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 861, Thu Jul 24 09:55:09 2008 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 reader
4  setGeneric("TextDocCol", function(object, parser = plaintext_parser, ...) standardGeneric("TextDocCol"))  setGeneric("Corpus", function(object,
5  setMethod("TextDocCol",                                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),
6                                      dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
7                                      ...) standardGeneric("Corpus"))
8    setMethod("Corpus",
9            signature(object = "Source"),            signature(object = "Source"),
10            function(object, parser = plaintext_parser) {            function(object,
11                if (inherits(parser, "function_generator"))                     readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),
12                    parser <- parser(...)                     dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
13                       ...) {
14                  if (is.null(readerControl$reader))
15                      readerControl$reader <- object@DefaultReader
16                  if (is(readerControl$reader, "FunctionGenerator"))
17                      readerControl$reader <- readerControl$reader(...)
18                  if (is.null(readerControl$language))
19                      readerControl$language = "en_US"
20                  if (is.null(readerControl$load))
21                      readerControl$load = TRUE
22    
23                  if (dbControl$useDb) {
24                      if (!dbCreate(dbControl$dbName, dbControl$dbType))
25                          stop("error in creating database")
26                      db <- dbInit(dbControl$dbName, dbControl$dbType)
27                  }
28    
29                tdl <- list()                tdl <- list()
30                counter <- 1                counter <- 1
31                while (!eoi(object)) {                while (!eoi(object)) {
32                    object <- step_next(object)                    object <- stepNext(object)
33                    elem <- get_elem(object)                    elem <- getElem(object)
34                    # If there is no Load on Demand support                    # If there is no Load on Demand support
35                    # we need to load the corpus into memory at startup                    # we need to load the corpus into memory at startup
36                    if (object@LoDSupport)                    if (!object@LoDSupport)
37                        load <- object@Load                        readerControl$load <- TRUE
38                    else                    doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))
39                        load <- TRUE                    if (dbControl$useDb) {
40                    tdl <- c(tdl, list(parser(elem, object@LoDSupport, load, as.character(counter))))                        dbInsert(db, ID(doc), doc)
41                    counter <- counter + 1                        tdl <- c(tdl, ID(doc))
42                }                }
   
               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)  
43                else                else
44                    return(FALSE)                        tdl <- c(tdl, list(doc))
45            })                    counter <- counter + 1
   
 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)  
     }  
 }  
 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)  
     }  
46  }  }
 class(newsgroup_parser) <- "function_generator"  
47    
48  # Parse a <newsitem></newsitem> element from a well-formed RCV1 XML file                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
49  rcv1_to_plain <- function(node, ...) {                if (dbControl$useDb) {
50      datetimestamp <- xmlAttrs(node)[["date"]]                    dbInsert(db, "DMetaData", df)
51      id <- xmlAttrs(node)[["itemid"]]                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
     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)  
52  }  }
   
 # 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"]])  
53      else      else
54          corpus <- ""                    dmeta.df <- df
55    
56      # The <TITLE></TITLE> tag is unfortunately NOT obligatory!                cmeta.node <- new("MetaDataNode",
57      if (!is.null(node[["TEXT"]][["TITLE"]]))                              NodeID = 0,
58          heading <- xmlValue(node[["TEXT"]][["TITLE"]])                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
59      else                              children = list())
         heading <- ""  
60    
61      topics <- unlist(xmlApply(node[["TOPICS"]], function(x) xmlValue(x)), use.names = FALSE)                return(new("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
62              })
     new("PlainTextDocument", .Data = corpus, Cached = TRUE, URI = "", Author = author, DateTimeStamp = datetimestamp,  
         Description = description, ID = id, Origin = origin, Heading = heading, LocalMetaData = list(Topics = topics))  
 }  
63    
64  setGeneric("load_doc", function(object, ...) standardGeneric("load_doc"))  setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
65  setMethod("load_doc",  setMethod("loadDoc",
