Volume 1 (RCV1) format                        dbInsert(db, ID(doc), doc)
41                       # The first argument is a directory with the RCV1 XML files                        tdl <- c(tdl, ID(doc))
42                       "RCV1" = {                    }
43                           tdl <- sapply(dir(object,                    else
44                                             pattern = ".xml",                        tdl <- c(tdl, list(doc))
45                                             full.names = TRUE),                    counter <- counter + 1
46                                         function(file) {                }
47                                             tree <- xmlTreeParse(file)  
48                                             xmlApply(xmlRoot(tree), parseNewsItem, stripWhiteSpace, toLower)                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
49                                         })                if (dbControl$useDb) {
50                           tdcl <- new("textdoccol", .Data = tdl)                    dbInsert(db, "DMetaData", df)
51                       },                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
52                       # Read in text documents in Reuters-21578 XML (not SGML) format                }
                      # Typically the first argument will be a directory where we can  
                      # find the files reut2-000.xml ... reut2-021.xml  
                      "REUT21578" = {  
                          tdl <- sapply(dir(object,  
                                            pattern = ".xml",  
                                            full.names = TRUE),  
                                        function(file) {  
                                            tree <- xmlTreeParse(file)  
                                            xmlApply(xmlRoot(tree), parseReuters, stripWhiteSpace, toLower)  
                                        })  
                          tdcl <- new("textdoccol", .Data = tdl)  
                      })  
               tdcl  
           })  
   
 # TODO: Implement lacking fields as soon I have access to the original RCV1  
 # Parse a <newsitem></newsitem> element from a well-formed RCV1 XML file  
 parseNewsItem <- function(node, stripWhiteSpace = FALSE, toLower = FALSE) {  
     author <- "Not yet implemented"  
     timestamp <- xmlAttrs(node)[["date"]]  
     description <- "Not yet implemented"  
     id <- as.integer(xmlAttrs(node)[["itemid"]])  
     origin <- "Reuters Corpus Volume 1 XML"  
     corpus <- unlist(xmlApply(node[["text"]], xmlValue), use.names = FALSE)  
   
     if (stripWhiteSpace)  
         corpus <- gsub("[[:space:]]+", " ", corpus)  
     if (toLower)  
         corpus <- tolower(corpus)  
   
     heading <- xmlValue(node[["title"]])  
   
     new("textdocument", .Data = corpus, author = author, timestamp = timestamp,  
         description = description, id = id, origin = origin, heading = heading)  
 }  
   
 # Parse a <REUTERS></REUTERS> element from a well-formed Reuters-21578 XML file  
 parseReuters <- function(node, stripWhiteSpace = FALSE, toLower = FALSE) {  
     # The <AUTHOR></AUTHOR> tag is unfortunately NOT obligatory!  
     if (!is.null(node[["TEXT"]][["AUTHOR"]]))  
         author <- xmlValue(node[["TEXT"]][["AUTHOR"]])  
     else  
         author <- ""  
   
     timestamp <- xmlValue(node[["DATE"]])  
     description <- ""  
     id <- as.integer(xmlAttrs(node)[["NEWID"]])  
   
     origin <- "Reuters-21578 XML"  
   
     # The <BODY></BODY> tag is unfortunately NOT obligatory!  
     if (!is.null(node[["TEXT"]][["BODY"]]))  
         corpus <- xmlValue(node[["TEXT"]][["BODY"]])  
     else  
         corpus <- ""  
   
     if (stripWhiteSpace)  
         corpus <- gsub("[[:space:]]+", " ", corpus)  
     if (toLower)  
         corpus <- tolower(corpus)  
   
