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 trunk/tm/R/textdoccol.R revision 698, Sat Jan 6 17:05:44 2007 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # The "..." are additional arguments for the function_generator parser  # The "..." are additional arguments for the FunctionGenerator parser
4  setGeneric("TextDocCol", function(object, parser = plaintext_parser, ...) standardGeneric("TextDocCol"))  setGeneric("TextDocCol", function(object, parser = readPlain, load = FALSE, ...) standardGeneric("TextDocCol"))
5  setMethod("TextDocCol",  setMethod("TextDocCol",
6            signature(object = "Source"),            signature(object = "Source"),
7            function(object, parser = plaintext_parser) {            function(object, parser = readPlain, load = FALSE, ...) {
8                if (inherits(parser, "function_generator"))                if (inherits(parser, "FunctionGenerator"))
9                    parser <- parser(...)                    parser <- parser(...)
10    
11                tdl <- list()                tdl <- list()
12                counter <- 1                counter <- 1
13                while (!eoi(object)) {                while (!eoi(object)) {
14                    object <- step_next(object)                    object <- stepNext(object)
15                    elem <- get_elem(object)                    elem <- getElem(object)
16                    # If there is no Load on Demand support                    # If there is no Load on Demand support
17                    # we need to load the corpus into memory at startup                    # we need to load the corpus into memory at startup
18                    if (object@LoDSupport)                    if (!object@LoDSupport)
                       load <- object@Load  
                   else  
19                        load <- TRUE                        load <- TRUE
20                    tdl <- c(tdl, list(parser(elem, object@LoDSupport, load, as.character(counter))))                    tdl <- c(tdl, list(parser(elem, load, as.character(counter))))
21                    counter <- counter + 1                    counter <- counter + 1
22                }                }
23    
24                return(new("TextDocCol", .Data = tdl))                dmeta.df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
25            })                cmeta.node <- new("MetaDataNode",
26                                NodeID = 0,
27  setGeneric("DirSource", function(directory, load = FALSE) standardGeneric("DirSource"))                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
28  setMethod("DirSource",                              children = list())
           signature(directory = "character"),  
           function(directory, load = FALSE) {  
               new("DirSource", LoDSupport = TRUE, FileList = dir(directory, full.names = TRUE),  
                   Position = 0, Load = load)  
           })  
   
 setGeneric("CSVSource", function(object, isConCall = FALSE) standardGeneric("CSVSource"))  
 setMethod("CSVSource",  
           signature(object = "character"),  
           function(object, isConCall = FALSE) {  
               if (!isConCall)  
                   object <- paste('file("', object, '")', sep = "")  
               con <- eval(parse(text = object))  
               content <- scan(con, what = "character")  
               close(con)  
               new("CSVSource", LoDSupport = FALSE, URI = object,  
                   Content = content, Position = 0)  
           })  
   
 setGeneric("ReutersSource", function(object, isConCall = FALSE) standardGeneric("ReutersSource"))  
 setMethod("ReutersSource",  
           signature(object = "character"),  
           function(object, isConCall = FALSE) {  
               if (!isConCall)  
                  object <- paste('file("', object, '")', sep = "")  
               con <- eval(parse(text = object))  
               corpus <- paste(readLines(con), "\n", collapse = "")  
               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)  
           })  
29    
30  setGeneric("eoi", function(object) standardGeneric("eoi"))                return(new("TextDocCol", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node))
 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)  
31            })            })
 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 = "")  
         }  
         else {  
             doc <- new("PlainTextDocument", URI = elem$uri, Cached = FALSE,  
                        Author = "", DateTimeStamp = date(), Description = "", ID = id, Origin = "", Heading = "")  
         }  
32    
33          return(doc)  setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
34      }  setMethod("loadDoc",
 }  
 class(plaintext_parser) <- "function_generator"  
   
 reut21578xml_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"  
   
