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/textmin/R/textdoccol.R revision 66, Tue Oct 31 22:03:33 2006 UTC pkg/R/corpus.R revision 1342, Sat Apr 19 17:06:45 2014 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # The "..." are additional arguments for the function_generator parser  PCorpus <-
4  setGeneric("TextDocCol", function(object, parser = plaintext_parser, ...) standardGeneric("TextDocCol"))  function(x,
5  setMethod("TextDocCol",           readerControl = list(reader = reader(x), language = "en"),
6            signature(object = "Source"),           dbControl = list(dbName = "", dbType = "DB1"))
7            function(object, parser = plaintext_parser) {  {
8                if (inherits(parser, "function_generator"))      stopifnot(inherits(x, "Source"))
9                    parser <- parser(...)  
10        readerControl <- prepareReader(readerControl, reader(x))
11    
12        if (is.function(readerControl$init))
13            readerControl$init()
14    
15        if (is.function(readerControl$exit))
16            on.exit(readerControl$exit())
17    
18        if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
19            stop("error in creating database")
20        db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
21    
22        # Allocate memory in advance if length is known
23        tdl <- if (length(x) > 0) vector("list", as.integer(length(x))) else list()
24    
               tdl <- list()  
25                counter <- 1                counter <- 1
26                while (!eoi(object)) {      while (!eoi(x)) {
27                    object <- step_next(object)          x <- stepNext(x)
28                    elem <- get_elem(object)          elem <- getElem(x)
29                    # If there is no Load on Demand support          id <- if (is.null(names(x)) || is.na(names(x)))
30                    # we need to load the corpus into memory at startup              as.character(counter)
31                    if (object@LoDSupport)          else
32                        load <- object@Load              names(x)[counter]
33                    else          doc <- readerControl$reader(elem, readerControl$language, id)
34                        load <- TRUE          filehash::dbInsert(db, meta(doc, "id"), doc)
35                    tdl <- c(tdl, list(parser(elem, object@LoDSupport, load, as.character(counter))))          tdl[[counter]] <- meta(doc, "id")
36                    counter <- counter + 1                    counter <- counter + 1
37                }                }
38        if (!is.null(names(x)) && !is.na(names(x)))
39            names(tdl) <- names(x)
40    
41                return(new("TextDocCol", .Data = tdl))      structure(list(content = tdl,
42            })                     meta = CorpusMeta(),
43                       dmeta = data.frame(row.names = seq_along(tdl)),
44  setGeneric("DirSource", function(directory, load = FALSE) standardGeneric("DirSource"))                     dbcontrol = dbControl),
45  setMethod("DirSource",                class = c("PCorpus", "Corpus"))
46            signature(directory = "character"),  }
47            function(directory, load = FALSE) {  
48                new("DirSource", LoDSupport = TRUE, FileList = dir(directory, full.names = TRUE),  VCorpus <-
49                    Position = 0, Load = load)  function(x, readerControl = list(reader = reader(x), language = "en"))
50            })  {
51        stopifnot(inherits(x, "Source"))
52  setGeneric("CSVSource", function(object, isConCall = FALSE) standardGeneric("CSVSource"))  
53  setMethod("CSVSource",      readerControl <- prepareReader(readerControl, reader(x))
54            signature(object = "character"),  
55            function(object, isConCall = FALSE) {      if (is.function(readerControl$init))
56                if (!isConCall)          readerControl$init()
57                    object <- paste('file("', object, '")', sep = "")  
58                con <- eval(parse(text = object))      if (is.function(readerControl$exit))
59                content <- scan(con, what = "character")          on.exit(readerControl$exit())
60                close(con)  
61                new("CSVSource", LoDSupport = FALSE, URI = object,      # Allocate memory in advance if length is known
62                    Content = content, Position = 0)      tdl <- if (length(x) > 0) vector("list", as.integer(length(x))) else list()
63            })  
64        # Check for parallel element access
65  setGeneric("ReutersSource", function(object, isConCall = FALSE) standardGeneric("ReutersSource"))      if (is.function(getS3method("pGetElem", class(x), TRUE)))
66  setMethod("ReutersSource",          tdl <- mapply(function(elem, id)
67            signature(object = "character"),                            readerControl$reader(elem, readerControl$language, id),
68            function(object, isConCall = FALSE) {                        pGetElem(x),
69                if (!isConCall)                        id = if (is.null(names(x)) || is.na(names(x)))
70                   object <- paste('file("', object, '")', sep = "")                            as.character(seq_len(length(x)))
71                con <- eval(parse(text = object))                        else names(x),
72                corpus <- paste(readLines(con), "\n", collapse = "")                        SIMPLIFY = FALSE)
               close(con)  
               tree <- xmlTreeParse(corpus, asText = TRUE)  
               content <- xmlRoot(tree)$children  
   