     # The <TITLE></TITLE> tag is unfortunately NOT obligatory!  
     if (!is.null(node[["TEXT"]][["TITLE"]]))  
         heading <- xmlValue(node[["TEXT"]][["TITLE"]])  
53      else      else
54          heading <- ""                    dmeta.df <- df
55    
56                  cmeta.node <- new("MetaDataNode",
57                                NodeID = 0,
58                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
59                                children = list())
60    
61                  return(new("TextDocCol", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
62              })
63    
64    setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
65    setMethod("loadDoc",
66              signature(object = "PlainTextDocument"),
67              function(object, ...) {
68                  if (!Cached(object)) {
69                      con <- eval(URI(object))
70                      corpus <- readLines(con)
71                      close(con)
72                      Corpus(object) <- corpus
73                      Cached(object) <- TRUE
74                      return(object)
75                  } else {
76                      return(object)
77                  }
78              })
79    setMethod("loadDoc",
80              signature(object =  "XMLTextDocument"),
81              function(object, ...) {
82                  if (!Cached(object)) {
83                      con <- eval(URI(object))
84                      corpus <- paste(readLines(con), "\n", collapse = "")
85                      close(con)
86                      doc <- xmlTreeParse(corpus, asText = TRUE)
87                      class(doc) <- "list"
88                      Corpus(object) <- doc
89                      Cached(object) <- TRUE
90                      return(object)
91                  } else {
92                      return(object)
93                  }
94              })
95    setMethod("loadDoc",
96              signature(object = "NewsgroupDocument"),
97              function(object, ...) {
98                  if (!Cached(object)) {
99                      con <- eval(URI(object))
100                      mail <- readLines(con)
101                      close(con)
102                      Cached(object) <- TRUE
103                      for (index in seq_along(mail)) {
104                          if (mail[index] == "")
105                              break
106                      }
107                      Corpus(object) <- mail[(index + 1):length(mail)]
108                      return(object)
109                  } else {
110                      return(object)
111                  }
112              })
113    setMethod("loadDoc",
114              signature(object = "StructuredTextDocument"),
115              function(object, ...) {
116                  if (!Cached(object)) {
117                      warning("load on demand not (yet) supported for StructuredTextDocuments")
118                      return(object)
119                  } else
120                      return(object)
121              })
122    
123    setGeneric("tmUpdate", function(object,
124                                    origin,
125                                    readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
126                                    ...) standardGeneric("tmUpdate"))
127    # Update is only supported for directories
128    # At the moment no other LoD devices are available anyway
129    setMethod("tmUpdate",
130              signature(object = "TextDocCol", origin = "DirSource"),
131              function(object, origin,
132                       readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
133                       ...) {
134                  if (is(readerControl$reader, "FunctionGenerator"))
135                      readerControl$reader <- readerControl$reader(...)
136    
137                  object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
138                  new.files <- setdiff(origin@FileList, object.filelist)
139    
140                  for (filename in new.files) {
141                      elem <- list(content = readLines(filename),
142                                   uri = substitute(file(filename)))
143                      object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
144                  }
145    
146                  return(object)
147              })
148    
149      new("textdocument", .Data = corpus, author = author, timestamp = timestamp,  setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))
150          description = description, id = id, origin = origin, heading = heading)  setMethod("tmMap",
151              signature(object = "TextDocCol", FUN = "function"),
152              function(object, FUN, ...) {
153                  result <- object
154                  # Note that text corpora are automatically loaded into memory via \code{[[}
155                  if (DBControl(object)[["useDb"]]) {
156                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
157                      i <- 1
158                      for (id in unlist(object)) {
159                          db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
160                          i <- i + 1
161                      }
162  }  }
163                  else
164                      result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
165                  return(result)
166              })
167    
168    setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
169    setMethod("asPlain",
170              signature(object = "PlainTextDocument"),
171              function(object, FUN, ...) {
172                  return(object)
173              })
174    setMethod("asPlain",
175              signature(object = "XMLTextDocument", FUN = "function"),
176              function(object, FUN, ...) {
177                  corpus <- Corpus(object)
178    
179                  # As XMLDocument is no native S4 class, restore valid information
180                  class(corpus) <- "XMLDocument"
181                  names(corpus) <- c("doc","dtd")
182    
183                  return(FUN(xmlRoot(corpus), ...))
184              })
185    setMethod("asPlain",
186              signature(object = "Reuters21578Document"),
187              function(object, FUN, ...) {
188                  FUN <- convertReut21578XMLPlain
189                  corpus <- Corpus(object)
190    
191                  # As XMLDocument is no native S4 class, restore valid information