         # 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)  
     }  
 }  
 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  
             }  
             content <- mail[(index + 1):length(mail)]  
   
             doc <- new("NewsgroupDocument", .Data = content, URI = elem$uri, Cached = TRUE,  
                        Author = author, DateTimeStamp = datetimestamp,  
                        Description = "", ID = id, Origin = origin,  
                        Heading = heading, Newsgroup = newsgroup)  
         } else {  
             doc <- new("NewsgroupDocument", URI = elem$uri, Cached = FALSE, Author = author, DateTimeStamp = datetimestamp,  
                        Description = "", ID = id, Origin = origin, Heading = heading, Newsgroup = newsgroup)  
         }  
   
         return(doc)  
     }  
 }  
 class(newsgroup_parser) <- "function_generator"  
   
 # Parse a <newsitem></newsitem> element from a well-formed RCV1 XML file  
 rcv1_to_plain <- function(node, ...) {  
     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"]])  
   
     new("PlainTextDocument", .Data = corpus, Cached = TRUE, URI = "", Author = "", DateTimeStamp = datetimestamp,  
         Description = "", ID = id, Origin = "Reuters Corpus Volume 1 XML", Heading = heading)  
 }  
   
 # Parse a <REUTERS></REUTERS> element from a well-formed Reuters-21578 XML file  
 reut21578xml_to_plain <- function(node, ...) {  
     # 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"]]  
   
     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 <- ""  
   
     # 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)  
   
     new("PlainTextDocument", .Data = corpus, Cached = TRUE, URI = "", Author = author, DateTimeStamp = datetimestamp,  
         Description = description, ID = id, Origin = origin, Heading = heading, LocalMetaData = list(Topics = topics))  
 }  
   
 setGeneric("load_doc", function(object, ...) standardGeneric("load_doc"))  
 setMethod("load_doc",  
35            signature(object = "PlainTextDocument"),            signature(object = "PlainTextDocument"),
36            function(object, ...) {            function(object, ...) {
37                if (!Cached(object)) {                if (!Cached(object)) {
38                    con <- eval(parse(text = URI(object)))                    con <- eval(URI(object))
39                    corpus <- readLines(con)                    corpus <- readLines(con)
40                    close(con)                    close(con)
41                    Corpus(object) <- corpus                    Corpus(object) <- corpus
# Line 310  Line 45 
45                    return(object)                    return(object)
46                }                }
47            })            })
48  setMethod("load_doc",  setMethod("loadDoc",
49            signature(object =  "XMLTextDocument"),            signature(object =  "XMLTextDocument"),
50            function(object, ...) {            function(object, ...) {
51                if (!Cached(object)) {                if (!Cached(object)) {
52                    con <- eval(parse(text = URI(object)))                    con <- eval(URI(object))
53                    corpus <- paste(readLines(con), "\n", collapse = "")                    corpus <- paste(readLines(con), "\n", collapse = "")
54                    close(con)                    close(con)
55                    doc <- xmlTreeParse(corpus, asText = TRUE)                    doc <- xmlTreeParse(corpus, asText = TRUE)
# Line 326  Line 61 
61                    return(object)                    return(object)
62                }                }
63            })            })
64  setMethod("load_doc",  setMethod("loadDoc",
65            signature(object = "NewsgroupDocument"),            signature(object = "NewsgroupDocument"),
66            function(object, ...) {            function(object, ...) {
67                if (!Cached(object)) {                if (!Cached(object)) {
68                    con <- eval(parse(text = URI(object)))                    con <- eval(URI(object))
69                    mail <- readLines(con)                    mail <- readLines(con)
70                    close(con)                    close(con)
71                    Cached(object) <- TRUE                    Cached(object) <- TRUE
# Line 345  Line 80 
80                }                }
81            })            })
82    
83  setGeneric("tm_transform", function(object, FUN, ...) standardGeneric("tm_transform"))  setGeneric("tmUpdate", function(object, origin, parser = readPlain, ...) standardGeneric("tmUpdate"))
84  setMethod("tm_transform",  # Update is only supported for directories
85    # At the moment no other LoD devices are available anyway
86    setMethod("tmUpdate",
87              signature(object = "TextDocCol", origin = "DirSource"),
88              function(object, origin, parser = readPlain, load = FALSE, ...) {
89                  if (inherits(parser, "FunctionGenerator"))
90                      parser <- parser(...)
91    
92                  object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
93                  new.files <- setdiff(origin@FileList, object.filelist)
94    
95                  for (filename in new.files) {
96                      elem <- list(content = readLines(filename),
97                                   uri = substitute(file(filename)))
98                      object <- appendElem(object, parser(elem, load, filename))
99                  }
100    
101                  return(object)
102              })
103    
104    setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))
105    setMethod("tmMap",
106            signature(object = "TextDocCol", FUN = "function"),            signature(object = "TextDocCol", FUN = "function"),
107            function(object, FUN, ...) {            function(object, FUN, ...) {
108                result <- as(lapply(object, FUN, ..., GlobalMetaData = GlobalMetaData(object)), "TextDocCol")                result <- object
109                result@GlobalMetaData <- GlobalMetaData(object)                # Note that text corpora are automatically loaded into memory via \code{[[}
110                  result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
111                return(result)                return(result)
112            })            })
113    
114  setGeneric("as.plaintext_doc", function(object, FUN, ...) standardGeneric("as.plaintext_doc"))  setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
115  setMethod("as.plaintext_doc",  setMethod("asPlain",
116            signature(object = "PlainTextDocument"),            signature(object = "PlainTextDocument"),
117            function(object, FUN, ...) {            function(object, FUN, ...) {
118                return(object)                return(object)
119            })            })
120  setMethod("as.plaintext_doc",  setMethod("asPlain",
121            signature(object = "XMLTextDocument", FUN = "function"),            signature(object = "XMLTextDocument", FUN = "function"),
122            function(object, FUN, ...) {            function(object, FUN, ...) {
               if (!Cached(object))  
                   object <- load_doc(object)  
   
