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/tm/R/textdoccol.R revision 744, Mon Apr 23 00:35:10 2007 UTC pkg/R/corpus.R revision 987, Wed Sep 2 17:54:45 2009 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # The "..." are additional arguments for the FunctionGenerator reader  prepareReader <- function(readerControl, defaultReader = NULL, ...) {
4  setGeneric("TextDocCol", function(object,      if (is.null(readerControl$reader))
5                                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = FALSE),          readerControl$reader <- defaultReader
6                                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),      if (inherits(readerControl$reader, "FunctionGenerator"))
                                   ...) standardGeneric("TextDocCol"))  
 setMethod("TextDocCol",  
           signature(object = "Source"),  
           function(object,  
                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = FALSE),  
                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),  
                    ...) {  
               if (attr(readerControl$reader, "FunctionGenerator"))  
7                    readerControl$reader <- readerControl$reader(...)                    readerControl$reader <- readerControl$reader(...)
8        if (is.null(readerControl$language))
9            readerControl$language <- "eng"
10        readerControl
11    }
12    
13                if (dbControl$useDb) {  # Node ID, actual meta data, and possibly other nodes as children
14                    if (!dbCreate(dbControl$dbName, dbControl$dbType))  .MetaDataNode <- function(nodeid = 0, meta = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")), children = NULL) {
15                        stop("error in creating database")      structure(list(NodeID = nodeid, MetaData = meta, Children = children),
16                    db <- dbInit(dbControl$dbName, dbControl$dbType)                class = "MetaDataNode")
17                }                }
18    
19                tdl <- list()  print.MetaDataNode <- function(x, ...)
20                counter <- 1      print(x$MetaData)
21                while (!eoi(object)) {  
22                    object <- stepNext(object)  .PCorpus <- function(x, cmeta, dmeta, dbcontrol) {
23                    elem <- getElem(object)      attr(x, "CMetaData") <- cmeta
24                    # If there is no Load on Demand support      attr(x, "DMetaData") <- dmeta
25                    # we need to load the corpus into memory at startup      attr(x, "DBControl") <- dbcontrol
26                    if (!object@LoDSupport)      class(x) <- c("PCorpus", "Corpus", "list")
27                        readerControl$load <- TRUE      x
                   doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))  
                   if (dbControl$useDb) {  
                       dbInsert(db, ID(doc), doc)  
                       tdl <- c(tdl, ID(doc))  
28                    }                    }
29    
30    PCorpus <- function(x,
31                        readerControl = list(reader = x$DefaultReader, language = "eng"),
32                        dbControl = list(dbName = "", dbType = "DB1"),
33                        ...) {
34        readerControl <- prepareReader(readerControl, x$DefaultReader, ...)
35    
36        if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
37            stop("error in creating database")
38        db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
39    
40        # Allocate memory in advance if length is known
41        tdl <- if (x$Length > 0)
42            vector("list", as.integer(x$Length))
43                    else                    else
44                        tdl <- c(tdl, list(doc))          list()
45    
46        counter <- 1
47        while (!eoi(x)) {
48            x <- stepNext(x)
49            elem <- getElem(x)
50            doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
51            filehash::dbInsert(db, ID(doc), doc)
52            if (x$Length > 0) tdl[[counter]] <- ID(doc)
53            else tdl <- c(tdl, ID(doc))
54                    counter <- counter + 1                    counter <- counter + 1
55                }                }
56    
57                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
58                if (dbControl$useDb) {      filehash::dbInsert(db, "DMetaData", df)
                   dbInsert(db, "DMetaData", df)  
59                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
                   dbDisconnect(db)  
               }  
               else  
                   dmeta.df <- df  
   
               cmeta.node <- new("MetaDataNode",  
                             NodeID = 0,  
                             MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),  
                             children = list())  
   
               return(new("TextDocCol", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))  
           })  
   
 setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))  
 setMethod("loadDoc",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   corpus <- readLines(con)  
                   close(con)  
                   Corpus(object) <- corpus  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object =  "XMLTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   corpus <- paste(readLines(con), "\n", collapse = "")  
                   close(con)  
                   doc <- xmlTreeParse(corpus, asText = TRUE)  
                   class(doc) <- "list"  
                   Corpus(object) <- doc  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object = "NewsgroupDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   mail <- readLines(con)  
                   close(con)  
                   Cached(object) <- TRUE  
                   for (index in seq_along(mail)) {  
                       if (mail[index] == "")  
                           break  
                   }  
                   Corpus(object) <- mail[(index + 1):length(mail)]  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
   