192                  class(corpus) <- "XMLDocument"
193                  names(corpus) <- c("doc","dtd")
194    
195                  return(FUN(xmlRoot(corpus), ...))
196              })
197    setMethod("asPlain",
198              signature(object = "RCV1Document"),
199              function(object, FUN, ...) {
200                  FUN <- convertRCV1Plain
201                  corpus <- Corpus(object)
202    
203                  # As XMLDocument is no native S4 class, restore valid information
204                  class(corpus) <- "XMLDocument"
205                  names(corpus) <- c("doc","dtd")
206    
207                  return(FUN(xmlRoot(corpus), ...))
208              })
209    setMethod("asPlain",
210              signature(object = "NewsgroupDocument"),
211              function(object, FUN, ...) {
212                  new("PlainTextDocument", .Data = Corpus(object), Cached = TRUE, URI = "", Author = Author(object),
213                      DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
214                      Origin = Origin(object), Heading = Heading(object), Language = Language(object))
215              })
216    setMethod("asPlain",
217              signature(object = "StructuredTextDocument"),
218              function(object, FUN, ...) {
219                  new("PlainTextDocument", .Data = unlist(Corpus(object)), Cached = TRUE,
220                      URI = "", Author = Author(object), DateTimeStamp = DateTimeStamp(object),
221                      Description = Description(object), ID = ID(object), Origin = Origin(object),
222                      Heading = Heading(object), Language = Language(object))
223              })
224    
225    setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
226    setMethod("tmFilter",
227              signature(object = "TextDocCol"),
228              function(object, ..., FUN = sFilter, doclevel = FALSE) {
229                  if (doclevel)
230                      return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
231                  else
232                      return(object[FUN(object, ...)])
233              })
234    
235    setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
236    setMethod("tmIndex",
237              signature(object = "TextDocCol"),
238              function(object, ..., FUN = sFilter, doclevel = FALSE) {
239                  if (doclevel)
240                      return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
241                  else
242                      return(FUN(object, ...))
243              })
244    
245    sFilter <- function(object, s, ...) {
246        con <- textConnection(s)
247        tokens <- scan(con, "character", quiet = TRUE)
248        close(con)
249        localMetaNames <- unique(names(sapply(object, LocalMetaData)))
250        localMetaTokens <- localMetaNames[localMetaNames %in% tokens]
251        n <- names(DMetaData(object))
252        tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)
253        query.df <- DMetaData(prescindMeta(object, tags))
254        if (DBControl(object)[["useDb"]])
255            DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = FALSE]
256        # Rename to avoid name conflicts
257        names(query.df)[names(query.df) == "Author"] <- "author"
258        names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"
259        names(query.df)[names(query.df) == "Description"] <- "description"
260        names(query.df)[names(query.df) == "ID"] <- "identifier"
261        names(query.df)[names(query.df) == "Origin"] <- "origin"
262        names(query.df)[names(query.df) == "Heading"] <- "heading"
263        names(query.df)[names(query.df) == "Language"] <- "language"
264        attach(query.df)
265        try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
266        detach(query.df)
267        return(result)
268    }
269    
270    setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
271    setMethod("appendElem",
272              signature(object = "TextDocCol", data = "TextDocument"),
273              function(object, data, meta = NULL) {
274                  if (DBControl(object)[["useDb"]]) {
275                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
276                      if (dbExists(db, ID(data)))
277                          warning("document with identical ID already exists")
278                      dbInsert(db, ID(data), data)
279                      object@.Data[[length(object)+1]] <- ID(data)
280                  }
281                  else
282                      object@.Data[[length(object)+1]] <- data
283                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
284                  return(object)
285              })
286    
287    setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
288    setMethod("appendMeta",
289              signature(object = "TextDocCol"),
290              function(object, cmeta = NULL, dmeta = NULL) {
291                  object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
292                  if (!is.null(dmeta)) {
293                      DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
294                  }
295                  return(object)
296              })
297    
298    setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
299    setMethod("removeMeta",
300              signature(object = "TextDocCol"),
301              function(object, cname = NULL, dname = NULL) {
302                  if (!is.null(cname))
303                      object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
304                  if (!is.null(dname))
305                      DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
306                  return(object)
307              })
308    
309    setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
310    setMethod("prescindMeta",
311              signature(object = "TextDocCol", meta = "character"),
312              function(object, meta) {
313                  for (m in meta) {
314                      if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
315                          local.m <- lapply(object, m)
316                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
317                          local.m <- unlist(local.m)
318                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
319                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
320                      }
321                      else {