123                corpus <- Corpus(object)                corpus <- Corpus(object)
124    
125                # As XMLDocument is no native S4 class, restore valid information                # As XMLDocument is no native S4 class, restore valid information
# Line 375  Line 129 
129                return(FUN(xmlRoot(corpus), ...))                return(FUN(xmlRoot(corpus), ...))
130            })            })
131    
132  setGeneric("stem_doc", function(object, ...) standardGeneric("stem_doc"))  setGeneric("tmTolower", function(object, ...) standardGeneric("tmTolower"))
133  setMethod("stem_doc",  setMethod("tmTolower",
134            signature(object = "PlainTextDocument"),            signature(object = "PlainTextDocument"),
135            function(object, ...) {            function(object, ...) {
136                if (!Cached(object))                Corpus(object) <- tolower(object)
137                    object <- load_doc(object)                return(object)
138              })
139    
140    setGeneric("stripWhitespace", function(object, ...) standardGeneric("stripWhitespace"))
141    setMethod("stripWhitespace",
142              signature(object = "PlainTextDocument"),
143              function(object, ...) {
144                  Corpus(object) <- gsub("[[:space:]]+", " ", object)
145                  return(object)
146              })
147    
148                require(Rstem)  setGeneric("stemDoc", function(object, ...) standardGeneric("stemDoc"))
149    setMethod("stemDoc",
150              signature(object = "PlainTextDocument"),
151              function(object, ...) {
152                  require("Rstem")
153                splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))                splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
154                stemmedCorpus <- wordStem(splittedCorpus, ...)                stemmedCorpus <- wordStem(splittedCorpus)
155                Corpus(object) <- paste(stemmedCorpus, collapse = " ")                Corpus(object) <- paste(stemmedCorpus, collapse = " ")
156                return(object)                return(object)
157            })            })
158    
159  setGeneric("remove_words", function(object, stopwords, ...) standardGeneric("remove_words"))  setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))
160  setMethod("remove_words",  setMethod("removeWords",
161            signature(object = "PlainTextDocument", stopwords = "character"),            signature(object = "PlainTextDocument", stopwords = "character"),
162            function(object, stopwords, ...) {            function(object, stopwords, ...) {
163                if (!Cached(object))                require("Rstem")
                   object <- load_doc(object)  
   