66            signature(object = "PlainTextDocument"),            signature(object = "PlainTextDocument"),
67            function(object, ...) {            function(object, ...) {
68                if (!Cached(object)) {                if (!Cached(object)) {
69                    con <- eval(parse(text = URI(object)))                    con <- eval(URI(object))
70                    corpus <- readLines(con)                    corpus <- readLines(con)
71                    close(con)                    close(con)
72                    Corpus(object) <- corpus                    Content(object) <- corpus
73                    Cached(object) <- TRUE                    Cached(object) <- TRUE
74                    return(object)                    return(object)
75                } else {                } else {
76                    return(object)                    return(object)
77                }                }
78            })            })
79  setMethod("load_doc",  setMethod("loadDoc",
80            signature(object =  "XMLTextDocument"),            signature(object =  "XMLTextDocument"),
81            function(object, ...) {            function(object, ...) {
82                if (!Cached(object)) {                if (!Cached(object)) {
83                    con <- eval(parse(text = URI(object)))                    con <- eval(URI(object))
84                    corpus <- paste(readLines(con), "\n", collapse = "")                    corpus <- paste(readLines(con), "\n", collapse = "")
85                    close(con)                    close(con)
86                    doc <- xmlTreeParse(corpus, asText = TRUE)                    doc <- xmlTreeParse(corpus, asText = TRUE)
87                    class(doc) <- "list"                    class(doc) <- "list"
88                    Corpus(object) <- doc                    Content(object) <- doc
89                    Cached(object) <- TRUE                    Cached(object) <- TRUE
90                    return(object)                    return(object)
91                } else {                } else {
92                    return(object)                    return(object)
93                }                }
94            })            })
95  setMethod("load_doc",  setMethod("loadDoc",
96            signature(object = "NewsgroupDocument"),            signature(object = "NewsgroupDocument"),
97            function(object, ...) {            function(object, ...) {
98                if (!Cached(object)) {                if (!Cached(object)) {
99                    con <- eval(parse(text = URI(object)))                    con <- eval(URI(object))
100                    mail <- readLines(con)                    mail <- readLines(con)
101                    close(con)                    close(con)
102                    Cached(object) <- TRUE                    Cached(object) <- TRUE
103                    for (index in seq(along = mail)) {                    for (index in seq_along(mail)) {
104                        if (mail[index] == "")                        if (mail[index] == "")
105                            break                            break
106                    }                    }
107                    Corpus(object) <- mail[(index + 1):length(mail)]                    Content(object) <- mail[(index + 1):length(mail)]
108                    return(object)                    return(object)
109                } else {                } else {
110                    return(object)                    return(object)
111                }                }
112            })            })
113    setMethod("loadDoc",
114              signature(object = "StructuredTextDocument"),
115              function(object, ...) {
116                  if (!Cached(object)) {
117                      warning("load on demand not (yet) supported for StructuredTextDocuments")
118                      return(object)
119                  } else
120                      return(object)
121              })
122    
123  setGeneric("tm_transform", function(object, FUN, ...) standardGeneric("tm_transform"))  setGeneric("tmUpdate", function(object,
124  setMethod("tm_transform",                                  origin,
125            signature(object = "TextDocCol", FUN = "function"),                                  readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),
126            function(object, FUN, ...) {                                  ...) standardGeneric("tmUpdate"))
127                result <- as(lapply(object, FUN, ..., GlobalMetaData = GlobalMetaData(object)), "TextDocCol")  # Update is only supported for directories
128                result@GlobalMetaData <- GlobalMetaData(object)  # At the moment no other LoD devices are available anyway
129    setMethod("tmUpdate",
130              signature(object = "Corpus", origin = "DirSource"),
131              function(object, origin,
132                       readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),
133                       ...) {
134                  if (is.null(readerControl$reader))
135                      readerControl$reader <- origin@DefaultReader
136                  if (is(readerControl$reader, "FunctionGenerator"))
137                      readerControl$reader <- readerControl$reader(...)