322                          local.meta <- lapply(object, LocalMetaData)
323                          local.m <- lapply(local.meta, "[[", m)
324                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
325                          if (length(local.m) == length(unlist(local.m)))
326                              local.m <- unlist(local.m)
327                          else
328                              local.m <- I(local.m)
329                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
330                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
331                      }
332                  }
333                  return(object)
334              })
335    
336    setMethod("[",
337              signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),
338              function(x, i, j, ... , drop) {
339                  if(missing(i))
340                      return(x)
341    
342                  object <- x
343                  object@.Data <- x@.Data[i, ..., drop = FALSE]
344                  if (DBControl(object)[["useDb"]]) {
345                      index <- object@DMetaData[[1 , "subset"]]
346                      if (any(is.na(index)))
347                          object@DMetaData[[1 , "subset"]] <- i
348                      else
349                          object@DMetaData[[1 , "subset"]] <- index[i]
350                  }
351                  else
352                      DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
353                  return(object)
354              })
355    
356    setMethod("[<-",
357              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
358              function(x, i, j, ... , value) {
359                  object <- x
360                  if (DBControl(object)[["useDb"]]) {
361                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
362                      counter <- 1
363                      for (id in object@.Data[i, ...]) {
364                          if (length(value) == 1)
365                              db[[id]] <- value
366                          else {
367                              db[[id]] <- value[[counter]]
368                          }
369                          counter <- counter + 1
370                      }
371                  }
372                  else
373                      object@.Data[i, ...] <- value
374                  return(object)
375              })
376    
377    setMethod("[[",
378              signature(x = "TextDocCol", i = "ANY", j = "ANY"),
379              function(x, i, j, ...) {
380                  if (DBControl(x)[["useDb"]]) {
381                      db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
382                      result <- dbFetch(db, x@.Data[[i]])
383                      return(loadDoc(result))
384                  }
385                  else
386                      return(loadDoc(x@.Data[[i]]))
387              })
388    
389    setMethod("[[<-",
390              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
391              function(x, i, j, ..., value) {
392                  object <- x
393                  if (DBControl(object)[["useDb"]]) {
394                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
395                      index <- object@.Data[[i]]
396                      db[[index]] <- value
397                  }
398                  else
399                      object@.Data[[i, ...]] <- value
400                  return(object)
401              })
402    
403    # Update \code{NodeID}s of a CMetaData tree
404    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
405        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
406        set_id <- function(object) {
407            object@NodeID <- id
408            id <<- id + 1
409            level <<- level + 1
410    
411            if (length(object@children) > 0) {
412                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
413                left <- set_id(object@children[[1]])
414                if (level == 1) {
415                    left.mapping <<- mapping
416                    mapping <<- NULL
417                }
418                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
419                right <- set_id(object@children[[2]])
420    
421                object@children <- list(left, right)
422            }
423            level <<- level - 1
424    
425            return(object)
426        }
427    
428        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
429    }
430    
431    setMethod("c",
432              signature(x = "TextDocCol"),
433              function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
434                  args <- list(...)
435                  if (length(args) == 0)
436                      return(x)
437    
438                  if (!all(sapply(args, inherits, "TextDocCol")))
439                      stop("not all arguments are text document collections")
440                  if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
441                      stop("concatenating text document collections with activated database is not supported")
442    
443                  result <- x
444                  for (c in args) {
445                      result <- c2(result, c)
446                  }
447                  return(result)
448              })
449    
450    setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
451    setMethod("c2",
452              signature(x = "TextDocCol", y = "TextDocCol"),
453              function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
454                  object <- x
455                  # Concatenate data slots
456                  object@.Data <- c(as(x, "list"), as(y, "list"))
457    
458                  # Set the DBControl slot
459                  object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
460    
461                  # Update the CMetaData tree
462                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
463                  update.struct <- update_id(cmeta)
464                  object@CMetaData <- update.struct$root
465    
466                  # Find indices to be updated for the left tree
467                  indices.mapping <- NULL
468                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
469                      indices <- (DMetaData(x)$MetaID == m)
470                      indices.mapping <- c(indices.mapping, list(m = indices))