               require(Rstem)  
164                splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))                splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
165                noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]                noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]
166                Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")                Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")
167                return(object)                return(object)
168            })            })
169    
170  setGeneric("tm_filter", function(object, ..., FUN = s_filter) standardGeneric("tm_filter"))  setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
171  setMethod("tm_filter",  setMethod("tmFilter",
172            signature(object = "TextDocCol"),            signature(object = "TextDocCol"),
173            function(object, ..., FUN = s_filter) {            function(object, ..., FUN = sFilter, doclevel = FALSE) {
174                object[tm_index(object, ..., FUN)]                if (doclevel)
175                      return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
176                  else
177                      return(object[FUN(object, ...)])
178            })            })
179    
180  setGeneric("tm_index", function(object, ..., FUN = s_filter) standardGeneric("tm_index"))  setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
181  setMethod("tm_index",  setMethod("tmIndex",
182            signature(object = "TextDocCol"),            signature(object = "TextDocCol"),
183            function(object, ..., FUN = s_filter) {            function(object, ..., FUN = sFilter, doclevel = FALSE) {
184                sapply(object, FUN, ..., GlobalMetaData = GlobalMetaData(object))                if (doclevel)
185                      return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
186                  else
187                      return(FUN(object, ...))
188            })            })
189    
190  s_filter <- function(object, s, ..., GlobalMetaData) {  sFilter <- function(object, s, ...) {
191      b <- TRUE      query.df <- DMetaData(object)
192      for (tag in names(s)) {      con <- textConnection(s)
193          if (tag %in% names(LocalMetaData(object))) {      tokens <- scan(con, "character")
194              b <- b && any(grep(s[[tag]], LocalMetaData(object)[[tag]]))      close(con)
195          } else if (tag %in% names(GlobalMetaData)){      local.meta <- lapply(object, LocalMetaData)
196              b <- b && any(grep(s[[tag]], GlobalMetaData[[tag]]))      local.used.meta <- lapply(local.meta, function(x) names(x) %in% tokens)
197          } else {      l.meta <- NULL
198              b <- b && any(grep(s[[tag]], eval(call(tag, object))))      for (i in 1:length(object)) {
199            l.meta <- c(l.meta, list(local.meta[[i]][local.used.meta[[i]]]))
200        }
201        # Load local meta data from text documents into data frame
202        for (i in 1:length(l.meta)) {
203            l.meta[[i]] <- c(l.meta[[i]], list(author = Author(object[[i]])))
204            l.meta[[i]] <- c(l.meta[[i]], list(datetimestamp = DateTimeStamp(object[[i]])))
205            l.meta[[i]] <- c(l.meta[[i]], list(description = Description(object[[i]])))
206            l.meta[[i]] <- c(l.meta[[i]], list(identifier = ID(object[[i]])))
207            l.meta[[i]] <- c(l.meta[[i]], list(origin = Origin(object[[i]])))
208            l.meta[[i]] <- c(l.meta[[i]], list(heading = Heading(object[[i]])))
209        }
210        for (i in 1:length(l.meta)) {
211            for (j in 1:length(l.meta[[i]])) {
212                m <- l.meta[[i]][[j]]
213                m.name <- names(l.meta[[i]][j])
214                if (!(m.name %in% names(query.df))) {
215                    before <- rep(NA, i - 1)
216                    after <- rep(NA, length(l.meta) - i)
217                    if (length(m) > 1) {
218                        nl <- vector("list", length(l.meta))
219                        nl[1:(i-1)] <- before
220                        nl[i] <- list(m)
221                        nl[(i+1):length(l.meta)] <- after
222                        insert <- data.frame(I(nl), stringsAsFactors = FALSE)
223                    }
224                    else
225                        insert <- c(before, m, after)
226                    query.df <- cbind(query.df, insert, stringsAsFactors = FALSE)
227                    names(query.df)[length(query.df)] <- m.name
228          }          }
229                else {
230                    if (is.null(m))
231                        m <- NA
232                    if (length(m) > 1) {
233                        rl <- query.df[ , m.name]
234                        rl[i] <- list(m)
235                        query.df[ , m.name] <- data.frame(I(rl), stringsAsFactors = FALSE)
236      }      }
237      return(b)                  else
238                        query.df[i, m.name] <- m
239                }
240            }
241        }
242        attach(query.df)
243        try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
244        detach(query.df)
245        return(result)
246  }  }
247    
248  setGeneric("fulltext_search_filter", function(object, pattern, ...) standardGeneric("fulltext_search_filter"))  setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))
249  setMethod("fulltext_search_filter",  setMethod("searchFullText",
250            signature(object = "PlainTextDocument", pattern = "character"),            signature(object = "PlainTextDocument", pattern = "character"),
251            function(object, pattern, ...) {            function(object, pattern, ...) {
               if (!Cached(object))  
                   object <- load_doc(object)  
   
