SCM

SCM Repository

[tm] Diff of /pkg/R/corpus.R
ViewVC logotype

Diff of /pkg/R/corpus.R

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

trunk/R/textmin/R/textdoccol.R revision 66, Tue Oct 31 22:03:33 2006 UTC pkg/R/textdoccol.R revision 909, Sun Mar 22 12:45:59 2009 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                tdl <- list()                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) || (!object@LoDSupport))
21                      readerControl$load <- TRUE
22    
23                  if (dbControl$useDb && require("filehash")) {
24                      if (!dbCreate(dbControl$dbName, dbControl$dbType))
25                          stop("error in creating database")
26                      db <- dbInit(dbControl$dbName, dbControl$dbType)
27                  }
28    
29                  # Allocate memory in advance if length is known
30                  tdl <- if (object@Length > 0)
31                      vector("list", as.integer(object@Length))
32                  else
33                      list()
34    
35                  if ((!dbControl$useDb) && object@Vectorized)
36                      tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),
37                                    function(x) readerControl$reader(x[c("content", "uri")],
38                                                                     readerControl$load,
39                                                                     readerControl$language,
40                                                                     as.character(x$id)))
41                  else {
42                counter <- 1                counter <- 1
43                while (!eoi(object)) {                while (!eoi(object)) {
44                    object <- step_next(object)                        object <- stepNext(object)
45                    elem <- get_elem(object)                        elem <- getElem(object)
46                    # If there is no Load on Demand support                        doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))
47                    # we need to load the corpus into memory at startup                        if (dbControl$useDb && require("filehash")) {
48                    if (object@LoDSupport)                            dbInsert(db, ID(doc), doc)
49                        load <- object@Load                            if (object@Length > 0)
50                    else                                tdl[[counter]] <- ID(doc)
                       load <- TRUE  
                   tdl <- c(tdl, list(parser(elem, object@LoDSupport, load, as.character(counter))))  
                   counter <- counter + 1  
               }  
   
               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)  
51                else                else
52                    return(FALSE)                                tdl <- c(tdl, ID(doc))
           })  
 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 = "")  
53          }          }
54          else {          else {
55              doc <- new("PlainTextDocument", URI = elem$uri, Cached = FALSE,                            if (object@Length > 0)
56                         Author = "", DateTimeStamp = date(), Description = "", ID = id, Origin = "", Heading = "")                                tdl[[counter]] <- doc
         }  
   
         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"]])  
57          else          else
58              author <- ""                                tdl <- c(tdl, list(doc))
   
         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))  
59          }          }
60                          counter <- counter + 1
         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)  
61      }      }
62  }  }
 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"]])  
63    
64      new("PlainTextDocument", .Data = corpus, Cached = TRUE, URI = "", Author = "", DateTimeStamp = datetimestamp,                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
65          Description = "", ID = id, Origin = "Reuters Corpus Volume 1 XML", Heading = heading)                if (dbControl$useDb && require("filehash")) {
66                      dbInsert(db, "DMetaData", df)
67                      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
68  }  }
   
 # 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"]])  
69      else      else
70          author <- ""                    dmeta.df <- df
71    
72      datetimestamp <- xmlValue(node[["DATE"]])                cmeta.node <- new("MetaDataNode",
73      description <- ""                              NodeID = 0,
74      id <- xmlAttrs(node)[["NEWID"]]                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
75                                children = list())
     origin <- "Reuters-21578 XML"  
   
