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 712, Sun Mar 4 15:18:36 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,
5                                      parser = readPlain,
6                                      load = FALSE,
7                                      dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
8                                      ...) standardGeneric("TextDocCol"))
9  setMethod("TextDocCol",  setMethod("TextDocCol",
10            signature(object = "Source"),            signature(object = "Source"),
11            function(object, parser = plaintext_parser) {            function(object, parser = readPlain, load = FALSE, dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"), ...) {
12                if (inherits(parser, "function_generator"))                if (inherits(parser, "FunctionGenerator"))
13                    parser <- parser(...)                    parser <- parser(...)
14    
15                  if (dbControl$useDb) {
16                      if (!dbCreate(dbControl$dbName, dbControl$dbType))
17                          stop("error in creating database")
18                      db <- dbInit(dbControl$dbName, dbControl$dbType)
19                  }
20    
21                tdl <- list()                tdl <- list()
22                counter <- 1                counter <- 1
23                while (!eoi(object)) {                while (!eoi(object)) {
24                    object <- step_next(object)                    object <- stepNext(object)
25                    elem <- get_elem(object)                    elem <- getElem(object)
26                    # If there is no Load on Demand support                    # If there is no Load on Demand support
27                    # we need to load the corpus into memory at startup                    # we need to load the corpus into memory at startup
28                    if (object@LoDSupport)                    if (!object@LoDSupport)
                       load <- object@Load  
                   else  
29                        load <- TRUE                        load <- TRUE
30                    tdl <- c(tdl, list(parser(elem, object@LoDSupport, load, as.character(counter))))                    doc <- parser(elem, load, as.character(counter))
31                    counter <- counter + 1                    if (dbControl$useDb) {
32                }                        dbInsert(db, ID(doc), doc)
33                          tdl <- c(tdl, ID(doc))
               return(new("TextDocCol", .Data = tdl))  
           })  
   
 setGeneric("DirSource", function(directory, load = FALSE) standardGeneric("DirSource"))  
 setMethod("DirSource",  
           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)  
           })  
   
 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 = "")  
         }  
         else {  
             doc <- new("PlainTextDocument", URI = elem$uri, Cached = FALSE,  
                        Author = "", DateTimeStamp = date(), Description = "", ID = id, Origin = "", Heading = "")  
         }  
   
         return(doc)  
34      }      }
 }  
 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"]])  
35          else          else
36              heading <- ""                        tdl <- c(tdl, list(doc))
37                      counter <- counter + 1
         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)  
     }  
38  }  }
 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"]])  
39    
40      new("PlainTextDocument", .Data = corpus, Cached = TRUE, URI = "", Author = "", DateTimeStamp = datetimestamp,                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
41          Description = "", ID = id, Origin = "Reuters Corpus Volume 1 XML", Heading = heading)                if (dbControl$useDb) {
42                      dbInsert(db, "DMetaData", df)
43                      dmeta.df <- data.frame(key = "DMetaData")
44                      dbDisconnect(db)
45  }  }
   
 # 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"]])  
46      else      else
47          author <- ""                    dmeta.df <- df
   
     datetimestamp <- xmlValue(node[["DATE"]])  
     description <- ""  
     id <- xmlAttrs(node)[["NEWID"]]  
48    
49      origin <- "Reuters-21578 XML"                cmeta.node <- new("MetaDataNode",
50                                NodeID = 0,
51                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
52                                children = list())
53    
54      # The <BODY></BODY> tag is unfortunately NOT obligatory!                return(new("TextDocCol", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
55      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))  
 }  
56    
57  setGeneric("load_doc", function(object, ...) standardGeneric("load_doc"))  setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
58  setMethod("load_doc",  setMethod("loadDoc",
59            signature(object = "PlainTextDocument"),            signature(object = "PlainTextDocument"),
60            function(object, ...) {            function(object, ...) {
61                if (!Cached(object)) {                if (!Cached(object)) {
62                    con <- eval(parse(text = URI(object)))                    con <- eval(URI(object))