252                return(any(grep(pattern, Corpus(object))))                return(any(grep(pattern, Corpus(object))))
253            })            })
254    
255  setGeneric("attach_data", function(object, data) standardGeneric("attach_data"))  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
256  setMethod("attach_data",  setMethod("appendElem",
257            signature(object = "TextDocCol", data = "TextDocument"),            signature(object = "TextDocCol", data = "TextDocument"),
258            function(object, data) {            function(object, data, meta = NULL) {
259                data <- as(list(data), "TextDocCol")                object@.Data[[length(object)+1]] <- data
260                object@.Data <- as(c(object@.Data, data), "TextDocCol")                object@DMetaData <- rbind(object@DMetaData, c(MetaID = CMetaData(object)@NodeID, meta))
261                return(object)                return(object)
262            })            })
263    
264  setGeneric("attach_metadata", function(object, name, metadata) standardGeneric("attach_metadata"))  setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
265  setMethod("attach_metadata",  setMethod("appendMeta",
266            signature(object = "TextDocCol"),            signature(object = "TextDocCol"),
267            function(object, name, metadata) {            function(object, cmeta = NULL, dmeta = NULL) {
268                object@GlobalMetaData <- c(GlobalMetaData(object), new = list(metadata))                object@CMetaData@MetaData <- c(object@CMetaData@MetaData, cmeta)
269                names(object@GlobalMetaData)[length(names(GlobalMetaData(object)))] <- name                if (!is.null(cmeta))
270                      object@DMetaData <- cbind(object@DMetaData, dmeta)
271                return(object)                return(object)
272            })            })
273    
274  setGeneric("set_subscriptable", function(object, name) standardGeneric("set_subscriptable"))  setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
275  setMethod("set_subscriptable",  setMethod("removeMeta",
276            signature(object = "TextDocCol"),            signature(object = "TextDocCol"),
277            function(object, name) {            function(object, cname = NULL, dname = NULL) {
278                if (!is.character(GlobalMetaData(object)$subscriptable))                if (!is.null(cname)) {
279                    object <- attach_metadata(object, "subscriptable", name)                    object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
280                else                }
281                    object@GlobalMetaData$subscriptable <- c(GlobalMetaData(object)$subscriptable, name)                if (!is.null(dname)) {
282                      object@DMetaData <- DMetaData(object)[names(DMetaData(object)) != dname]
283                  }
284                  return(object)
285              })
286    
287    setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
288    setMethod("prescindMeta",
289              signature(object = "TextDocCol", meta = "character"),
290              function(object, meta) {
291                  for (m in meta) {
292                      if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading")) {
293                          local.m <- lapply(object, m)
294                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
295                          local.m <- unlist(local.m)
296                          object@DMetaData <- cbind(DMetaData(object), data.frame(m = local.m), stringsAsFactors = FALSE)
297                          names(object@DMetaData)[length(object@DMetaData)] <- m
298                      }
299                      else {
300                          local.meta <- lapply(object, LocalMetaData)
301                          local.m <- lapply(local.meta, "[[", m)
302                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
303                          if (length(local.m) == length(unlist(local.m)))
304                              local.m <- unlist(local.m)
305                          else
306                              local.m <- I(local.m)
307                          object@DMetaData <- cbind(DMetaData(object), data.frame(m = local.m), stringsAsFactors = FALSE)
308                          names(object@DMetaData)[length(object@DMetaData)] <- m
309                      }
310                  }
311                return(object)                return(object)
312            })            })
313    
# Line 478  Line 319 
319    
320                object <- x                object <- x
321                object@.Data <- x@.Data[i, ..., drop = FALSE]                object@.Data <- x@.Data[i, ..., drop = FALSE]