     # The <BODY></BODY> tag is unfortunately NOT obligatory!  
     if (!is.null(node[["TEXT"]][["BODY"]]))  
         corpus <- xmlValue(node[["TEXT"]][["BODY"]])  
     else  
         corpus <- ""  
76    
77      # The <TITLE></TITLE> tag is unfortunately NOT obligatory!                return(new("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
78      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))  
 }  
79    
80  setGeneric("load_doc", function(object, ...) standardGeneric("load_doc"))  setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
81  setMethod("load_doc",  setMethod("loadDoc",
82            signature(object = "PlainTextDocument"),            signature(object = "PlainTextDocument"),
83            function(object, ...) {            function(object, ...) {
84                if (!Cached(object)) {                if (!Cached(object)) {
85                    con <- eval(parse(text = URI(object)))                    con <- eval(URI(object))
86                    corpus <- readLines(con)                    corpus <- readLines(con)
87                    close(con)                    close(con)
88                    Corpus(object) <- corpus                    Content(object) <- corpus
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 =  "XMLTextDocument"),            signature(object =  "XMLTextDocument"),
97            function(object, ...) {            function(object, ...) {
98                if (!Cached(object)) {                if (!Cached(object) && require("XML")) {
99                    con <- eval(parse(text = URI(object)))                    con <- eval(URI(object))
100                    corpus <- paste(readLines(con), "\n", collapse = "")                    corpus <- paste(readLines(con), "\n", collapse = "")
101                    close(con)                    close(con)
102                    doc <- xmlTreeParse(corpus, asText = TRUE)                    doc <- xmlTreeParse(corpus, asText = TRUE)
103                    class(doc) <- "list"                    class(doc) <- "list"
104                    Corpus(object) <- doc                    Content(object) <- doc
105                    Cached(object) <- TRUE                    Cached(object) <- TRUE
106                    return(object)                    return(object)
107                } else {                } else {
108                    return(object)                    return(object)
109                }                }
110            })            })
111  setMethod("load_doc",  setMethod("loadDoc",
112            signature(object = "NewsgroupDocument"),            signature(object = "NewsgroupDocument"),
113            function(object, ...) {            function(object, ...) {
114                if (!Cached(object)) {                if (!Cached(object)) {
115                    con <- eval(parse(text = URI(object)))                    con <- eval(URI(object))
116                    mail <- readLines(con)                    mail <- readLines(con)
117                    close(con)                    close(con)
118                    Cached(object) <- TRUE                    Cached(object) <- TRUE
119                    for (index in seq(along = mail)) {                    for (index in seq_along(mail)) {
120                        if (mail[index] == "")                        if (mail[index] == "")
121                            break                            break
122                    }                    }
123                    Corpus(object) <- mail[(index + 1):length(mail)]                    Content(object) <- mail[(index + 1):length(mail)]
124                    return(object)                    return(object)
125                } else {                } else {
126                    return(object)                    return(object)
127                }                }
128            })            })
129    setMethod("loadDoc",
130              signature(object = "StructuredTextDocument"),
131              function(object, ...) {
132                  if (!Cached(object)) {
133                      warning("load on demand not (yet) supported for StructuredTextDocuments")
134                      return(object)
135                  } else
136                      return(object)
137              })
138    
139  setGeneric("tm_transform", function(object, FUN, ...) standardGeneric("tm_transform"))  setGeneric("tmUpdate", function(object,
140  setMethod("tm_transform",                                  origin,
141            signature(object = "TextDocCol", FUN = "function"),                                  readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),
142            function(object, FUN, ...) {                                  ...) standardGeneric("tmUpdate"))
143                result <- as(lapply(object, FUN, ..., GlobalMetaData = GlobalMetaData(object)), "TextDocCol")  # Update is only supported for directories
144                result@GlobalMetaData <- GlobalMetaData(object)  # At the moment no other LoD devices are available anyway
145    setMethod("tmUpdate",
146              signature(object = "Corpus", origin = "DirSource"),
147              function(object, origin,
148                       readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),
149                       ...) {
150                  if (is.null(readerControl$reader))
151                      readerControl$reader <- origin@DefaultReader
152                  if (is(readerControl$reader, "FunctionGenerator"))
153                      readerControl$reader <- readerControl$reader(...)