               new("ReutersSource", LoDSupport = FALSE, URI = object,  
                   Content = content, Position = 0)  
           })  
   
 setGeneric("step_next", function(object) standardGeneric("step_next"))  
 setMethod("step_next",  
           signature(object = "DirSource"),  
           function(object) {  
               object@Position <- object@Position + 1  
               object  
           })  
 setMethod("step_next",  
           signature(object = "CSVSource"),  
           function(object) {  
               object@Position <- object@Position + 1  
               object  
           })  
 setMethod("step_next",  
           signature(object = "ReutersSource"),  
           function(object) {  
               object@Position <- object@Position + 1  
               object  
           })  
   
 setGeneric("get_elem", function(object) standardGeneric("get_elem"))  
 setMethod("get_elem",  
           signature(object = "DirSource"),  
           function(object) {  
               list(content = readLines(object@FileList[object@Position]),  
                    uri = paste('file("', object@FileList[object@Position], '")', sep = ""))  
           })  
 setMethod("get_elem",  
           signature(object = "CSVSource"),  
           function(object) {  
               list(content = object@Content[object@Position],  
                    uri = object@URI)  
           })  
 setMethod("get_elem",  
           signature(object = "ReutersSource"),  
           function(object) {  
               # Construct a character representation from the XMLNode  
               con <- textConnection("virtual.file", "w")  
               saveXML(object@Content[[object@Position]], con)  
               close(con)  
   
               list(content = virtual.file, uri = object@URI)  
           })  
   
 setGeneric("eoi", function(object) standardGeneric("eoi"))  
 setMethod("eoi",  
           signature(object = "DirSource"),  
           function(object) {  
               if (length(object@FileList) <= object@Position)  
                   return(TRUE)  
               else  
                   return(FALSE)  
           })  
 setMethod("eoi",  
           signature(object = "CSVSource"),  
           function(object) {  
               if (length(object@Content) <= object@Position)  
                   return(TRUE)  
               else  
                   return(FALSE)  
           })  
 setMethod("eoi",  
           signature(object = "ReutersSource"),  
           function(object) {  
               if (length(object@Content) <= object@Position)  
                   return(TRUE)  
               else  
                   return(FALSE)  
           })  
   
 plaintext_parser <- function(...) {  
     function(elem, lodsupport, load, id) {  
         if (!lodsupport || (lodsupport && load)) {  
             doc <- new("PlainTextDocument", .Data = elem$content, URI = elem$uri, Cached = TRUE,  
                        Author = "", DateTimeStamp = date(), Description = "", ID = id, Origin = "", Heading = "")  
         }  
73          else {          else {
74              doc <- new("PlainTextDocument", URI = elem$uri, Cached = FALSE,          counter <- 1
75                         Author = "", DateTimeStamp = date(), Description = "", ID = id, Origin = "", Heading = "")          while (!eoi(x)) {
76          }              x <- stepNext(x)
77                elem <- getElem(x)
78          return(doc)              id <- if (is.null(names(x)) || is.na(names(x)))
79      }                  as.character(counter)
80  }              else
81  class(plaintext_parser) <- "function_generator"                  names(x)[counter]
82                doc <- readerControl$reader(elem, readerControl$language, id)
83  reut21578xml_parser <- function(...) {              tdl[[counter]] <- doc
84      function(elem, lodsupport, load, id) {              counter <- counter + 1
         corpus <- paste(elem$content, "\n", collapse = "")  
         tree <- xmlTreeParse(corpus, asText = TRUE)  
         node <- xmlRoot(tree)  
   