63                    corpus <- readLines(con)                    corpus <- readLines(con)
64                    close(con)                    close(con)
65                    Corpus(object) <- corpus                    Corpus(object) <- corpus
# Line 310  Line 69 
69                    return(object)                    return(object)
70                }                }
71            })            })
72  setMethod("load_doc",  setMethod("loadDoc",
73            signature(object =  "XMLTextDocument"),            signature(object =  "XMLTextDocument"),
74            function(object, ...) {            function(object, ...) {
75                if (!Cached(object)) {                if (!Cached(object)) {
76                    con <- eval(parse(text = URI(object)))                    con <- eval(URI(object))
77                    corpus <- paste(readLines(con), "\n", collapse = "")                    corpus <- paste(readLines(con), "\n", collapse = "")
78                    close(con)                    close(con)
79                    doc <- xmlTreeParse(corpus, asText = TRUE)                    doc <- xmlTreeParse(corpus, asText = TRUE)
# Line 326  Line 85 
85                    return(object)                    return(object)
86                }                }
87            })            })
88  setMethod("load_doc",  setMethod("loadDoc",
89            signature(object = "NewsgroupDocument"),            signature(object = "NewsgroupDocument"),
90            function(object, ...) {            function(object, ...) {
91                if (!Cached(object)) {                if (!Cached(object)) {
92                    con <- eval(parse(text = URI(object)))                    con <- eval(URI(object))
93                    mail <- readLines(con)                    mail <- readLines(con)
94                    close(con)                    close(con)
95                    Cached(object) <- TRUE                    Cached(object) <- TRUE
# Line 345  Line 104 
104                }                }
105            })            })
106    
107  setGeneric("tm_transform", function(object, FUN, ...) standardGeneric("tm_transform"))  setGeneric("tmUpdate", function(object, origin, parser = readPlain, ...) standardGeneric("tmUpdate"))
108  setMethod("tm_transform",  # Update is only supported for directories
109    # At the moment no other LoD devices are available anyway
110    setMethod("tmUpdate",
111              signature(object = "TextDocCol", origin = "DirSource"),
112              function(object, origin, parser = readPlain, load = FALSE, ...) {
113                  if (inherits(parser, "FunctionGenerator"))
114                      parser <- parser(...)
115    
116                  object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
117                  new.files <- setdiff(origin@FileList, object.filelist)
118    
119                  for (filename in new.files) {
120                      elem <- list(content = readLines(filename),
121                                   uri = substitute(file(filename)))
122                      object <- appendElem(object, parser(elem, load, filename))
123                  }
124    
125                  return(object)
126              })
127    
128    setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))
129    setMethod("tmMap",
130            signature(object = "TextDocCol", FUN = "function"),            signature(object = "TextDocCol", FUN = "function"),
131            function(object, FUN, ...) {            function(object, FUN, ...) {
132                result <- as(lapply(object, FUN, ..., GlobalMetaData = GlobalMetaData(object)), "TextDocCol")                result <- object
133                result@GlobalMetaData <- GlobalMetaData(object)                # Note that text corpora are automatically loaded into memory via \code{[[}
134                  result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
135                return(result)                return(result)
136            })            })
137    
138  setGeneric("as.plaintext_doc", function(object, FUN, ...) standardGeneric("as.plaintext_doc"))  setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
139  setMethod("as.plaintext_doc",  setMethod("asPlain",
140            signature(object = "PlainTextDocument"),            signature(object = "PlainTextDocument"),
141            function(object, FUN, ...) {            function(object, FUN, ...) {
142                return(object)                return(object)
143            })            })
144  setMethod("as.plaintext_doc",  setMethod("asPlain",
145            signature(object = "XMLTextDocument", FUN = "function"),            signature(object = "XMLTextDocument", FUN = "function"),
146            function(object, FUN, ...) {            function(object, FUN, ...) {
               if (!Cached(object))  
                   object <- load_doc(object)  
   
147                corpus <- Corpus(object)                corpus <- Corpus(object)
148    
149                # As XMLDocument is no native S4 class, restore valid information                # As XMLDocument is no native S4 class, restore valid information
# Line 375  Line 153 
153                return(FUN(xmlRoot(corpus), ...))                return(FUN(xmlRoot(corpus), ...))