154                  if (is.null(readerControl$language))
155                      readerControl$language = "en_US"
156                  if (is.null(readerControl$load))
157                      readerControl$load = TRUE
158    
159                  object.filelist <- unlist(lapply(object, function(x) {summary(eval(URI(x)))$description}))
160                  new.files <- setdiff(origin@FileList, object.filelist)
161    
162                  for (filename in new.files) {
163                      encoding <- origin@Encoding
164                      elem <- list(content = readLines(filename, encoding = encoding),
165                                   uri = substitute(file(filename, encoding = encoding)))
166                      object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
167                  }
168    
169                  return(object)
170              })
171    
172    setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))
173    setMethod("tmMap",
174              signature(object = "Corpus", FUN = "function"),
175              function(object, FUN, ..., lazy = FALSE) {
176                  result <- object
177                  # Note that text corpora are automatically loaded into memory via \code{[[}
178                  if (DBControl(object)[["useDb"]] && require("filehash")) {
179                      if (lazy)
180                          warning("lazy mapping is deactived when using database backend")
181                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
182                      i <- 1
183                      for (id in unlist(object)) {
184                          db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
185                          i <- i + 1
186                      }
187                      # Suggested by Christian Buchta
188                      dbReorganize(db)
189                  }
190                  else {
191                      # Lazy mapping
192                      if (lazy) {
193                          lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
194                          if (is.null(lazyTmMap)) {
195                              meta(result, tag = "lazyTmMap", type = "corpus") <-
196                                  list(index = rep(TRUE, length(result)),
197                                       maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
198                          }
199                          else {
200                              lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
201                              meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
202                          }
203                      }
204                      else {
205                          result@.Data <- if (clusterAvailable())
206                              snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))
207                          else
208                              lapply(object, FUN, ..., DMetaData = DMetaData(object))
209                      }
210                  }
211                return(result)                return(result)
212            })            })
213    
214  setGeneric("as.plaintext_doc", function(object, FUN, ...) standardGeneric("as.plaintext_doc"))  # Materialize lazy mappings
215  setMethod("as.plaintext_doc",  # Improvements by Christian Buchta
216    materialize <- function(corpus, range = seq_along(corpus)) {
217        lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")
218        if (!is.null(lazyTmMap)) {
219           # Make valid and lazy index
220           idx <- (seq_along(corpus) %in% range) & lazyTmMap$index
221           if (any(idx)) {
222               res <- lapply(corpus@.Data[idx], loadDoc)
223               for (m in lazyTmMap$maps)
224                   res <- lapply(res, m, DMetaData = DMetaData(corpus))
225               corpus@.Data[idx] <- res
226               lazyTmMap$index[idx] <- FALSE
227           }
228        }
229        # Clean up if everything is materialized
230        if (!any(lazyTmMap$index))
231            lazyTmMap <- NULL
232        meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
233        return(corpus)
234    }
235    
236    setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
237    setMethod("asPlain",
238            signature(object = "PlainTextDocument"),            signature(object = "PlainTextDocument"),
239            function(object, FUN, ...) {            function(object, FUN, ...) {
240                return(object)                return(object)
241            })            })
242  setMethod("as.plaintext_doc",  setMethod("asPlain",
243            signature(object = "XMLTextDocument", FUN = "function"),            signature(object = "XMLTextDocument"),
244            function(object, FUN, ...) {            function(object, FUN, ...) {
245                if (!Cached(object))                require("XML")
                   object <- load_doc(object)  
246    
247                corpus <- Corpus(object)                corpus <- Content(object)
248    
249                # As XMLDocument is no native S4 class, restore valid information                # As XMLDocument is no native S4 class, restore valid information
250                class(corpus) <- "XMLDocument"                class(corpus) <- "XMLDocument"
# Line 374  Line 252 
252    
253                return(FUN(xmlRoot(corpus), ...))                return(FUN(xmlRoot(corpus), ...))