 setGeneric("tmUpdate", function(object,  
                                 origin,  
                                 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),  
                                 ...) standardGeneric("tmUpdate"))  
 # Update is only supported for directories  
 # At the moment no other LoD devices are available anyway  
 setMethod("tmUpdate",  
           signature(object = "TextDocCol", origin = "DirSource"),  
           function(object, origin,  
                    readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),  
                    ...) {  
               if (inherits(readerControl$reader, "FunctionGenerator"))  
                   readerControl$reader <- readerControl$reader(...)  
   
               object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))  
               new.files <- setdiff(origin@FileList, object.filelist)  
60    
61                for (filename in new.files) {      .PCorpus(tdl, .MetaDataNode(), dmeta.df, dbControl)
                   elem <- list(content = readLines(filename),  
                                uri = substitute(file(filename)))  
                   object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))  
               }  
   
               return(object)  
           })  
   
 setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))  
 setMethod("tmMap",  
           signature(object = "TextDocCol", FUN = "function"),  
           function(object, FUN, ...) {  
               result <- object  
               # Note that text corpora are automatically loaded into memory via \code{[[}  
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   i <- 1  
                   for (id in unlist(object)) {  
                       db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))  
                       i <- i + 1  
62                    }                    }
63                    dbDisconnect(db)  
64    .VCorpus <- function(x, cmeta, dmeta) {
65        attr(x, "CMetaData") <- cmeta
66        attr(x, "DMetaData") <- dmeta
67        class(x) <- c("VCorpus", "Corpus", "list")
68        x
69                }                }
               else  
                   result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))  
               return(result)  
           })  
   
 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))  
 setMethod("asPlain",  
           signature(object = "PlainTextDocument"),  
           function(object, FUN, ...) {  
               return(object)  
           })  
 setMethod("asPlain",  
           signature(object = "XMLTextDocument", FUN = "function"),  
           function(object, FUN, ...) {  
               corpus <- Corpus(object)  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
 setMethod("asPlain",  
           signature(object = "NewsgroupDocument"),  
           function(object, FUN, ...) {  
               new("PlainTextDocument", .Data = Corpus(object), Cached = TRUE, URI = "", Author = Author(object),  
                   DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),  
                   Origin = Origin(object), Heading = Heading(object), Language = Language(object))  
           })  
   
 setGeneric("tmTolower", function(object, ...) standardGeneric("tmTolower"))  
 setMethod("tmTolower",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               Corpus(object) <- tolower(object)  
               return(object)  
           })  
   
 setGeneric("stripWhitespace", function(object, ...) standardGeneric("stripWhitespace"))  
 setMethod("stripWhitespace",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               Corpus(object) <- gsub("[[:space:]]+", " ", object)  
               return(object)  
           })  
   
 setGeneric("stemDoc", function(object, language = "english", ...) standardGeneric("stemDoc"))  
 setMethod("stemDoc",  
           signature(object = "PlainTextDocument"),  
           function(object, language = "english", ...) {  
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               stemmedCorpus <- if (require("Rstem"))  
                   Rstem::wordStem(splittedCorpus, language)  
               else  
                   SnowballStemmer(splittedCorpus, Weka_control(S = language))  
               Corpus(object) <- paste(stemmedCorpus, collapse = " ")  
               return(object)  
           })  
   
 setGeneric("removePunctuation", function(object, ...) standardGeneric("removePunctuation"))  
 setMethod("removePunctuation",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               Corpus(object) <- gsub("[[:punct:]]+", "", Corpus(object))  
               return(object)  
           })  
   
 setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))  
 setMethod("removeWords",  
           signature(object = "PlainTextDocument", stopwords = "character"),  
           function(object, stopwords, ...) {  
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]  
               Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")  
               return(object)  
           })  
   
 setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))  
 setMethod("tmFilter",  
           signature(object = "TextDocCol"),  
           function(object, ..., FUN = sFilter, doclevel = FALSE) {  
               if (doclevel)  
                   return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])  
               else  
                   return(object[FUN(object, ...)])  
           })  
70    
71  setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))  # The "..." are additional arguments for the FunctionGenerator reader
72  setMethod("tmIndex",  VCorpus <- Corpus <- function(x,
73            signature(object = "TextDocCol"),                      readerControl = list(reader = x$DefaultReader, language = "eng"),
74            function(object, ..., FUN = sFilter, doclevel = FALSE) {                      ...) {
75                if (doclevel)      readerControl <- prepareReader(readerControl, x$DefaultReader, ...)
                   return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))  
               else  
                   return(FUN(object, ...))  
           })  
76    
77  sFilter <- function(object, s, ...) {      # Allocate memory in advance if length is known
78      con <- textConnection(s)      tdl <- if (x$Length > 0)
79      tokens <- scan(con, "character")          vector("list", as.integer(x$Length))
80      close(con)      else
81      localMetaNames <- unique(names(sapply(object, LocalMetaData)))          list()
82      localMetaTokens <- localMetaNames[localMetaNames %in% tokens]  
83      n <- names(DMetaData(object))      if (x$Vectorized)
84      tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)          tdl <- mapply(function(x, id) readerControl$reader(x, readerControl$language, id),
85      query.df <- DMetaData(prescindMeta(object, tags))                        pGetElem(x),
86      if (DBControl(object)[["useDb"]])                        id = as.character(seq_len(x$Length)),
87          DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = FALSE]                        SIMPLIFY = FALSE)
     # Rename to avoid name conflicts  
     names(query.df)[names(query.df) == "Author"] <- "author"  
     names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"  
     names(query.df)[names(query.df) == "Description"] <- "description"  
     names(query.df)[names(query.df) == "ID"] <- "identifier"  
     names(query.df)[names(query.df) == "Origin"] <- "origin"  
     names(query.df)[names(query.df) == "Heading"] <- "heading"  
     names(query.df)[names(query.df) == "Language"] <- "language"  
     attach(query.df)  
     try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))  
     detach(query.df)  
     return(result)  
 }  
   
 setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))  
 setMethod("searchFullText",  
           signature(object = "PlainTextDocument", pattern = "character"),  
           function(object, pattern, ...) {  
               return(any(grep(pattern, Corpus(object))))  
           })  
   
 setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  
 setMethod("appendElem",  
           signature(object = "TextDocCol", data = "TextDocument"),  
           function(object, data, meta = NULL) {  
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   if (dbExists(db, ID(data)))  
                       warning("document with identical ID already exists")  
                   dbInsert(db, ID(data), data)  
                   dbDisconnect(db)  
                   object@.Data[[length(object)+1]] <- ID(data)  
               }  
               else  
                   object@.Data[[length(object)+1]] <- data  
               DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))  
               return(object)  
           })  
   
 setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))  
 setMethod("appendMeta",  
           signature(object = "TextDocCol"),  
           function(object, cmeta = NULL, dmeta = NULL) {  
               object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)  
               if (!is.null(dmeta)) {  
                   DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))  
               }  
               return(object)  
           })  
   
 setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))  
 setMethod("removeMeta",  
           signature(object = "TextDocCol"),  
           function(object, cname = NULL, dname = NULL) {  
               if (!is.null(cname))  
                   object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]  
               if (!is.null(dname))  
                   DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]  
               return(object)  
           })  
   
 setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))  
 setMethod("prescindMeta",  
           signature(object = "TextDocCol", meta = "character"),  
           function(object, meta) {  
               for (m in meta) {  
                   if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {  
                       local.m <- lapply(object, m)  
                       local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))  
                       local.m <- unlist(local.m)  
                       DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))  
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m  
                   }  
88                    else {                    else {
89                        local.meta <- lapply(object, LocalMetaData)          counter <- 1
90                        local.m <- lapply(local.meta, "[[", m)          while (!eoi(x)) {
91                        local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))              x <- stepNext(x)
92                        if (length(local.m) == length(unlist(local.m)))              elem <- getElem(x)
93                            local.m <- unlist(local.m)              doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
94                if (x$Length > 0)
95                    tdl[[counter]] <- doc
96                        else                        else
97                            local.m <- I(local.m)                  tdl <- c(tdl, list(doc))
98                        DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))              counter <- counter + 1
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m  
99                    }                    }
100                }                }
               return(object)  
           })  
   