154            })            })
155    
156  setGeneric("stem_doc", function(object, ...) standardGeneric("stem_doc"))  setGeneric("tmTolower", function(object, ...) standardGeneric("tmTolower"))
157  setMethod("stem_doc",  setMethod("tmTolower",
158            signature(object = "PlainTextDocument"),            signature(object = "PlainTextDocument"),
159            function(object, ...) {            function(object, ...) {
160                if (!Cached(object))                Corpus(object) <- tolower(object)
161                    object <- load_doc(object)                return(object)
162              })
163    
164                require(Rstem)  setGeneric("stripWhitespace", function(object, ...) standardGeneric("stripWhitespace"))
165    setMethod("stripWhitespace",
166              signature(object = "PlainTextDocument"),
167              function(object, ...) {
168                  Corpus(object) <- gsub("[[:space:]]+", " ", object)
169                  return(object)
170              })
171    
172    setGeneric("stemDoc", function(object, ...) standardGeneric("stemDoc"))
173    setMethod("stemDoc",
174              signature(object = "PlainTextDocument"),
175              function(object, ...) {
176                  require("Rstem")
177                splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))                splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
178                stemmedCorpus <- wordStem(splittedCorpus, ...)                stemmedCorpus <- Rstem::wordStem(splittedCorpus)
179                Corpus(object) <- paste(stemmedCorpus, collapse = " ")                Corpus(object) <- paste(stemmedCorpus, collapse = " ")
180                return(object)                return(object)
181            })            })
182    
183  setGeneric("remove_words", function(object, stopwords, ...) standardGeneric("remove_words"))  setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))
184  setMethod("remove_words",  setMethod("removeWords",
185            signature(object = "PlainTextDocument", stopwords = "character"),            signature(object = "PlainTextDocument", stopwords = "character"),
186            function(object, stopwords, ...) {            function(object, stopwords, ...) {
187                if (!Cached(object))                require("Rstem")
                   object <- load_doc(object)  
   
               require(Rstem)  
188                splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))                splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
189                noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]                noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]
190                Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")                Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")
191                return(object)                return(object)
192            })            })
193    
194  setGeneric("tm_filter", function(object, ..., FUN = s_filter) standardGeneric("tm_filter"))  setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
195  setMethod("tm_filter",  setMethod("tmFilter",
196            signature(object = "TextDocCol"),            signature(object = "TextDocCol"),
197            function(object, ..., FUN = s_filter) {            function(object, ..., FUN = sFilter, doclevel = FALSE) {
198                object[tm_index(object, ..., FUN)]                if (doclevel)
199                      return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
200                  else
201                      return(object[FUN(object, ...)]) # TODO: Check that FUN knows about the database
202            })            })
203    
204  setGeneric("tm_index", function(object, ..., FUN = s_filter) standardGeneric("tm_index"))  setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
205  setMethod("tm_index",  setMethod("tmIndex",
206            signature(object = "TextDocCol"),            signature(object = "TextDocCol"),
207            function(object, ..., FUN = s_filter) {            function(object, ..., FUN = sFilter, doclevel = FALSE) {
208                sapply(object, FUN, ..., GlobalMetaData = GlobalMetaData(object))                if (doclevel)
209                      return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
210                  else
211                      return(FUN(object, ...)) # TODO: Check that FUN knows about the database
212            })            })
213    
214  s_filter <- function(object, s, ..., GlobalMetaData) {  # TODO
215      b <- TRUE  sFilter <- function(object, s, ...) {
216      for (tag in names(s)) {      query.df <- DMetaData(object)
217          if (tag %in% names(LocalMetaData(object))) {      con <- textConnection(s)
218              b <- b && any(grep(s[[tag]], LocalMetaData(object)[[tag]]))      tokens <- scan(con, "character")
219          } else if (tag %in% names(GlobalMetaData)){      close(con)
220              b <- b && any(grep(s[[tag]], GlobalMetaData[[tag]]))      local.meta <- lapply(object, LocalMetaData)
221          } else {      local.used.meta <- lapply(local.meta, function(x) names(x) %in% tokens)
222              b <- b && any(grep(s[[tag]], eval(call(tag, object))))      l.meta <- NULL
223        for (i in 1:length(object)) {
224            l.meta <- c(l.meta, list(local.meta[[i]][local.used.meta[[i]]]))
225        }
226        # Load local meta data from text documents into data frame