138                  if (is.null(readerControl$language))
139                      readerControl$language = "en_US"
140                  if (is.null(readerControl$load))
141                      readerControl$load = TRUE
142    
143                  object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
144                  new.files <- setdiff(origin@FileList, object.filelist)
145    
146                  for (filename in new.files) {
147                      encoding <- origin@Encoding
148                      elem <- list(content = readLines(filename, encoding = encoding),
149                                   uri = substitute(file(filename, encoding = encoding)))
150                      object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
151                  }
152    
153                  return(object)
154              })
155    
156    setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))
157    setMethod("tmMap",
158              signature(object = "Corpus", FUN = "function"),
159              function(object, FUN, ..., lazy = FALSE) {
160                  result <- object
161                  # Note that text corpora are automatically loaded into memory via \code{[[}
162                  if (DBControl(object)[["useDb"]]) {
163                      if (lazy)
164                          warning("lazy mapping is deactived when using database backend")
165                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
166                      i <- 1
167                      for (id in unlist(object)) {
168                          db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
169                          i <- i + 1
170                      }
171                      # Suggested by Christian Buchta
172                      dbReorganize(db)
173                  }
174                  else {
175                      # Lazy mapping
176                      if (lazy) {
177                          lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
178                          if (is.null(lazyTmMap)) {
179                              meta(result, tag = "lazyTmMap", type = "corpus") <-
180                                  list(index = rep(TRUE, length(result)),
181                                       maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
182                          }
183                          else {
184                              lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
185                              meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
186                          }
187                      }
188                      else {
189                          result@.Data <- if (clusterAvailable())
190                              parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))
191                          else
192                              lapply(object, FUN, ..., DMetaData = DMetaData(object))
193                      }
194                  }
195                return(result)                return(result)
196            })            })
197    
198  setGeneric("as.plaintext_doc", function(object, FUN, ...) standardGeneric("as.plaintext_doc"))  # Materialize lazy mappings
199  setMethod("as.plaintext_doc",  # Improvements by Christian Buchta
200    materialize <- function(corpus, range = seq_along(corpus)) {
201        lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")
202        if (!is.null(lazyTmMap)) {
203           # Make valid and lazy index
204           idx <- (seq_along(corpus) %in% range) & lazyTmMap$index
205           if (any(idx)) {
206               res <- lapply(corpus@.Data[idx], loadDoc)
207               for (m in lazyTmMap$maps)
208                   res <- lapply(res, m, DMetaData = DMetaData(corpus))
209               corpus@.Data[idx] <- res
210               lazyTmMap$index[idx] <- FALSE
211           }
212        }
213        # Clean up if everything is materialized
214        if (!any(lazyTmMap$index))
215            lazyTmMap <- NULL
216        meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
217        return(corpus)
218    }
219    
220    setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
221    setMethod("asPlain",
222            signature(object = "PlainTextDocument"),            signature(object = "PlainTextDocument"),
223            function(object, FUN, ...) {            function(object, FUN, ...) {
224                return(object)                return(object)
225            })            })
226  setMethod("as.plaintext_doc",  setMethod("asPlain",
227            signature(object = "XMLTextDocument", FUN = "function"),            signature(object = "XMLTextDocument"),
228            function(object, FUN, ...) {            function(object, FUN, ...) {
229                if (!Cached(object))                corpus <- Content(object)
                   object <- load_doc(object)  
   
               corpus <- Corpus(object)  
230    
231                # As XMLDocument is no native S4 class, restore valid information                # As XMLDocument is no native S4 class, restore valid information
232                class(corpus) <- "XMLDocument"                class(corpus) <- "XMLDocument"
# Line 374  Line 234 
234    
235                return(FUN(xmlRoot(corpus), ...))                return(FUN(xmlRoot(corpus), ...))
236            })            })
237    setMethod("asPlain",
238              signature(object = "Reuters21578Document"),
239              function(object, FUN, ...) {
240                  FUN <- convertReut21578XMLPlain
241                  corpus <- Content(object)
242    
243  setGeneric("stem_doc", function(object, ...) standardGeneric("stem_doc"))                # As XMLDocument is no native S4 class, restore valid information
244  setMethod("stem_doc",                class(corpus) <- "XMLDocument"
245            signature(object = "PlainTextDocument"),                names(corpus) <- c("doc","dtd")
           function(object, ...) {  
               if (!Cached(object))  
                   object <- load_doc(object)  
246    
247                require(Rstem)                return(FUN(xmlRoot(corpus), ...))
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               stemmedCorpus <- wordStem(splittedCorpus, ...)  
               Corpus(object) <- paste(stemmedCorpus, collapse = " ")  
               return(object)  
248            })            })
249    setMethod("asPlain",
250  setGeneric("remove_words", function(object, stopwords, ...) standardGeneric("remove_words"))            signature(object = "RCV1Document"),
251  setMethod("remove_words",            function(object, FUN, ...) {
252            signature(object = "PlainTextDocument", stopwords = "character"),                return(convertRCV1Plain(object, ...))