254            })            })
255    setMethod("asPlain",
256              signature(object = "Reuters21578Document"),
257              function(object, FUN, ...) {
258                  require("XML")
259    
260  setGeneric("stem_doc", function(object, ...) standardGeneric("stem_doc"))                FUN <- convertReut21578XMLPlain
261  setMethod("stem_doc",                corpus <- Content(object)
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               if (!Cached(object))  
                   object <- load_doc(object)  
   
               require(Rstem)  
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               stemmedCorpus <- wordStem(splittedCorpus, ...)  
               Corpus(object) <- paste(stemmedCorpus, collapse = " ")  
               return(object)  
           })  
262    
263  setGeneric("remove_words", function(object, stopwords, ...) standardGeneric("remove_words"))                # As XMLDocument is no native S4 class, restore valid information
264  setMethod("remove_words",                class(corpus) <- "XMLDocument"
265            signature(object = "PlainTextDocument", stopwords = "character"),                names(corpus) <- c("doc","dtd")
           function(object, stopwords, ...) {  
               if (!Cached(object))  
                   object <- load_doc(object)  
266    
267                require(Rstem)                return(FUN(xmlRoot(corpus), ...))
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]  
               Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")  
               return(object)  
268            })            })
269    setMethod("asPlain",
270  setGeneric("tm_filter", function(object, ..., FUN = s_filter) standardGeneric("tm_filter"))            signature(object = "RCV1Document"),
271  setMethod("tm_filter",            function(object, FUN, ...) {
272            signature(object = "TextDocCol"),                return(convertRCV1Plain(object, ...))
           function(object, ..., FUN = s_filter) {  
               object[tm_index(object, ..., FUN)]  
273            })            })
274    setMethod("asPlain",
275  setGeneric("tm_index", function(object, ..., FUN = s_filter) standardGeneric("tm_index"))            signature(object = "NewsgroupDocument"),
276  setMethod("tm_index",            function(object, FUN, ...) {
277            signature(object = "TextDocCol"),                new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = NULL, Author = Author(object),
278            function(object, ..., FUN = s_filter) {                    DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
279                sapply(object, FUN, ..., GlobalMetaData = GlobalMetaData(object))                    Origin = Origin(object), Heading = Heading(object), Language = Language(object),
280                      LocalMetaData = LocalMetaData(object))
281              })
282    setMethod("asPlain",
283              signature(object = "StructuredTextDocument"),
284              function(object, FUN, ...) {
285                  new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,
286                      URI = NULL, Author = Author(object), DateTimeStamp = DateTimeStamp(object),
287                      Description = Description(object), ID = ID(object), Origin = Origin(object),
288                      Heading = Heading(object), Language = Language(object),
289                      LocalMetaData = LocalMetaData(object))
290            })            })
291    
292  s_filter <- function(object, s, ..., GlobalMetaData) {  setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))
293      b <- TRUE  setMethod("tmFilter",
294      for (tag in names(s)) {            signature(object = "Corpus"),
295          if (tag %in% names(LocalMetaData(object))) {            function(object, ..., FUN = searchFullText, doclevel = TRUE) {
296              b <- b && any(grep(s[[tag]], LocalMetaData(object)[[tag]]))                if (!is.null(attr(FUN, "doclevel")))
297          } else if (tag %in% names(GlobalMetaData)){                    doclevel <- attr(FUN, "doclevel")
298              b <- b && any(grep(s[[tag]], GlobalMetaData[[tag]]))                if (doclevel) {
299          } else {                    if (clusterAvailable())
300              b <- b && any(grep(s[[tag]], eval(call(tag, object))))                        return(object[snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))])
301          }                    else
302      }                        return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
     return(b)  
303  }  }
304                  else
305                      return(object[FUN(object, ...)])