227        for (i in 1:length(l.meta)) {
228            l.meta[[i]] <- c(l.meta[[i]], list(author = Author(object[[i]])))
229            l.meta[[i]] <- c(l.meta[[i]], list(datetimestamp = DateTimeStamp(object[[i]])))
230            l.meta[[i]] <- c(l.meta[[i]], list(description = Description(object[[i]])))
231            l.meta[[i]] <- c(l.meta[[i]], list(identifier = ID(object[[i]])))
232            l.meta[[i]] <- c(l.meta[[i]], list(origin = Origin(object[[i]])))
233            l.meta[[i]] <- c(l.meta[[i]], list(heading = Heading(object[[i]])))
234        }
235        for (i in 1:length(l.meta)) {
236            for (j in 1:length(l.meta[[i]])) {
237                m <- l.meta[[i]][[j]]
238                m.name <- names(l.meta[[i]][j])
239                if (!(m.name %in% names(query.df))) {
240                    before <- rep(NA, i - 1)
241                    after <- rep(NA, length(l.meta) - i)
242                    if (length(m) > 1) {
243                        nl <- vector("list", length(l.meta))
244                        nl[1:(i-1)] <- before
245                        nl[i] <- list(m)
246                        nl[(i+1):length(l.meta)] <- after
247                        insert <- data.frame(I(nl), stringsAsFactors = FALSE)
248                    }
249                    else
250                        insert <- c(before, m, after)
251                    query.df <- cbind(query.df, insert, stringsAsFactors = FALSE)
252                    names(query.df)[length(query.df)] <- m.name
253          }          }
254                else {
255                    if (is.null(m))
256                        m <- NA
257                    if (length(m) > 1) {
258                        rl <- query.df[ , m.name]
259                        rl[i] <- list(m)
260                        query.df[ , m.name] <- data.frame(I(rl), stringsAsFactors = FALSE)
261      }      }
262      return(b)                  else
263                        query.df[i, m.name] <- m
264                }
265            }
266        }
267        attach(query.df)
268        try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
269        detach(query.df)
270        return(result)
271  }  }
272    
273  setGeneric("fulltext_search_filter", function(object, pattern, ...) standardGeneric("fulltext_search_filter"))  setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))
274  setMethod("fulltext_search_filter",  setMethod("searchFullText",
275            signature(object = "PlainTextDocument", pattern = "character"),            signature(object = "PlainTextDocument", pattern = "character"),
276            function(object, pattern, ...) {            function(object, pattern, ...) {
               if (!Cached(object))  
                   object <- load_doc(object)  
   
277                return(any(grep(pattern, Corpus(object))))                return(any(grep(pattern, Corpus(object))))
278            })            })
279    
280  setGeneric("attach_data", function(object, data) standardGeneric("attach_data"))  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
281  setMethod("attach_data",  setMethod("appendElem",
282            signature(object = "TextDocCol", data = "TextDocument"),            signature(object = "TextDocCol", data = "TextDocument"),
283            function(object, data) {            function(object, data, meta = NULL) {
284                data <- as(list(data), "TextDocCol")                if (DBControl(object)[["useDb"]]) {
285                object@.Data <- as(c(object@.Data, data), "TextDocCol")                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
286                      if (dbExists(db, ID(data)))
287                          warning("document with identical ID already exists")
288                      dbInsert(db, ID(data), data)
289                      dbDisconnect(db)
290                      object@.Data[[length(object)+1]] <- ID(data)
291                  }
292                  else
293                      object@.Data[[length(object)+1]] <- data
294                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
295                return(object)                return(object)
296            })            })
297    
298  setGeneric("attach_metadata", function(object, name, metadata) standardGeneric("attach_metadata"))  setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
299  setMethod("attach_metadata",  setMethod("appendMeta",
300            signature(object = "TextDocCol"),            signature(object = "TextDocCol"),
301            function(object, name, metadata) {            function(object, cmeta = NULL, dmeta = NULL) {
302                object@GlobalMetaData <- c(GlobalMetaData(object), new = list(metadata))                object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
303                names(object@GlobalMetaData)[length(names(GlobalMetaData(object)))] <- name                if (!is.null(dmeta)) {
304                      DMetaData(object) <- cbind(DMetaData(object), dmeta)
305                  }
306                return(object)                return(object)
307            })            })
308    
309  setGeneric("set_subscriptable", function(object, name) standardGeneric("set_subscriptable"))  setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
310  setMethod("set_subscriptable",  setMethod("removeMeta",
311            signature(object = "TextDocCol"),            signature(object = "TextDocCol"),
312            function(object, name) {            function(object, cname = NULL, dname = NULL) {