322                for (m in names(GlobalMetaData(object))) {                df <- as.data.frame(DMetaData(object)[i, ])
323                    if (m %in% GlobalMetaData(object)$subscriptable) {                names(df) <- names(DMetaData(object))
324                        object@GlobalMetaData[[m]] <- GlobalMetaData(object)[[m]][i, ..., drop = FALSE]                object@DMetaData <- df
                   }  
               }  
325                return(object)                return(object)
326            })            })
327    
# Line 497  Line 336 
336  setMethod("[[",  setMethod("[[",
337            signature(x = "TextDocCol", i = "ANY", j = "ANY"),            signature(x = "TextDocCol", i = "ANY", j = "ANY"),
338            function(x, i, j, ...) {            function(x, i, j, ...) {
339                return(x@.Data[[i, ...]])                return(loadDoc(x@.Data[[i]]))
340            })            })
341    
342  setMethod("[[<-",  setMethod("[[<-",
# Line 508  Line 347 
347                return(object)                return(object)
348            })            })
349    
350    # Update \code{NodeID}s of a CMetaData tree
351    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
352        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
353        set_id <- function(object) {
354            object@NodeID <- id
355            id <<- id + 1
356            level <<- level + 1
357    
358            if (length(object@children) > 0) {
359                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
360                left <- set_id(object@children[[1]])
361                if (level == 1) {
362                    left.mapping <<- mapping
363                    mapping <<- NULL
364                }
365                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
366                right <- set_id(object@children[[2]])
367    
368                object@children <- list(left, right)
369            }
370            level <<- level - 1
371    
372            return(object)
373        }
374    
375        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
376    }
377    
378  setMethod("c",  setMethod("c",
379            signature(x = "TextDocCol"),            signature(x = "TextDocCol"),
380            function(x, ..., recursive = TRUE){            function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
381                args <- list(...)                args <- list(...)
382                if(length(args) == 0)                if(length(args) == 0)
383                    return(x)                    return(x)
384                return(as(c(as(x, "list"), ...), "TextDocCol"))  
385                  result <- x
386                  for (c in args) {
387                      if (!inherits(c, "TextDocCol"))
388                          stop("invalid argument")
389                      result <- c2(result, c)
390                  }
391                  return(result)
392      })      })
393    
394    setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
395    setMethod("c2",
396              signature(x = "TextDocCol", y = "TextDocCol"),
397              function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
398                  object <- x
399                  # Concatenate data slots
400                  object@.Data <- c(as(x, "list"), as(y, "list"))
401    
402                  # Update the CMetaData tree
403                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
404                  update.struct <- update_id(cmeta)
405                  object@CMetaData <- update.struct$root
406    
407                  # Find indices to be updated for the left tree
408                  indices.mapping <- NULL
409                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
410                      indices <- (DMetaData(x)$MetaID == m)
411                      indices.mapping <- c(indices.mapping, list(m = indices))
412                      names(indices.mapping)[length(indices.mapping)] <- m
413                  }
414    
415                  # Update the DMetaData data frames for the left tree
416                  for (i in 1:ncol(update.struct$left.mapping)) {
417                      map <- update.struct$left.mapping[,i]
418                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
419                  }
420    
421                  # Find indices to be updated for the right tree
422                  indices.mapping <- NULL
423                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
424                      indices <- (DMetaData(y)$MetaID == m)
425                      indices.mapping <- c(indices.mapping, list(m = indices))