         # Mask as list to bypass S4 checks  
         class(tree) <- "list"  
   
         # The <AUTHOR></AUTHOR> tag is unfortunately NOT obligatory!  
         if (!is.null(node[["TEXT"]][["AUTHOR"]]))  
             author <- xmlValue(node[["TEXT"]][["AUTHOR"]])  
         else  
             author <- ""  
   
         datetimestamp <- xmlValue(node[["DATE"]])  
         description <- ""  
         id <- xmlAttrs(node)[["NEWID"]]  
   
         # The <TITLE></TITLE> tag is unfortunately NOT obligatory!  
         if (!is.null(node[["TEXT"]][["TITLE"]]))  
             heading <- xmlValue(node[["TEXT"]][["TITLE"]])  
         else  
             heading <- ""  
   
         topics <- unlist(xmlApply(node[["TOPICS"]], function(x) xmlValue(x)), use.names = FALSE)  
   
         if (!lodsupport || (lodsupport && load)) {  
             doc <- new("XMLTextDocument", .Data = tree, URI = elem$uri, Cached = TRUE, Author = author,  
                        DateTimeStamp = datetimestamp, Description = "", ID = id, Origin = "Reuters-21578 XML",  
                        Heading = heading, LocalMetaData = list(Topics = topics))  
         } else {  
             doc <- new("XMLTextDocument", URI = elem$uri, Cached = FALSE, Author = author,  
                        DateTimeStamp = datetimestamp, Description = "", ID = id, Origin = "Reuters-21578 XML",  
                        Heading = heading, LocalMetaData = list(Topics = topics))  
         }  
   
         return(doc)  
     }  
 }  
 class(reut21578xml_parser) <- "function_generator"  
   
 rcv1_parser <- function(...) {  
     function(elem, lodsupport, load, id) {  
         corpus <- paste(elem$content, "\n", collapse = "")  
         tree <- xmlTreeParse(corpus, asText = TRUE)  
         node <- xmlRoot(tree)  
   
         # Mask as list to bypass S4 checks  
         class(tree) <- "list"  
   
         datetimestamp <- xmlAttrs(node)[["date"]]  
         id <- xmlAttrs(node)[["itemid"]]  
         heading <- xmlValue(node[["title"]])  
   
         if (!lodsupport || (lodsupport && load)) {  
             doc <- new("XMLTextDocument", .Data = tree, URI = elem$uri, Cached = TRUE, Author = "",  
                        DateTimeStamp = datetimestamp, Description = "", ID = id, Origin = "Reuters Corpus Volume 1 XML",  
                        Heading = heading)  
         } else {  
             doc <- new("XMLTextDocument", URI = elem$uri, Cached = FALSE, Author = "",  
                        DateTimeStamp = datetimestamp, Description = "", ID = id, Origin = "Reuters Corpus Volume 1 XML",  
                        Heading = heading)  
         }  
   
         return(doc)  
     }  
85  }  }
 class(rcv1_parser) <- "function_generator"  
   
 newsgroup_parser <- function(...) {  
     function(elem, lodsupport, load, id) {  
         mail <- elem$content  
         author <- gsub("From: ", "", grep("^From:", mail, value = TRUE))  
         datetimestamp <- gsub("Date: ", "", grep("^Date:", mail, value = TRUE))  
         origin <- gsub("Path: ", "", grep("^Path:", mail, value = TRUE))  
         heading <- gsub("Subject: ", "", grep("^Subject:", mail, value = TRUE))  
         newsgroup <- gsub("Newsgroups: ", "", grep("^Newsgroups:", mail, value = TRUE))  
   