313                if (!is.character(GlobalMetaData(object)$subscriptable))                if (!is.null(cname)) {
314                    object <- attach_metadata(object, "subscriptable", name)                    object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
315                  }
316                  if (!is.null(dname)) {
317                      DMetaData(object) <- DMetaData(object)[names(DMetaData(object)) != dname]
318                  }
319                  return(object)
320              })
321    
322    # TODO
323    setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
324    setMethod("prescindMeta",
325              signature(object = "TextDocCol", meta = "character"),
326              function(object, meta) {
327                  for (m in meta) {
328                      if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading")) {
329                          local.m <- lapply(object, m)
330                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
331                          local.m <- unlist(local.m)
332                          object@DMetaData <- cbind(DMetaData(object), data.frame(m = local.m), stringsAsFactors = FALSE)
333                          names(object@DMetaData)[length(object@DMetaData)] <- m
334                      }
335                      else {
336                          local.meta <- lapply(object, LocalMetaData)
337                          local.m <- lapply(local.meta, "[[", m)
338                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
339                          if (length(local.m) == length(unlist(local.m)))
340                              local.m <- unlist(local.m)
341                else                else
342                    object@GlobalMetaData$subscriptable <- c(GlobalMetaData(object)$subscriptable, name)                            local.m <- I(local.m)
343                          object@DMetaData <- cbind(DMetaData(object), data.frame(m = local.m), stringsAsFactors = FALSE)
344                          names(object@DMetaData)[length(object@DMetaData)] <- m
345                      }
346                  }
347                return(object)                return(object)
348            })            })
349    
350    # WARNING: DMetaData is changed (since both use the same database)
351  setMethod("[",  setMethod("[",
352            signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),            signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),
353            function(x, i, j, ... , drop) {            function(x, i, j, ... , drop) {
# Line 478  Line 356 
356    
357                object <- x                object <- x
358                object@.Data <- x@.Data[i, ..., drop = FALSE]                object@.Data <- x@.Data[i, ..., drop = FALSE]
359                for (m in names(GlobalMetaData(object))) {                df <- as.data.frame(DMetaData(object)[i, ])
360                    if (m %in% GlobalMetaData(object)$subscriptable) {                names(df) <- names(DMetaData(object))
361                        object@GlobalMetaData[[m]] <- GlobalMetaData(object)[[m]][i, ..., drop = FALSE]                object@DMetaData(object) <- df
                   }  
               }  
362                return(object)                return(object)
363            })            })
364    
365    # TODO
366  setMethod("[<-",  setMethod("[<-",
367            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
368            function(x, i, j, ... , value) {            function(x, i, j, ... , value) {
# Line 497  Line 374 
374  setMethod("[[",  setMethod("[[",
375            signature(x = "TextDocCol", i = "ANY", j = "ANY"),            signature(x = "TextDocCol", i = "ANY", j = "ANY"),
376            function(x, i, j, ...) {            function(x, i, j, ...) {
377                return(x@.Data[[i, ...]])                if (DBControl(x)[["useDb"]]) {
378                      db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
379                      result <- dbFetch(db, x@.Data[[i]])
380                      dbDisconnect(db)
381                      return(loadDoc(result))
382                  }
383                  else
384                      return(loadDoc(x@.Data[[i]]))
385            })            })
386    
387  setMethod("[[<-",  setMethod("[[<-",
388            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
389            function(x, i, j, ..., value) {            function(x, i, j, ..., value) {
390                object <- x                object <- x
391                  if (DBControl(object)[["useDb"]]) {
392                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
393                      index <- object@.Data[[i]]
394                      db[[index]] <- value
395                      dbDisconnect(db)
396                  }
397                  else
398                object@.Data[[i, ...]] <- value                object@.Data[[i, ...]] <- value
399                return(object)                return(object)
400            })            })
401    
402    # TODO
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    # TODO
432  setMethod("c",  setMethod("c",
433            signature(x = "TextDocCol"),            signature(x = "TextDocCol"),
434            function(x, ..., recursive = TRUE){            function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
435                args <- list(...)                args <- list(...)