           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)  
253            })            })
254    setMethod("asPlain",
255  setGeneric("tm_filter", function(object, ..., FUN = s_filter) standardGeneric("tm_filter"))            signature(object = "NewsgroupDocument"),
256  setMethod("tm_filter",            function(object, FUN, ...) {
257            signature(object = "TextDocCol"),                new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = "", Author = Author(object),
258            function(object, ..., FUN = s_filter) {                    DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
259                object[tm_index(object, ..., FUN)]                    Origin = Origin(object), Heading = Heading(object), Language = Language(object),
260                      LocalMetaData = LocalMetaData(object))
261            })            })
262    setMethod("asPlain",
263  setGeneric("tm_index", function(object, ..., FUN = s_filter) standardGeneric("tm_index"))            signature(object = "StructuredTextDocument"),
264  setMethod("tm_index",            function(object, FUN, ...) {
265            signature(object = "TextDocCol"),                new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,
266            function(object, ..., FUN = s_filter) {                    URI = "", Author = Author(object), DateTimeStamp = DateTimeStamp(object),
267                sapply(object, FUN, ..., GlobalMetaData = GlobalMetaData(object))                    Description = Description(object), ID = ID(object), Origin = Origin(object),
268                      Heading = Heading(object), Language = Language(object),
269                      LocalMetaData = LocalMetaData(object))
270            })            })
271    
272  s_filter <- function(object, s, ..., GlobalMetaData) {  setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))
273      b <- TRUE  setMethod("tmFilter",
274      for (tag in names(s)) {            signature(object = "Corpus"),
275          if (tag %in% names(LocalMetaData(object))) {            function(object, ..., FUN = searchFullText, doclevel = TRUE) {
276              b <- b && any(grep(s[[tag]], LocalMetaData(object)[[tag]]))                if (!is.null(attr(FUN, "doclevel")))
277          } else if (tag %in% names(GlobalMetaData)){                    doclevel <- attr(FUN, "doclevel")
278              b <- b && any(grep(s[[tag]], GlobalMetaData[[tag]]))                if (doclevel) {
279          } else {                    if (clusterAvailable())
280              b <- b && any(grep(s[[tag]], eval(call(tag, object))))                        return(object[parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))])
281          }                    else
282      }                        return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
     return(b)  
283  }  }
284                  else
285                      return(object[FUN(object, ...)])
286              })
287    
288  setGeneric("fulltext_search_filter", function(object, pattern, ...) standardGeneric("fulltext_search_filter"))  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))
289  setMethod("fulltext_search_filter",  setMethod("tmIndex",
290            signature(object = "PlainTextDocument", pattern = "character"),            signature(object = "Corpus"),
291            function(object, pattern, ...) {            function(object, ..., FUN = searchFullText, doclevel = TRUE) {
292                if (!Cached(object))                if (!is.null(attr(FUN, "doclevel")))
293                    object <- load_doc(object)                    doclevel <- attr(FUN, "doclevel")
294                  if (doclevel) {
295                      if (clusterAvailable())
296                          return(parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))
297                      else
298                          return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
299                  }
300                  else
301                      return(FUN(object, ...))
302              })
303    
304                return(any(grep(pattern, Corpus(object))))  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
305    setMethod("appendElem",
306              signature(object = "Corpus", data = "TextDocument"),
307              function(object, data, meta = NULL) {
308                  if (DBControl(object)[["useDb"]]) {
309                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
310                      if (dbExists(db, ID(data)))
311                          warning("document with identical ID already exists")
312                      dbInsert(db, ID(data), data)
313                      object@.Data[[length(object)+1]] <- ID(data)
314                  }
315                  else
316                      object@.Data[[length(object)+1]] <- data
317                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
318                  return(object)
319            })            })
320    
321  setGeneric("attach_data", function(object, data) standardGeneric("attach_data"))  setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
322  setMethod("attach_data",  setMethod("appendMeta",
323            signature(object = "TextDocCol", data = "TextDocument"),            signature(object = "Corpus"),
324            function(object, data) {            function(object, cmeta = NULL, dmeta = NULL) {
325                data <- as(list(data), "TextDocCol")                object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
326                object@.Data <- as(c(object@.Data, data), "TextDocCol")                if (!is.null(dmeta)) {
327                      DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
328                  }
329                return(object)                return(object)
330            })            })
331    
332  setGeneric("attach_metadata", function(object, name, metadata) standardGeneric("attach_metadata"))  setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
333  setMethod("attach_metadata",  setMethod("removeMeta",
334            signature(object = "TextDocCol"),            signature(object = "Corpus"),
335            function(object, name, metadata) {            function(object, cname = NULL, dname = NULL) {
336                object@GlobalMetaData <- c(GlobalMetaData(object), new = list(metadata))                if (!is.null(cname))
337                names(object@GlobalMetaData)[length(names(GlobalMetaData(object)))] <- name                    object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
338                  if (!is.null(dname))
339                      DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
340                return(object)                return(object)
341            })            })
342    
343  setGeneric("set_subscriptable", function(object, name) standardGeneric("set_subscriptable"))  setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
344  setMethod("set_subscriptable",  setMethod("prescindMeta",
345            signature(object = "TextDocCol"),            signature(object = "Corpus", meta = "character"),
346            function(object, name) {            function(object, meta) {
347                if (!is.character(GlobalMetaData(object)$subscriptable))                for (m in meta) {