306              })
307    
308  setGeneric("fulltext_search_filter", function(object, pattern, ...) standardGeneric("fulltext_search_filter"))  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))
309  setMethod("fulltext_search_filter",  setMethod("tmIndex",
310            signature(object = "PlainTextDocument", pattern = "character"),            signature(object = "Corpus"),
311            function(object, pattern, ...) {            function(object, ..., FUN = searchFullText, doclevel = TRUE) {
312                if (!Cached(object))                if (!is.null(attr(FUN, "doclevel")))
313                    object <- load_doc(object)                    doclevel <- attr(FUN, "doclevel")
314                  if (doclevel) {
315                      if (clusterAvailable())
316                          return(snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))
317                      else
318                          return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
319                  }
320                  else
321                      return(FUN(object, ...))
322              })
323    
324                return(any(grep(pattern, Corpus(object))))  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
325    setMethod("appendElem",
326              signature(object = "Corpus", data = "TextDocument"),
327              function(object, data, meta = NULL) {
328                  if (DBControl(object)[["useDb"]] && require("filehash")) {
329                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
330                      if (dbExists(db, ID(data)))
331                          warning("document with identical ID already exists")
332                      dbInsert(db, ID(data), data)
333                      object@.Data[[length(object)+1]] <- ID(data)
334                  }
335                  else
336                      object@.Data[[length(object)+1]] <- data
337                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
338                  return(object)
339            })            })
340    
341  setGeneric("attach_data", function(object, data) standardGeneric("attach_data"))  setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
342  setMethod("attach_data",  setMethod("appendMeta",
343            signature(object = "TextDocCol", data = "TextDocument"),            signature(object = "Corpus"),
344            function(object, data) {            function(object, cmeta = NULL, dmeta = NULL) {
345                data <- as(list(data), "TextDocCol")                object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
346                object@.Data <- as(c(object@.Data, data), "TextDocCol")                if (!is.null(dmeta)) {
347                      DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
348                  }
349                return(object)                return(object)
350            })            })
351    
352  setGeneric("attach_metadata", function(object, name, metadata) standardGeneric("attach_metadata"))  setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
353  setMethod("attach_metadata",  setMethod("removeMeta",
354            signature(object = "TextDocCol"),            signature(object = "Corpus"),
355            function(object, name, metadata) {            function(object, cname = NULL, dname = NULL) {
356                object@GlobalMetaData <- c(GlobalMetaData(object), new = list(metadata))                if (!is.null(cname))
357                names(object@GlobalMetaData)[length(names(GlobalMetaData(object)))] <- name                    object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
358                  if (!is.null(dname))
359                      DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
360                return(object)                return(object)
361            })            })
362    
363  setGeneric("set_subscriptable", function(object, name) standardGeneric("set_subscriptable"))  setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
364  setMethod("set_subscriptable",  setMethod("prescindMeta",
365            signature(object = "TextDocCol"),            signature(object = "Corpus", meta = "character"),
366            function(object, name) {            function(object, meta) {
367                if (!is.character(GlobalMetaData(object)$subscriptable))                for (m in meta) {
368                    object <- attach_metadata(object, "subscriptable", name)                    if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
369                else                        local.m <- lapply(object, m)
370                    object@GlobalMetaData$subscriptable <- c(GlobalMetaData(object)$subscriptable, name)                        local.m <- sapply(local.m, paste, collapse = " ")
371                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
372                          local.m <- unlist(local.m)
373                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
374                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
375                      }
376                      else {
377                          local.meta <- lapply(object, LocalMetaData)
378                          local.m <- lapply(local.meta, "[[", m)
379                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
380                          if (length(local.m) == length(unlist(local.m)))
381                              local.m <- unlist(local.m)
382                          else
383                              local.m <- I(local.m)
384                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
385                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
386                      }
387                  }
388                return(object)                return(object)
389            })            })
390    
391  setMethod("[",  setMethod("[",