         if (!lodsupport || (lodsupport && load)) {  
             # The header is separated from the body by a blank line.  
             # Reference: \url{http://en.wikipedia.org/wiki/E-mail#Internet_e-mail_format}  
             for (index in seq(along = mail)) {  
                 if (mail[index] == "")  
                     break  
86              }              }
87              content <- mail[(index + 1):length(mail)]      if (!is.null(names(x)) && !is.na(names(x)))
88            names(tdl) <- names(x)
89    
90              doc <- new("NewsgroupDocument", .Data = content, URI = elem$uri, Cached = TRUE,      structure(list(content = tdl,
91                         Author = author, DateTimeStamp = datetimestamp,                     meta = CorpusMeta(),
92                         Description = "", ID = id, Origin = origin,                     dmeta = data.frame(row.names = seq_along(tdl))),
93                         Heading = heading, Newsgroup = newsgroup)                class = c("VCorpus", "Corpus"))
94          } else {  }
95              doc <- new("NewsgroupDocument", URI = elem$uri, Cached = FALSE, Author = author, DateTimeStamp = datetimestamp,  
96                         Description = "", ID = id, Origin = origin, Heading = heading, Newsgroup = newsgroup)  `[.PCorpus` <-
97          }  function(x, i)
98    {
99        if (!missing(i)) {
100            x$content <- x$content[i]
101            x$dmeta <- x$dmeta[i, , drop = FALSE]
102        }
103        x
104    }
105    
106    `[.VCorpus` <-
107    function(x, i)
108    {
109        if (!missing(i)) {
110            x$content <- x$content[i]
111            x$dmeta <- x$dmeta[i, , drop = FALSE]
112            if (!is.null(x$lazy))
113                x$lazy$index <- x$lazy$index[i]
114        }
115        x
116    }
117    
118    .map_name_index <-
119    function(x, i)
120    {
121        if (is.character(i)) {
122            n <- names(x$content)
123            match(i, if (is.null(n)) meta(x, "id", "local") else n)
124        } else
125            i
126    }
127    
128    `[[.PCorpus` <-
129    function(x, i)
130    {
131        i <- .map_name_index(x, i)
132        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
133        filehash::dbFetch(db, x$content[[i]])
134    }
135    `[[.VCorpus` <-
136    function(x, i)
137    {
138        i <- .map_name_index(x, i)
139        if (!is.null(x$lazy))
140            .Call(copyCorpus, x, materialize(x, i))
141        x$content[[i]]
142    }
143    
144    `[[<-.PCorpus` <-
145    function(x, i, value)
146    {
147        i <- .map_name_index(x, i)
148        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
149        db[[x$content[[i]]]] <- value
150        x
151    }
152    `[[<-.VCorpus` <-
153    function(x, i, value)
154    {
155        i <- .map_name_index(x, i)
156        # Mark new objects as inactive for lazy mapping
157        if (!is.null(x$lazy))
158            x$lazy$index[i] <- FALSE
159        x$content[[i]] <- value
160        x
161    }
162    
163    outer_union <-
164    function(x, y, ...)
165    {
166        if (nrow(x) > 0L)
167            x[, setdiff(names(y), names(x))] <- NA
168        if (nrow(y) > 0L)
169            y[, setdiff(names(x), names(y))] <- NA
170        res <- rbind(x, y)
171        if (ncol(res) == 0L)
172            res <- data.frame(row.names = seq_len(nrow(x) + nrow(y)))
173        res
174    }
175    
176    c.VCorpus <-
177    function(..., recursive = FALSE)
178    {
179        args <- list(...)
180        x <- args[[1L]]
181    
182          return(doc)      if (length(args) == 1L)
183      }          return(x)
 }  
 class(newsgroup_parser) <- "function_generator"  
184    
185  # Parse a <newsitem></newsitem> element from a well-formed RCV1 XML file      if (!all(unlist(lapply(args, inherits, class(x)))))
186  rcv1_to_plain <- function(node, ...) {          stop("not all arguments are of the same corpus type")
     datetimestamp <- xmlAttrs(node)[["date"]]  
     id <- xmlAttrs(node)[["itemid"]]  
     origin <- "Reuters Corpus Volume 1 XML"  
     corpus <- unlist(xmlApply(node[["text"]], xmlValue), use.names = FALSE)  
     heading <- xmlValue(node[["title"]])  
187    
188      new("PlainTextDocument", .Data = corpus, Cached = TRUE, URI = "", Author = "", DateTimeStamp = datetimestamp,      structure(list(content = do.call("c", lapply(args, content)),
189          Description = "", ID = id, Origin = "Reuters Corpus Volume 1 XML", Heading = heading)                     meta = structure(do.call("c",
190                         lapply(args, function(a) meta(a, type = "corpus"))),
191                                        class = "CorpusMeta"),
192                       dmeta = Reduce(outer_union, lapply(args, meta))),
193                  class = c("VCorpus", "Corpus"))
194    }
195    
196    as.list.PCorpus <- as.list.VCorpus <-
197    function(x, ...)
198        content(x)
199    
200    content.VCorpus <-
201    function(x)
202    {
203        if (!is.null(x$lazy))
204            .Call(copyCorpus, x, materialize(x))
205        x$content
206    }
207    
208    content.PCorpus <-
209    function(x)
210    {
211        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
212        filehash::dbMultiFetch(db, unlist(x$content))
213    }
214    
215    length.PCorpus <- length.VCorpus <-
216    function(x)
217        length(x$content)
218    
219    print.PCorpus <- print.VCorpus <-
220    function(x, ...)
221    {
222        writeLines(sprintf("<<%s (documents: %d, metadata (corpus/indexed): %d/%d)>>",
223                           class(x)[1],
224                           length(x),
225                           length(meta(x, type = "corpus")),
226                           ncol(meta(x, type = "indexed"))))
227        invisible(x)
228    }
229    
230    inspect <-
231    function(x)
232        UseMethod("inspect", x)
233    inspect.PCorpus <- inspect.VCorpus <-
234    function(x)
235    {
236        print(x)
237        cat("\n")
238        print(noquote(content(x)))
239        invisible(x)
240  }  }
241    
242  # Parse a <REUTERS></REUTERS> element from a well-formed Reuters-21578 XML file  writeCorpus <-
243  reut21578xml_to_plain <- function(node, ...) {  function(x, path = ".", filenames = NULL)
244      # The <AUTHOR></AUTHOR> tag is unfortunately NOT obligatory!  {
245      if (!is.null(node[["TEXT"]][["AUTHOR"]]))      filenames <- file.path(path,
246          author <- xmlValue(node[["TEXT"]][["AUTHOR"]])        if (is.null(filenames))
247      else            sprintf("%s.txt", as.character(meta(x, "id", "local")))
248          author <- ""        else filenames)
   