348                    object <- attach_metadata(object, "subscriptable", name)                    if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
349                else                        local.m <- lapply(object, m)
350                    object@GlobalMetaData$subscriptable <- c(GlobalMetaData(object)$subscriptable, name)                        local.m <- sapply(local.m, paste, collapse = " ")
351                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
352                          local.m <- unlist(local.m)
353                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
354                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
355                      }
356                      else {
357                          local.meta <- lapply(object, LocalMetaData)
358                          local.m <- lapply(local.meta, "[[", m)
359                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
360                          if (length(local.m) == length(unlist(local.m)))
361                              local.m <- unlist(local.m)
362                          else
363                              local.m <- I(local.m)
364                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
365                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
366                      }
367                  }
368                return(object)                return(object)
369            })            })
370    
371  setMethod("[",  setMethod("[",
372            signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),            signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),
373            function(x, i, j, ... , drop) {            function(x, i, j, ... , drop) {
374                if(missing(i))                if(missing(i))
375                    return(x)                    return(x)
376    
377                object <- x                object <- x
378                object@.Data <- x@.Data[i, ..., drop = FALSE]                object@.Data <- x@.Data[i, ..., drop = FALSE]
379                for (m in names(GlobalMetaData(object))) {                if (DBControl(object)[["useDb"]]) {
380                    if (m %in% GlobalMetaData(object)$subscriptable) {                    index <- object@DMetaData[[1 , "subset"]]
381                        object@GlobalMetaData[[m]] <- GlobalMetaData(object)[[m]][i, ..., drop = FALSE]                    if (any(is.na(index)))
382                    }                        object@DMetaData[[1 , "subset"]] <- i
383                      else
384                          object@DMetaData[[1 , "subset"]] <- index[i]
385                }                }
386                  else
387                      DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
388                return(object)                return(object)
389            })            })
390    
391  setMethod("[<-",  setMethod("[<-",
392            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
393            function(x, i, j, ... , value) {            function(x, i, j, ... , value) {
394                object <- x                object <- x
395                  if (DBControl(object)[["useDb"]]) {
396                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
397                      counter <- 1
398                      for (id in object@.Data[i, ...]) {
399                          if (length(value) == 1)
400                              db[[id]] <- value
401                          else {
402                              db[[id]] <- value[[counter]]
403                          }
404                          counter <- counter + 1
405                      }
406                  }
407                  else
408                object@.Data[i, ...] <- value                object@.Data[i, ...] <- value
409                return(object)                return(object)
410            })            })
411    
412  setMethod("[[",  setMethod("[[",
413            signature(x = "TextDocCol", i = "ANY", j = "ANY"),            signature(x = "Corpus", i = "ANY", j = "ANY"),
414            function(x, i, j, ...) {            function(x, i, j, ...) {
415                return(x@.Data[[i, ...]])                if (DBControl(x)[["useDb"]]) {
416                      db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
417                      result <- dbFetch(db, x@.Data[[i]])
418                      return(loadDoc(result))
419                  }
420                  else {
421                      lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
422                      if (!is.null(lazyTmMap))
423                          .Call("copyCorpus", x, materialize(x, i))
424                      return(loadDoc(x@.Data[[i]]))
425                  }
426            })            })
427    
428  setMethod("[[<-",  setMethod("[[<-",
429            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
430            function(x, i, j, ..., value) {            function(x, i, j, ..., value) {
431                object <- x                object <- x
432                  if (DBControl(object)[["useDb"]]) {
433                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
434                      index <- object@.Data[[i]]
435                      db[[index]] <- value
436                  }
437                  else {
438                      # Mark new objects as not active for lazy mapping
439                      lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
440                      if (!is.null(lazyTmMap)) {
441                          lazyTmMap$index[i] <- FALSE
442                          meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
443                      }
444                      # Set the value
445                object@.Data[[i, ...]] <- value                object@.Data[[i, ...]] <- value
446                  }
447                return(object)                return(object)
448            })            })
449    
450    # Update \code{NodeID}s of a CMetaData tree
451    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
452        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
453        set_id <- function(object) {
454            object@NodeID <- id
455            id <<- id + 1
456            level <<- level + 1
457    
458            if (length(object@children) > 0) {
459                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
460                left <- set_id(object@children[[1]])
461                if (level == 1) {
462                    left.mapping <<- mapping
463                    mapping <<- NULL
464                }
465                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
466                right <- set_id(object@children[[2]])
467    
468                object@children <- list(left, right)
469            }
470            level <<- level - 1
471    
472            return(object)
473        }
474    
475        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
476    }
477    
478  setMethod("c",  setMethod("c",
479            signature(x = "TextDocCol"),            signature(x = "Corpus"),
480            function(x, ..., recursive = TRUE){            function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
481                args <- list(...)                args <- list(...)