392            signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),            signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),
393            function(x, i, j, ... , drop) {            function(x, i, j, ... , drop) {
394                if(missing(i))                if(missing(i))
395                    return(x)                    return(x)
396    
397                object <- x                object <- x
398                object@.Data <- x@.Data[i, ..., drop = FALSE]                object@.Data <- x@.Data[i, ..., drop = FALSE]
399                for (m in names(GlobalMetaData(object))) {                if (DBControl(object)[["useDb"]] && require("filehash")) {
400                    if (m %in% GlobalMetaData(object)$subscriptable) {                    index <- object@DMetaData[[1 , "subset"]]
401                        object@GlobalMetaData[[m]] <- GlobalMetaData(object)[[m]][i, ..., drop = FALSE]                    if (any(is.na(index)))
402                    }                        object@DMetaData[[1 , "subset"]] <- i
403                      else
404                          object@DMetaData[[1 , "subset"]] <- index[i]
405                }                }
406                  else
407                      DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
408                return(object)                return(object)
409            })            })
410    
411  setMethod("[<-",  setMethod("[<-",
412            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
413            function(x, i, j, ... , value) {            function(x, i, j, ... , value) {
414                object <- x                object <- x
415                  if (DBControl(object)[["useDb"]] && require("filehash")) {
416                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
417                      counter <- 1
418                      for (id in object@.Data[i, ...]) {
419                          if (length(value) == 1)
420                              db[[id]] <- value
421                          else {
422                              db[[id]] <- value[[counter]]
423                          }
424                          counter <- counter + 1
425                      }
426                  }
427                  else
428                object@.Data[i, ...] <- value                object@.Data[i, ...] <- value
429                return(object)                return(object)
430            })            })
431    
432  setMethod("[[",  setMethod("[[",
433            signature(x = "TextDocCol", i = "ANY", j = "ANY"),            signature(x = "Corpus", i = "ANY", j = "ANY"),
434            function(x, i, j, ...) {            function(x, i, j, ...) {
435                return(x@.Data[[i, ...]])                if (DBControl(x)[["useDb"]] && require("filehash")) {
436                      db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
437                      result <- dbFetch(db, x@.Data[[i]])
438                      return(loadDoc(result))
439                  }
440                  else {
441                      lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
442                      if (!is.null(lazyTmMap))
443                          .Call("copyCorpus", x, materialize(x, i))
444                      return(loadDoc(x@.Data[[i]]))
445                  }
446            })            })
447    
448  setMethod("[[<-",  setMethod("[[<-",
449            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
450            function(x, i, j, ..., value) {            function(x, i, j, ..., value) {
451                object <- x                object <- x
452                  if (DBControl(object)[["useDb"]] && require("filehash")) {
453                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
454                      index <- object@.Data[[i]]
455                      db[[index]] <- value
456                  }
457                  else {
458                      # Mark new objects as not active for lazy mapping
459                      lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
460                      if (!is.null(lazyTmMap)) {
461                          lazyTmMap$index[i] <- FALSE
462                          meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
463                      }
464                      # Set the value
465                object@.Data[[i, ...]] <- value                object@.Data[[i, ...]] <- value
466                  }
467                return(object)                return(object)
468            })            })
469    
470    # Update \code{NodeID}s of a CMetaData tree
471    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
472        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
473        set_id <- function(object) {
474            object@NodeID <- id
475            id <<- id + 1
476            level <<- level + 1
477    
478            if (length(object@children) > 0) {
479                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
480                left <- set_id(object@children[[1]])
481                if (level == 1) {
482                    left.mapping <<- mapping
483                    mapping <<- NULL
484                }
485                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
486                right <- set_id(object@children[[2]])
487    
488                object@children <- list(left, right)
489            }
490            level <<- level - 1
491    
492            return(object)
493        }
494    
495        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
496    }
497    
498  setMethod("c",  setMethod("c",
499            signature(x = "TextDocCol"),            signature(x = "Corpus"),
500            function(x, ..., recursive = TRUE){            function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
501                args <- list(...)                args <- list(...)