     datetimestamp <- xmlValue(node[["DATE"]])  
     description <- ""  
     id <- xmlAttrs(node)[["NEWID"]]  
249    
250      origin <- "Reuters-21578 XML"      stopifnot(length(x) == length(filenames))
   
     # The <BODY></BODY> tag is unfortunately NOT obligatory!  
     if (!is.null(node[["TEXT"]][["BODY"]]))  
         corpus <- xmlValue(node[["TEXT"]][["BODY"]])  
     else  
         corpus <- ""  
   
     # The <TITLE></TITLE> tag is unfortunately NOT obligatory!  
     if (!is.null(node[["TEXT"]][["TITLE"]]))  
         heading <- xmlValue(node[["TEXT"]][["TITLE"]])  
     else  
         heading <- ""  
251    
252      topics <- unlist(xmlApply(node[["TOPICS"]], function(x) xmlValue(x)), use.names = FALSE)      mapply(function(doc, f) writeLines(as.character(doc), f), x, filenames)
253    
254      new("PlainTextDocument", .Data = corpus, Cached = TRUE, URI = "", Author = author, DateTimeStamp = datetimestamp,      invisible(x)
         Description = description, ID = id, Origin = origin, Heading = heading, LocalMetaData = list(Topics = topics))  
255  }  }
   