 setMethod("[",  
           signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if(missing(i))  
                   return(x)  
101    
102                object <- x      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
103                object@.Data <- x@.Data[i, ..., drop = FALSE]      .VCorpus(tdl, .MetaDataNode(), df)
               if (DBControl(object)[["useDb"]]) {  
                   index <- object@DMetaData[[1 , "subset"]]  
                   if (any(is.na(index)))  
                       object@DMetaData[[1 , "subset"]] <- i  
                   else  
                       object@DMetaData[[1 , "subset"]] <- index[i]  
104                }                }
105                else  
106                    DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]  `[.PCorpus` <- function(x, i) {
107                return(object)      if (missing(i)) return(x)
108            })      cmeta <- CMetaData(x)
109        index <- attr(x, "DMetaData")[[1 , "subset"]]
110  setMethod("[<-",      attr(x, "DMetaData")[[1 , "subset"]] <- if (is.numeric(index)) index[i] else i
111            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),      dmeta <- attr(x, "DMetaData")
112            function(x, i, j, ... , value) {      dbcontrol <- DBControl(x)
113                object <- x      class(x) <- "list"
114                if (DBControl(object)[["useDb"]]) {      .PCorpus(x[i, drop = FALSE], cmeta, dmeta, dbcontrol)
115                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  }
116                    counter <- 1  
117                    for (id in object@.Data[i, ...]) {  `[.VCorpus` <- function(x, i) {
118                        if (length(value) == 1)      if (missing(i)) return(x)
119                            db[[id]] <- value      cmeta <- CMetaData(x)
120                        else {      dmeta <- DMetaData(x)[i, , drop = FALSE]
121                            db[[id]] <- value[[counter]]      class(x) <- "list"
122        .VCorpus(x[i, drop = FALSE], cmeta, dmeta)
123                        }                        }
124    
125    `[<-.PCorpus` <- function(x, i, value) {
126        db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
127        counter <- 1
128        for (id in unclass(x)[i]) {
129            if (identical(length(value), 1)) db[[id]] <- value
130            else db[[id]] <- value[[counter]]
131                        counter <- counter + 1                        counter <- counter + 1
132                    }                    }
133                    dbDisconnect(db)      x
134                }                }
135                else  
136                    object@.Data[i, ...] <- value  `[[.PCorpus` <-  function(x, i) {
137                return(object)      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
138            })      class(x) <- "list"
139        filehash::dbFetch(db, x[[i]])
140  setMethod("[[",  }
141            signature(x = "TextDocCol", i = "ANY", j = "ANY"),  `[[.VCorpus` <-  function(x, i) {
142            function(x, i, j, ...) {      lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
143                if (DBControl(x)[["useDb"]]) {      if (!is.null(lazyTmMap))
144                    db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])          .Call("copyCorpus", x, materialize(x, i))
145                    result <- dbFetch(db, x@.Data[[i]])      class(x) <- "list"
146                    dbDisconnect(db)      x[[i]]
                   return(loadDoc(result))  
147                }                }
               else  
                   return(loadDoc(x@.Data[[i]]))  
           })  
148    
149  setMethod("[[<-",  `[[<-.PCorpus` <-  function(x, i, value) {
150            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
151            function(x, i, j, ..., value) {      index <- unclass(x)[[i]]
               object <- x  
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   index <- object@.Data[[i]]  
152                    db[[index]] <- value                    db[[index]] <- value
153                    dbDisconnect(db)      x
154    }
155    `[[<-.VCorpus` <-  function(x, i, value) {
156        # Mark new objects as not active for lazy mapping
157        lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
158        if (!is.null(lazyTmMap)) {
159            lazyTmMap$index[i] <- FALSE
160            meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
161        }
162        # Set the value
163        cl <- class(x)
164        class(x) <- "list"
165        x[[i]] <- value
166        class(x) <- cl
167        x
168                }                }
               else  
                   object@.Data[[i, ...]] <- value  
               return(object)  
           })  
169    
170  # Update \code{NodeID}s of a CMetaData tree  # Update \code{NodeID}s of a CMetaData tree
171  update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {  update_id <- function(x, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
172      # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s      # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
173      set_id <- function(object) {      set_id <- function(x) {
174          object@NodeID <- id          attrs <- attributes(x)
175            x <- id
176            attributes(x) <- attrs
177          id <<- id + 1          id <<- id + 1
178          level <<- level + 1          level <<- level + 1
179            if (length(attr(x, "Children")) > 0) {
180          if (length(object@children) > 0) {              mapping <<- cbind(mapping, c(as.numeric(attr(x, "Children")[[1]]), id))
181              mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))              left <- set_id(attr(x, "Children")[[1]])
             left <- set_id(object@children[[1]])  
182              if (level == 1) {              if (level == 1) {
183                  left.mapping <<- mapping                  left.mapping <<- mapping
184                  mapping <<- NULL                  mapping <<- NULL
185              }              }
186              mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))              mapping <<- cbind(mapping, c(as.numeric(attr(x, "Children")[[2]]), id))
187              right <- set_id(object@children[[2]])              right <- set_id(attr(x, "Children")[[2]])
188    
189              object@children <- list(left, right)              attr(x, "Children") <- list(left, right)
190          }          }
191          level <<- level - 1          level <<- level - 1
192            x
         return(object)  
193      }      }
194    
195      return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))      list(root = set_id(x), left.mapping = left.mapping, right.mapping = mapping)
196  }  }
197    
198  setMethod("c",  c2 <- function(x, y, ...) {
           signature(x = "TextDocCol"),  
           function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  
               args <- list(...)  
               if (length(args) == 0)  
                   return(x)  
   