502                if(length(args) == 0)                if(length(args) == 0)
503                    return(x)                    return(x)
504                return(as(c(as(x, "list"), ...), "TextDocCol"))  
505                  if (!all(sapply(args, inherits, "Corpus")))
506                      stop("not all arguments are corpora")
507                  if (DBControl(x)[["useDb"]] || any(unlist(sapply(args, DBControl)["useDb", ])))
508                      stop("concatenating corpora with activated database is not supported")
509    
510                  Reduce(c2, base::c(list(x), args))
511      })      })
512    
513    setGeneric("c2", function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
514    setMethod("c2",
515              signature(x = "Corpus", y = "Corpus"),
516              function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
517                  object <- x
518                  # Concatenate data slots
519                  object@.Data <- c(as(x, "list"), as(y, "list"))
520    
521                  # Set the DBControl slot
522                  object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
523    
524                  # Update the CMetaData tree
525                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
526                  update.struct <- update_id(cmeta)
527                  object@CMetaData <- update.struct$root
528    
529                  # Find indices to be updated for the left tree
530                  indices.mapping <- NULL
531                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
532                      indices <- (DMetaData(x)$MetaID == m)
533                      indices.mapping <- c(indices.mapping, list(m = indices))
534                      names(indices.mapping)[length(indices.mapping)] <- m
535                  }
536    
537                  # Update the DMetaData data frames for the left tree
538                  for (i in 1:ncol(update.struct$left.mapping)) {
539                      map <- update.struct$left.mapping[,i]
540                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
541                  }
542    
543                  # Find indices to be updated for the right tree
544                  indices.mapping <- NULL
545                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
546                      indices <- (DMetaData(y)$MetaID == m)
547                      indices.mapping <- c(indices.mapping, list(m = indices))
548                      names(indices.mapping)[length(indices.mapping)] <- m
549                  }
550    
551                  # Update the DMetaData data frames for the right tree
552                  for (i in 1:ncol(update.struct$right.mapping)) {
553                      map <- update.struct$right.mapping[,i]
554                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
555                  }
556    
557                  # Merge the DMetaData data frames
558                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
559                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
560                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
561                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
562                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
563                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
564                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
565    
566                  return(object)
567              })
568    
569  setMethod("c",  setMethod("c",
570            signature(x = "TextDocument"),            signature(x = "TextDocument"),
571            function(x, ..., recursive = TRUE){            function(x, ..., recursive = TRUE){
572                args <- list(...)                args <- list(...)
573                if(length(args) == 0)                if(length(args) == 0)
574                    return(x)                    return(x)
575                return(new("TextDocCol", .Data = list(x, ...)))  