 setGeneric("load_doc", function(object, ...) standardGeneric("load_doc"))  
 setMethod("load_doc",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(parse(text = URI(object)))  
                   corpus <- readLines(con)  
                   close(con)  
                   Corpus(object) <- corpus  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("load_doc",  
           signature(object =  "XMLTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(parse(text = URI(object)))  
                   corpus <- paste(readLines(con), "\n", collapse = "")  
                   close(con)  
                   doc <- xmlTreeParse(corpus, asText = TRUE)  
                   class(doc) <- "list"  
                   Corpus(object) <- doc  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("load_doc",  
           signature(object = "NewsgroupDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(parse(text = URI(object)))  
                   mail <- readLines(con)  
                   close(con)  
                   Cached(object) <- TRUE  
                   for (index in seq(along = mail)) {  
                       if (mail[index] == "")  
                           break  
                   }  
                   Corpus(object) <- mail[(index + 1):length(mail)]  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
   
 setGeneric("tm_transform", function(object, FUN, ...) standardGeneric("tm_transform"))  
 setMethod("tm_transform",  
           signature(object = "TextDocCol", FUN = "function"),  
           function(object, FUN, ...) {  
               result <- as(lapply(object, FUN, ..., GlobalMetaData = GlobalMetaData(object)), "TextDocCol")  
               result@GlobalMetaData <- GlobalMetaData(object)  
               return(result)  
           })  
   
 setGeneric("as.plaintext_doc", function(object, FUN, ...) standardGeneric("as.plaintext_doc"))  
 setMethod("as.plaintext_doc",  
           signature(object = "PlainTextDocument"),  
           function(object, FUN, ...) {  
               return(object)  
           })  
 setMethod("as.plaintext_doc",  
           signature(object = "XMLTextDocument", FUN = "function"),  
           function(object, FUN, ...) {  
               if (!Cached(object))  
                   object <- load_doc(object)  
   
               corpus <- Corpus(object)  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
   
 setGeneric("stem_doc", function(object, ...) standardGeneric("stem_doc"))  
 setMethod("stem_doc",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               if (!Cached(object))  
                   object <- load_doc(object)  
   
               require(Rstem)  
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               stemmedCorpus <- wordStem(splittedCorpus, ...)  
               Corpus(object) <- paste(stemmedCorpus, collapse = " ")  
               return(object)  
           })  
   
 setGeneric("remove_words", function(object, stopwords, ...) standardGeneric("remove_words"))  
 setMethod("remove_words",  
           signature(object = "PlainTextDocument", stopwords = "character"),  
           function(object, stopwords, ...) {  
               if (!Cached(object))  
                   object <- load_doc(object)  
   
               require(Rstem)  
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]  
               Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")  
               return(object)  
           })  
   
 setGeneric("tm_filter", function(object, ..., FUN = s_filter) standardGeneric("tm_filter"))  
 setMethod("tm_filter",  
           signature(object = "TextDocCol"),  
           function(object, ..., FUN = s_filter) {  
               object[tm_index(object, ..., FUN)]  
           })  
   
 setGeneric("tm_index", function(object, ..., FUN = s_filter) standardGeneric("tm_index"))  
 setMethod("tm_index",  
           signature(object = "TextDocCol"),  
           function(object, ..., FUN = s_filter) {  
               sapply(object, FUN, ..., GlobalMetaData = GlobalMetaData(object))  
           })  
   
 s_filter <- function(object, s, ..., GlobalMetaData) {  
     b <- TRUE  
     for (tag in names(s)) {  
         if (tag %in% names(LocalMetaData(object))) {  
             b <- b && any(grep(s[[tag]], LocalMetaData(object)[[tag]]))  
         } else if (tag %in% names(GlobalMetaData)){  
             b <- b && any(grep(s[[tag]], GlobalMetaData[[tag]]))  
         } else {  
             b <- b && any(grep(s[[tag]], eval(call(tag, object))))  
         }  
     }  
     return(b)  
 }  
   
 setGeneric("fulltext_search_filter", function(object, pattern, ...) standardGeneric("fulltext_search_filter"))  
 setMethod("fulltext_search_filter",  
           signature(object = "PlainTextDocument", pattern = "character"),  
           function(object, pattern, ...) {  
               if (!Cached(object))  
                   object <- load_doc(object)  
   
               return(any(grep(pattern, Corpus(object))))  
           })  
   