               if (!all(sapply(args, inherits, "TextDocCol")))  
                   stop("not all arguments are text document collections")  
               if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))  
                   stop("concatenating text document collections with activated database is not supported")  
   
               result <- x  
               for (c in args) {  
                   result <- c2(result, c)  
               }  
               return(result)  
           })  
   
 setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))  
 setMethod("c2",  
           signature(x = "TextDocCol", y = "TextDocCol"),  
           function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  
               object <- x  
               # Concatenate data slots  
               object@.Data <- c(as(x, "list"), as(y, "list"))  
   
               # Set the DBControl slot  
               object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")  
   
199                # Update the CMetaData tree                # Update the CMetaData tree
200                cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))      cmeta <- .MetaDataNode(0, list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), list(CMetaData(x), CMetaData(y)))
201                update.struct <- update_id(cmeta)                update.struct <- update_id(cmeta)
202                object@CMetaData <- update.struct$root  
203        new <- .VCorpus(c(unclass(x), unclass(y)), update.struct$root, NULL)
204    
205                # Find indices to be updated for the left tree                # Find indices to be updated for the left tree
206                indices.mapping <- NULL                indices.mapping <- NULL
# Line 487  Line 213 
213                # Update the DMetaData data frames for the left tree                # Update the DMetaData data frames for the left tree
214                for (i in 1:ncol(update.struct$left.mapping)) {                for (i in 1:ncol(update.struct$left.mapping)) {
215                    map <- update.struct$left.mapping[,i]                    map <- update.struct$left.mapping[,i]
216                    x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          DMetaData(x)$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
217                }                }
218    
219                # Find indices to be updated for the right tree                # Find indices to be updated for the right tree
# Line 501  Line 227 
227                # Update the DMetaData data frames for the right tree                # Update the DMetaData data frames for the right tree
228                for (i in 1:ncol(update.struct$right.mapping)) {                for (i in 1:ncol(update.struct$right.mapping)) {
229                    map <- update.struct$right.mapping[,i]                    map <- update.struct$right.mapping[,i]
230                    y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          DMetaData(y)$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
231                }                }
232    
233                # Merge the DMetaData data frames                # Merge the DMetaData data frames
# Line 511  Line 237 
237                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
238                na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))                na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
239                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
240                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)      DMetaData(new) <- rbind(x.dmeta.aug, y.dmeta.aug)
241    
242                return(object)      new
243            })  }
244    
245  setMethod("c",  c.Corpus <-
246            signature(x = "TextDocument"),  function(x, ..., recursive = FALSE)
247            function(x, ..., recursive = TRUE){  {
248                args <- list(...)                args <- list(...)
249                if(length(args) == 0)  
250        if (identical(length(args), 0))
251                    return(x)                    return(x)
252    
253                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      if (!all(unlist(lapply(args, inherits, class(x)))))
254                cmeta.node <- new("MetaDataNode",          stop("not all arguments are of the same corpus type")
255                              NodeID = 0,  
256                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),      if (inherits(x, "PCorpus"))
257                              children = list())          stop("concatenation of corpora with underlying databases is not supported")
258    
259                return(new("TextDocCol",      Reduce(c2, base::c(list(x), args))
260                           .Data = list(x, ...),  }
261                           DMetaData = dmeta.df,  
262                           CMetaData = cmeta.node,  c.TextDocument <- function(x, ..., recursive = FALSE) {
263                           DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))      args <- list(...)
264            })  
265        if (identical(length(args), 0))
266  setMethod("length",          return(x)
267            signature(x = "TextDocCol"),  
268            function(x){      if (!all(unlist(lapply(args, inherits, class(x)))))
269                return(length(as(x, "list")))          stop("not all arguments are text documents")
270      })  
271        dmeta <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
272  setMethod("show",      .VCorpus(list(x, ...), .MetaDataNode(), dmeta)