426                      names(indices.mapping)[length(indices.mapping)] <- m
427                  }
428    
429                  # Update the DMetaData data frames for the right tree
430                  for (i in 1:ncol(update.struct$right.mapping)) {
431                      map <- update.struct$right.mapping[,i]
432                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
433                  }
434    
435                  # Merge the DMetaData data frames
436                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
437                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
438                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
439                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
440                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
441                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
442                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
443    
444                  return(object)
445              })
446    
447    
448  setMethod("c",  setMethod("c",
449            signature(x = "TextDocument"),            signature(x = "TextDocument"),
450            function(x, ..., recursive = TRUE){            function(x, ..., recursive = TRUE){
451                args <- list(...)                args <- list(...)
452                if(length(args) == 0)                if(length(args) == 0)
453                    return(x)                    return(x)
454                return(new("TextDocCol", .Data = list(x, ...)))  
455                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
456                  cmeta.node <- new("MetaDataNode",
457                                NodeID = 0,
458                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
459                                children = list())
460    
461                  return(new("TextDocCol", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node))
462      })      })
463    
464  setMethod("length",  setMethod("length",
# Line 534  Line 470 
470  setMethod("show",  setMethod("show",
471            signature(object = "TextDocCol"),            signature(object = "TextDocCol"),
472            function(object){            function(object){
473                cat("A text document collection with", length(object), "text document")                cat(sprintf(ngettext(length(object),
474                if (length(object) == 1)                                     "A text document collection with %d text document\n",
475                    cat("\n")                                     "A text document collection with %d text documents\n"),
476                else                            length(object)))
                   cat("s\n")  
477      })      })
478    
479  setMethod("summary",  setMethod("summary",
480            signature(object = "TextDocCol"),            signature(object = "TextDocCol"),
481            function(object){            function(object){
482                show(object)                show(object)
483                if (length(GlobalMetaData(object)) > 0) {                if (length(DMetaData(object)) > 0) {
484                    cat("\nThe global metadata consists of", length(GlobalMetaData(object)), "tag-value pair")                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
485                    if (length(GlobalMetaData(object)) == 1)                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",
486                        cat(".\n")                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
487                    else                                         length(CMetaData(object)@MetaData)))
                       cat("s.\n")  
488                    cat("Available tags are:\n")                    cat("Available tags are:\n")
489                    cat(names(GlobalMetaData(object)), "\n")                    cat(names(CMetaData(object)@MetaData), "\n")
490                      cat("Available variables in the data frame are:\n")
491                      cat(names(DMetaData(object)), "\n")
492                }                }
493      })      })
494    
# Line 562  Line 498 
498            function(object) {            function(object) {
499                summary(object)                summary(object)
500                cat("\n")                cat("\n")
501                show(as(object, "list"))                show(object@.Data)
502            })            })
503    
504  # No metadata is checked  # No metadata is checked

Legend:
Removed from v.66  
changed lines
  Added in v.698

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