 setGeneric("attach_data", function(object, data) standardGeneric("attach_data"))  
 setMethod("attach_data",  
           signature(object = "TextDocCol", data = "TextDocument"),  
           function(object, data) {  
               data <- as(list(data), "TextDocCol")  
               object@.Data <- as(c(object@.Data, data), "TextDocCol")  
               return(object)  
           })  
   
 setGeneric("attach_metadata", function(object, name, metadata) standardGeneric("attach_metadata"))  
 setMethod("attach_metadata",  
           signature(object = "TextDocCol"),  
           function(object, name, metadata) {  
               object@GlobalMetaData <- c(GlobalMetaData(object), new = list(metadata))  
               names(object@GlobalMetaData)[length(names(GlobalMetaData(object)))] <- name  
               return(object)  
           })  
   
 setGeneric("set_subscriptable", function(object, name) standardGeneric("set_subscriptable"))  
 setMethod("set_subscriptable",  
           signature(object = "TextDocCol"),  
           function(object, name) {  
               if (!is.character(GlobalMetaData(object)$subscriptable))  
                   object <- attach_metadata(object, "subscriptable", name)  
               else  
                   object@GlobalMetaData$subscriptable <- c(GlobalMetaData(object)$subscriptable, name)  
               return(object)  
           })  
   
 setMethod("[",  
           signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if(missing(i))  
                   return(x)  
   
               object <- x  
               object@.Data <- x@.Data[i, ..., drop = FALSE]  
               for (m in names(GlobalMetaData(object))) {  
                   if (m %in% GlobalMetaData(object)$subscriptable) {  
                       object@GlobalMetaData[[m]] <- GlobalMetaData(object)[[m]][i, ..., drop = FALSE]  
                   }  
               }  
               return(object)  
           })  
   
 setMethod("[<-",  
           signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
               object <- x  
               object@.Data[i, ...] <- value  
               return(object)  
           })  
   
 setMethod("[[",  
           signature(x = "TextDocCol", i = "ANY", j = "ANY"),  
           function(x, i, j, ...) {  
               return(x@.Data[[i, ...]])  
           })  
   
 setMethod("[[<-",  
           signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ..., value) {  
               object <- x  
               object@.Data[[i, ...]] <- value  
               return(object)  
           })  
   
 setMethod("c",  
           signature(x = "TextDocCol"),  
           function(x, ..., recursive = TRUE){  
               args <- list(...)  
               if(length(args) == 0)  
                   return(x)  
               return(as(c(as(x, "list"), ...), "TextDocCol"))  
     })  
 setMethod("c",  
           signature(x = "TextDocument"),  
           function(x, ..., recursive = TRUE){  
               args <- list(...)  
               if(length(args) == 0)  
                   return(x)  
               return(new("TextDocCol", .Data = list(x, ...)))  
     })  
   
 setMethod("length",  
           signature(x = "TextDocCol"),  
           function(x){  
               return(length(as(x, "list")))  
     })  
   
 setMethod("show",  
           signature(object = "TextDocCol"),  
           function(object){  
               cat("A text document collection with", length(object), "text document")  
               if (length(object) == 1)  
                   cat("\n")  
               else  
                   cat("s\n")  
     })  
   
 setMethod("summary",  
           signature(object = "TextDocCol"),  
           function(object){  
               show(object)  
               if (length(GlobalMetaData(object)) > 0) {  
                   cat("\nThe global metadata consists of", length(GlobalMetaData(object)), "tag-value pair")  
                   if (length(GlobalMetaData(object)) == 1)  
                       cat(".\n")  
                   else  
                       cat("s.\n")  
                   cat("Available tags are:\n")  
                   cat(names(GlobalMetaData(object)), "\n")  
               }  
     })  
   
 setGeneric("inspect", function(object) standardGeneric("inspect"))  
 setMethod("inspect",  
           signature("TextDocCol"),  
           function(object) {  
               summary(object)  
               cat("\n")  
               show(as(object, "list"))  
           })  
   
 # No metadata is checked  
 setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  
 setMethod("%IN%",  
           signature(x = "TextDocument", y = "TextDocCol"),  
           function(x, y) {  
               x %in% y  
           })  

Legend:
Removed from v.66  
changed lines
  Added in v.1342

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