471                      names(indices.mapping)[length(indices.mapping)] <- m
472                  }
473    
474                  # Update the DMetaData data frames for the left tree
475                  for (i in 1:ncol(update.struct$left.mapping)) {
476                      map <- update.struct$left.mapping[,i]
477                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
478                  }
479    
480                  # Find indices to be updated for the right tree
481                  indices.mapping <- NULL
482                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
483                      indices <- (DMetaData(y)$MetaID == m)
484                      indices.mapping <- c(indices.mapping, list(m = indices))
485                      names(indices.mapping)[length(indices.mapping)] <- m
486                  }
487    
488                  # Update the DMetaData data frames for the right tree
489                  for (i in 1:ncol(update.struct$right.mapping)) {
490                      map <- update.struct$right.mapping[,i]
491                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
492                  }
493    
494                  # Merge the DMetaData data frames
495                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
496                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
497                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
498                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
499                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
500                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
501                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
502    
503                  return(object)
504              })
505    
506    setMethod("c",
507              signature(x = "TextDocument"),
508              function(x, ..., recursive = TRUE){
509                  args <- list(...)
510                  if(length(args) == 0)
511                      return(x)
512    
513                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
514                  cmeta.node <- new("MetaDataNode",
515                                NodeID = 0,
516                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
517                                children = list())
518    
519                  return(new("TextDocCol",
520                             .Data = list(x, ...),
521                             DMetaData = dmeta.df,
522                             CMetaData = cmeta.node,
523                             DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
524              })
525    
526    setMethod("length",
527              signature(x = "TextDocCol"),
528              function(x){
529                  return(length(as(x, "list")))
530        })
531    
532    setMethod("show",
533              signature(object = "TextDocCol"),
534              function(object){
535                  cat(sprintf(ngettext(length(object),
536                                       "A text document collection with %d text document\n",
537                                       "A text document collection with %d text documents\n"),
538                              length(object)))
539        })
540    
541    setMethod("summary",
542              signature(object = "TextDocCol"),
543              function(object){
544                  show(object)
545                  if (length(DMetaData(object)) > 0) {
546                      cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
547                                                  "\nThe metadata consists of %d tag-value pair and a data frame\n",
548                                                  "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
549                                           length(CMetaData(object)@MetaData)))
550                      cat("Available tags are:\n")
551                      cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
552                      cat("Available variables in the data frame are:\n")
553                      cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
554                  }
555        })
556    
557    setGeneric("inspect", function(object) standardGeneric("inspect"))
558    setMethod("inspect",
559              signature("TextDocCol"),
560              function(object) {
561                  summary(object)
562                  cat("\n")
563                  if (DBControl(object)[["useDb"]]) {
564                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
565                      show(dbMultiFetch(db, unlist(object)))
566                  }
567                  else
568                      show(object@.Data)
569              })
570    
571    # No metadata is checked
572    setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
573    setMethod("%IN%",
574              signature(x = "TextDocument", y = "TextDocCol"),
575              function(x, y) {
576                  if (DBControl(y)[["useDb"]]) {
577                      db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
578                      result <- any(sapply(y, function(x, z) {x %in% Corpus(z)}, x))
579                  }
580                  else
581                      result <- x %in% y
582                  return(result)
583              })
584    
585    setMethod("lapply",
586              signature(X = "TextDocCol"),
587              function(X, FUN, ...) {
588                  if (DBControl(X)[["useDb"]]) {
589                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
590                      result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
591                  }
592                  else
593                      result <- base::lapply(X, FUN, ...)
594                  return(result)
595              })
596    
597    setMethod("sapply",
598              signature(X = "TextDocCol"),
599              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
600                  if (DBControl(X)[["useDb"]]) {
601                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
602                      result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
603                  }
604                  else
605                      result <- base::sapply(X, FUN, ...)
606                  return(result)
607              })

Legend:
Removed from v.37  
changed lines
  Added in v.799

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