482                if(length(args) == 0)                if(length(args) == 0)
483                    return(x)                    return(x)
484                return(as(c(as(x, "list"), ...), "TextDocCol"))  
485                  if (!all(sapply(args, inherits, "Corpus")))
486                      stop("not all arguments are text document collections")
487                  if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
488                      stop("concatenating text document collections with activated database is not supported")
489    
490                  result <- x
491                  for (c in args) {
492                      result <- c2(result, c)
493                  }
494                  return(result)
495      })      })
496    
497    setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
498    setMethod("c2",
499              signature(x = "Corpus", y = "Corpus"),
500              function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
501                  object <- x
502                  # Concatenate data slots
503                  object@.Data <- c(as(x, "list"), as(y, "list"))
504    
505                  # Set the DBControl slot
506                  object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
507    
508                  # Update the CMetaData tree
509                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
510                  update.struct <- update_id(cmeta)
511                  object@CMetaData <- update.struct$root
512    
513                  # Find indices to be updated for the left tree
514                  indices.mapping <- NULL
515                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
516                      indices <- (DMetaData(x)$MetaID == m)
517                      indices.mapping <- c(indices.mapping, list(m = indices))
518                      names(indices.mapping)[length(indices.mapping)] <- m
519                  }
520    
521                  # Update the DMetaData data frames for the left tree
522                  for (i in 1:ncol(update.struct$left.mapping)) {
523                      map <- update.struct$left.mapping[,i]
524                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
525                  }
526    
527                  # Find indices to be updated for the right tree
528                  indices.mapping <- NULL
529                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
530                      indices <- (DMetaData(y)$MetaID == m)
531                      indices.mapping <- c(indices.mapping, list(m = indices))
532                      names(indices.mapping)[length(indices.mapping)] <- m
533                  }
534    
535                  # Update the DMetaData data frames for the right tree
536                  for (i in 1:ncol(update.struct$right.mapping)) {
537                      map <- update.struct$right.mapping[,i]
538                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
539                  }
540    
541                  # Merge the DMetaData data frames
542                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
543                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
544                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
545                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
546                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
547                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
548                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
549    
550                  return(object)
551              })
552    
553  setMethod("c",  setMethod("c",
554            signature(x = "TextDocument"),            signature(x = "TextDocument"),
555            function(x, ..., recursive = TRUE){            function(x, ..., recursive = TRUE){
556                args <- list(...)                args <- list(...)
557                if(length(args) == 0)                if(length(args) == 0)
558                    return(x)                    return(x)
559                return(new("TextDocCol", .Data = list(x, ...)))  