273            signature(object = "TextDocCol"),  }
274            function(object){  
275                cat(sprintf(ngettext(length(object),  print.Corpus <- function(x, ...) {
276                                     "A text document collection with %d text document\n",      cat(sprintf(ngettext(length(x),
277                                     "A text document collection with %d text documents\n"),                           "A corpus with %d text document\n",
278                            length(object)))                           "A corpus with %d text documents\n"),
279      })                  length(x)))
280        invisible(x)
281  setMethod("summary",  }
282            signature(object = "TextDocCol"),  
283            function(object){  summary.Corpus <- function(x, ...) {
284                show(object)      print(x)
285                if (length(DMetaData(object)) > 0) {      if (length(DMetaData(x)) > 0) {
286                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),          cat(sprintf(ngettext(length(attr(CMetaData(x), "MetaData")),
287                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",
288                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
289                                         length(CMetaData(object)@MetaData)))                      length(attr(CMetaData(x), "MetaData"))))
290                    cat("Available tags are:\n")                    cat("Available tags are:\n")
291                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")          cat(strwrap(paste(names(attr(CMetaData(x), "MetaData")), collapse = " "), indent = 2, exdent = 2), "\n")
292                    cat("Available variables in the data frame are:\n")                    cat("Available variables in the data frame are:\n")
293                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")          cat(strwrap(paste(names(DMetaData(x)), collapse = " "), indent = 2, exdent = 2), "\n")
294        }
295                }                }
     })  
296    
297  setGeneric("inspect", function(object) standardGeneric("inspect"))  inspect <- function(x) UseMethod("inspect", x)
298  setMethod("inspect",  inspect.PCorpus <- function(x) {
299            signature("TextDocCol"),      summary(x)
           function(object) {  
               summary(object)  
300                cat("\n")                cat("\n")
301                if (DBControl(object)[["useDb"]]) {      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
302                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])      show(filehash::dbMultiFetch(db, unlist(x)))
303                    show(dbMultiFetch(db, unlist(object)))  }
304                    dbDisconnect(db)  inspect.VCorpus <- function(x) {
305        summary(x)
306        cat("\n")
307        print(noquote(lapply(x, identity)))
308                }                }
               else  
                   show(object@.Data)  
           })  
309    
310  # No metadata is checked  lapply.PCorpus <- function(X, FUN, ...) {
311  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))      db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
312  setMethod("%IN%",      lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
           signature(x = "TextDocument", y = "TextDocCol"),  
           function(x, y) {  
               if (DBControl(y)[["useDb"]]) {  
                   db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])  
                   result <- any(sapply(y, function(x, z) {x %in% Corpus(z)}, x))  
                   dbDisconnect(db)  
313                }                }
314                else  lapply.VCorpus <- function(X, FUN, ...) {
315                    result <- x %in% y      lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
316                return(result)      if (!is.null(lazyTmMap))
317            })          .Call("copyCorpus", X, materialize(X))
318        base::lapply(X, FUN, ...)
319  setMethod("lapply",  }
320            signature(X = "TextDocCol"),  
321            function(X, FUN, ...) {  writeCorpus <-  function(x, path = ".", filenames = NULL) {
322                if (DBControl(X)[["useDb"]]) {      filenames <- file.path(path,
323                    db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])                             if (is.null(filenames)) unlist(lapply(x, function(x) sprintf("%s.txt", ID(x))))
324                    result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)                             else filenames)
325                    dbDisconnect(db)      i <- 1
326        for (o in x) {
327            writeLines(as.PlainTextDocument(o), filenames[i])
328            i <- i + 1
329                }                }
               else  
                   result <- base::lapply(X, FUN, ...)  
               return(result)  
           })  
   
 setMethod("sapply",  
           signature(X = "TextDocCol"),  
           function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {  
               if (DBControl(X)[["useDb"]]) {  
                   db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
                   result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)  
                   dbDisconnect(db)  
330                }                }
               else  
                   result <- base::sapply(X, FUN, ...)  
               return(result)  
           })  

Legend:
Removed from v.744  
changed lines
  Added in v.987

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