576                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
577                  cmeta.node <- new("MetaDataNode",
578                                NodeID = 0,
579                                MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
580                                children = list())
581    
582                  return(new("Corpus",
583                             .Data = list(x, ...),
584                             DMetaData = dmeta.df,
585                             CMetaData = cmeta.node,
586                             DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
587      })      })
588    
589  setMethod("length",  setMethod("length",
590            signature(x = "TextDocCol"),            signature(x = "Corpus"),
591            function(x){            function(x){
592                return(length(as(x, "list")))                return(length(as(x, "list")))
593      })      })
594    
595  setMethod("show",  setMethod("show",
596            signature(object = "TextDocCol"),            signature(object = "Corpus"),
597            function(object){            function(object){
598                cat("A text document collection with", length(object), "text document")                cat(sprintf(ngettext(length(object),
599                if (length(object) == 1)                                     "A corpus with %d text document\n",
600                    cat("\n")                                     "A corpus with %d text documents\n"),
601                else                            length(object)))
                   cat("s\n")  
602      })      })
603    
604  setMethod("summary",  setMethod("summary",
605            signature(object = "TextDocCol"),            signature(object = "Corpus"),
606            function(object){            function(object){
607                show(object)                show(object)
608                if (length(GlobalMetaData(object)) > 0) {                if (length(DMetaData(object)) > 0) {
609                    cat("\nThe global metadata consists of", length(GlobalMetaData(object)), "tag-value pair")                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
610                    if (length(GlobalMetaData(object)) == 1)                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",
611                        cat(".\n")                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
612                    else                                         length(CMetaData(object)@MetaData)))
                       cat("s.\n")  
613                    cat("Available tags are:\n")                    cat("Available tags are:\n")
614                    cat(names(GlobalMetaData(object)), "\n")                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
615                      cat("Available variables in the data frame are:\n")
616                      cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
617                }                }
618      })      })
619    
620  setGeneric("inspect", function(object) standardGeneric("inspect"))  setGeneric("inspect", function(object) standardGeneric("inspect"))
621  setMethod("inspect",  setMethod("inspect",
622            signature("TextDocCol"),            signature("Corpus"),
623            function(object) {            function(object) {
624                summary(object)                summary(object)
625                cat("\n")                cat("\n")
626                show(as(object, "list"))                if (DBControl(object)[["useDb"]] && require("filehash")) {
627                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
628                      show(dbMultiFetch(db, unlist(object)))
629                  }
630                  else
631                      print(noquote(lapply(object, identity)))
632            })            })
633    
634  # No metadata is checked  # No metadata is checked
635  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
636  setMethod("%IN%",  setMethod("%IN%",
637            signature(x = "TextDocument", y = "TextDocCol"),            signature(x = "TextDocument", y = "Corpus"),
638            function(x, y) {            function(x, y) {
639                x %in% y                if (DBControl(y)[["useDb"]] && require("filehash")) {
640                      db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
641                      result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))
642                  }
643                  else
644                      result <- x %in% y
645                  return(result)
646              })
647    
648    setMethod("lapply",
649              signature(X = "Corpus"),
650              function(X, FUN, ...) {
651                  if (DBControl(X)[["useDb"]] && require("filehash")) {
652                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
653                      result <- lapply(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::lapply(X, FUN, ...)
660                  }
661                  return(result)
662              })
663    
664    setMethod("sapply",
665              signature(X = "Corpus"),
666              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
667                  if (DBControl(X)[["useDb"]] && require("filehash")) {
668                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
669                      result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
670                  }
671                  else {
672                      lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
673                      if (!is.null(lazyTmMap))
674                          .Call("copyCorpus", X, materialize(X))
675                      result <- base::sapply(X, FUN, ...)
676                  }
677                  return(result)
678              })
679    
680    setAs("list", "Corpus", function(from) {
681        cmeta.node <- new("MetaDataNode",
682                          NodeID = 0,
683                          MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
684                          children = list())
685        data <- list()
686        counter <- 1
687        for (f in from) {
688            doc <- new("PlainTextDocument",
689                       .Data = f, URI = NULL, Cached = TRUE,
690                       Author = "", DateTimeStamp = as.POSIXlt(Sys.time(), tz = "GMT"),
691                       Description = "", ID = as.character(counter),
692                       Origin = "", Heading = "", Language = "en_US")
693            data <- c(data, list(doc))
694            counter <- counter + 1
695        }
696        return(new("Corpus", .Data = data,
697                   DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),
698                   CMetaData = cmeta.node,
699                   DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))
700    })
701    
702    setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))
703    setMethod("writeCorpus",
704              signature(object = "Corpus"),
705              function(object, path = ".", filenames = NULL) {
706                  filenames <- file.path(path,
707                                         if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))
708                                         else filenames)
709                  i <- 1
710                  for (o in object) {
711                      writeLines(asPlain(o), filenames[i])
712                      i <- i + 1
713                  }
714            })            })

Legend:
Removed from v.66  
changed lines
  Added in v.909

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