560                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
561                  cmeta.node <- new("MetaDataNode",
562                                NodeID = 0,
563                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
564                                children = list())
565    
566                  return(new("Corpus",
567                             .Data = list(x, ...),
568                             DMetaData = dmeta.df,
569                             CMetaData = cmeta.node,
570                             DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
571      })      })
572    
573  setMethod("length",  setMethod("length",
574            signature(x = "TextDocCol"),            signature(x = "Corpus"),
575            function(x){            function(x){
576                return(length(as(x, "list")))                return(length(as(x, "list")))
577      })      })
578    
579  setMethod("show",  setMethod("show",
580            signature(object = "TextDocCol"),            signature(object = "Corpus"),
581            function(object){            function(object){
582                cat("A text document collection with", length(object), "text document")                cat(sprintf(ngettext(length(object),
583                if (length(object) == 1)                                     "A text document collection with %d text document\n",
584                    cat("\n")                                     "A text document collection with %d text documents\n"),
585                else                            length(object)))
                   cat("s\n")  
586      })      })
587    
588  setMethod("summary",  setMethod("summary",
589            signature(object = "TextDocCol"),            signature(object = "Corpus"),
590            function(object){            function(object){
591                show(object)                show(object)
592                if (length(GlobalMetaData(object)) > 0) {                if (length(DMetaData(object)) > 0) {
593                    cat("\nThe global metadata consists of", length(GlobalMetaData(object)), "tag-value pair")                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
594                    if (length(GlobalMetaData(object)) == 1)                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",
595                        cat(".\n")                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
596                    else                                         length(CMetaData(object)@MetaData)))
                       cat("s.\n")  
597                    cat("Available tags are:\n")                    cat("Available tags are:\n")
598                    cat(names(GlobalMetaData(object)), "\n")                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
599                      cat("Available variables in the data frame are:\n")
600                      cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
601                }                }
602      })      })
603    
604  setGeneric("inspect", function(object) standardGeneric("inspect"))  setGeneric("inspect", function(object) standardGeneric("inspect"))
605  setMethod("inspect",  setMethod("inspect",
606            signature("TextDocCol"),            signature("Corpus"),
607            function(object) {            function(object) {
608                summary(object)                summary(object)
609                cat("\n")                cat("\n")
610                show(as(object, "list"))                if (DBControl(object)[["useDb"]]) {
611                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
612                      show(dbMultiFetch(db, unlist(object)))
613                  }
614                  else
615                      print(noquote(lapply(object, identity)))
616            })            })
617    
618  # No metadata is checked  # No metadata is checked
619  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
620  setMethod("%IN%",  setMethod("%IN%",
621            signature(x = "TextDocument", y = "TextDocCol"),            signature(x = "TextDocument", y = "Corpus"),
622            function(x, y) {            function(x, y) {
623                x %in% y                if (DBControl(y)[["useDb"]]) {
624                      db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
625                      result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))
626                  }
627                  else
628                      result <- x %in% y
629                  return(result)
630              })
631    
632    setMethod("lapply",
633              signature(X = "Corpus"),
634              function(X, FUN, ...) {
635                  if (DBControl(X)[["useDb"]]) {
636                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
637                      result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
638                  }
639                  else {
640                      lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
641                      if (!is.null(lazyTmMap))
642                          .Call("copyCorpus", X, materialize(X))
643                      result <- base::lapply(X, FUN, ...)
644                  }
645                  return(result)
646              })
647    
648    setMethod("sapply",
649              signature(X = "Corpus"),
650              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
651                  if (DBControl(X)[["useDb"]]) {
652                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
653                      result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
654                  }
655                  else {
656                      lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
657                      if (!is.null(lazyTmMap))
658                          .Call("copyCorpus", X, materialize(X))
659                      result <- base::sapply(X, FUN, ...)
660                  }
661                  return(result)
662              })
663    
664    setAs("list", "Corpus", function(from) {
665        cmeta.node <- new("MetaDataNode",
666                          NodeID = 0,
667                          MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
668                          children = list())
669        data <- list()
670        counter <- 1
671        for (f in from) {
672            doc <- new("PlainTextDocument",
673                       .Data = f, URI = NULL, Cached = TRUE,
674                       Author = "", DateTimeStamp = Sys.time(),
675                       Description = "", ID = as.character(counter),
676                       Origin = "", Heading = "", Language = "en_US")
677            data <- c(data, list(doc))
678            counter <- counter + 1
679        }
680        return(new("Corpus", .Data = data,
681                   DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),
682                   CMetaData = cmeta.node,
683                   DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))
684    })
685    
686    setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))
687    setMethod("writeCorpus",
688              signature(object = "Corpus"),
689              function(object, path = ".", filenames = NULL) {
690                  filenames <- file.path(path,
691                                         if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))
692                                         else filenames)
693                  i <- 1
694                  for (o in object) {
695                      writeLines(asPlain(o), filenames[i])
696                      i <- i + 1
697                  }
698            })            })

Legend:
Removed from v.66  
changed lines
  Added in v.861

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