436                if(length(args) == 0)                if(length(args) == 0)
437                    return(x)                    return(x)
438                return(as(c(as(x, "list"), ...), "TextDocCol"))  
439                  result <- x
440                  for (c in args) {
441                      if (!inherits(c, "TextDocCol"))
442                          stop("invalid argument")
443                      result <- c2(result, c)
444                  }
445                  return(result)
446      })      })
447    
448    # TODO
449    setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
450    setMethod("c2",
451              signature(x = "TextDocCol", y = "TextDocCol"),
452              function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
453                  object <- x
454                  # Concatenate data slots
455                  object@.Data <- c(as(x, "list"), as(y, "list"))
456    
457                  # Update the CMetaData tree
458                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
459                  update.struct <- update_id(cmeta)
460                  object@CMetaData <- update.struct$root
461    
462                  # Find indices to be updated for the left tree
463                  indices.mapping <- NULL
464                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
465                      indices <- (DMetaData(x)$MetaID == m)
466                      indices.mapping <- c(indices.mapping, list(m = indices))
467                      names(indices.mapping)[length(indices.mapping)] <- m
468                  }
469    
470                  # Update the DMetaData data frames for the left tree
471                  for (i in 1:ncol(update.struct$left.mapping)) {
472                      map <- update.struct$left.mapping[,i]
473                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
474                  }
475    
476                  # Find indices to be updated for the right tree
477                  indices.mapping <- NULL
478                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
479                      indices <- (DMetaData(y)$MetaID == m)
480                      indices.mapping <- c(indices.mapping, list(m = indices))
481                      names(indices.mapping)[length(indices.mapping)] <- m
482                  }
483    
484                  # Update the DMetaData data frames for the right tree
485                  for (i in 1:ncol(update.struct$right.mapping)) {
486                      map <- update.struct$right.mapping[,i]
487                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
488                  }
489    
490                  # Merge the DMetaData data frames
491                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
492                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
493                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
494                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
495                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
496                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
497                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
498    
499                  return(object)
500              })
501    
502    # TODO
503  setMethod("c",  setMethod("c",
504            signature(x = "TextDocument"),            signature(x = "TextDocument"),
505            function(x, ..., recursive = TRUE){            function(x, ..., recursive = TRUE){
506                args <- list(...)                args <- list(...)
507                if(length(args) == 0)                if(length(args) == 0)
508                    return(x)                    return(x)
509                return(new("TextDocCol", .Data = list(x, ...)))  
510                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
511                  cmeta.node <- new("MetaDataNode",
512                                NodeID = 0,
513                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
514                                children = list())
515    
516                  return(new("TextDocCol", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node))
517      })      })
518    
519  setMethod("length",  setMethod("length",
# Line 534  Line 525 
525  setMethod("show",  setMethod("show",
526            signature(object = "TextDocCol"),            signature(object = "TextDocCol"),
527            function(object){            function(object){
528                cat("A text document collection with", length(object), "text document")                cat(sprintf(ngettext(length(object),
529                if (length(object) == 1)                                     "A text document collection with %d text document\n",
530                    cat("\n")                                     "A text document collection with %d text documents\n"),
531                else                            length(object)))
                   cat("s\n")  
532      })      })
533    
534  setMethod("summary",  setMethod("summary",
535            signature(object = "TextDocCol"),            signature(object = "TextDocCol"),
536            function(object){            function(object){
537                show(object)                show(object)
538                if (length(GlobalMetaData(object)) > 0) {                if (length(DMetaData(object)) > 0) {
539                    cat("\nThe global metadata consists of", length(GlobalMetaData(object)), "tag-value pair")                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
540                    if (length(GlobalMetaData(object)) == 1)                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",
541                        cat(".\n")                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
542                    else                                         length(CMetaData(object)@MetaData)))
                       cat("s.\n")  
543                    cat("Available tags are:\n")                    cat("Available tags are:\n")
544                    cat(names(GlobalMetaData(object)), "\n")                    cat(names(CMetaData(object)@MetaData), "\n")
545                      cat("Available variables in the data frame are:\n")
546                      cat(names(DMetaData(object)), "\n")
547                }                }
548      })      })
549    
550    # TODO
551  setGeneric("inspect", function(object) standardGeneric("inspect"))  setGeneric("inspect", function(object) standardGeneric("inspect"))
552  setMethod("inspect",  setMethod("inspect",
553            signature("TextDocCol"),            signature("TextDocCol"),
554            function(object) {            function(object) {
555                summary(object)                summary(object)
556                cat("\n")                cat("\n")
557                show(as(object, "list"))                show(object@.Data)
558            })            })
559    
560    # TODO
561  # No metadata is checked  # No metadata is checked
562  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
563  setMethod("%IN%",  setMethod("%IN%",

Legend:
Removed from v.66  
changed lines
  Added in v.712

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