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 837, Wed Apr 23 09:16:25 2008 UTC pkg/R/corpus.R revision 1342, Sat Apr 19 17:06:45 2014 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # The "..." are additional arguments for the FunctionGenerator reader  PCorpus <-
4  setGeneric("Corpus", function(object,  function(x,
5                                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),           readerControl = list(reader = reader(x), language = "en"),
6                                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),           dbControl = list(dbName = "", dbType = "DB1"))
7                                    ...) standardGeneric("Corpus"))  {
8  setMethod("Corpus",      stopifnot(inherits(x, "Source"))
9            signature(object = "Source"),  
10            function(object,      readerControl <- prepareReader(readerControl, reader(x))
                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),  
                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),  
                    ...) {  
               if (is.null(readerControl$reader))  
                   readerControl$reader <- object@DefaultReader  
               if (is(readerControl$reader, "FunctionGenerator"))  
                   readerControl$reader <- readerControl$reader(...)  
               if (is.null(readerControl$language))  
                   readerControl$language = "en_US"  
               if (is.null(readerControl$load))  
                   readerControl$load = TRUE  
11    
12                if (dbControl$useDb) {      if (is.function(readerControl$init))
13                    if (!dbCreate(dbControl$dbName, dbControl$dbType))          readerControl$init()
                       stop("error in creating database")  
                   db <- dbInit(dbControl$dbName, dbControl$dbType)  
               }  
14    
15                tdl <- list()      if (is.function(readerControl$exit))
16                counter <- 1          on.exit(readerControl$exit())
               while (!eoi(object)) {  
                   object <- stepNext(object)  
                   elem <- getElem(object)  
                   # If there is no Load on Demand support  
                   # we need to load the corpus into memory at startup  
                   if (!object@LoDSupport)  
                       readerControl$load <- TRUE  
                   doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))  
                   if (dbControl$useDb) {  
                       dbInsert(db, ID(doc), doc)  
                       tdl <- c(tdl, ID(doc))  
                   }  
                   else  
                       tdl <- c(tdl, list(doc))  
                   counter <- counter + 1  
               }  
17    
18                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
19                if (dbControl$useDb) {          stop("error in creating database")
20                    dbInsert(db, "DMetaData", df)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
                   dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))  
               }  
               else  
                   dmeta.df <- df  
21    
22                cmeta.node <- new("MetaDataNode",      # Allocate memory in advance if length is known
23                              NodeID = 0,      tdl <- if (length(x) > 0) vector("list", as.integer(length(x))) else list()
                             MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),  
                             children = list())  
   
               return(new("Corpus", .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)  
                   Content(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"  
                   Content(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  
                   }  
                   Content(object) <- mail[(index + 1):length(mail)]  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object = "StructuredTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   warning("load on demand not (yet) supported for StructuredTextDocuments")  
                   return(object)  
               } else  
                   return(object)  
           })  
24    
25  setGeneric("tmUpdate", function(object,      counter <- 1
26                                  origin,      while (!eoi(x)) {
27                                  readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),          x <- stepNext(x)
28                                  ...) standardGeneric("tmUpdate"))          elem <- getElem(x)
29  # Update is only supported for directories          id <- if (is.null(names(x)) || is.na(names(x)))
30  # At the moment no other LoD devices are available anyway              as.character(counter)
31  setMethod("tmUpdate",          else
32            signature(object = "Corpus", origin = "DirSource"),              names(x)[counter]
33            function(object, origin,          doc <- readerControl$reader(elem, readerControl$language, id)
34                     readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),          filehash::dbInsert(db, meta(doc, "id"), doc)
35                     ...) {          tdl[[counter]] <- meta(doc, "id")
36                if (is.null(readerControl$reader))          counter <- counter + 1
                   readerControl$reader <- origin@DefaultReader  
               if (is(readerControl$reader, "FunctionGenerator"))  
                   readerControl$reader <- readerControl$reader(...)  
               if (is.null(readerControl$language))  
                   readerControl$language = "en_US"  
               if (is.null(readerControl$load))  
                   readerControl$load = TRUE  
   
               object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))  
               new.files <- setdiff(origin@FileList, object.filelist)  
   
               for (filename in new.files) {  
                   encoding <- origin@Encoding  
                   elem <- list(content = readLines(filename, encoding = encoding),  
                                uri = substitute(file(filename, encoding = encoding)))  
                   object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))  
               }  
   
               return(object)  
           })  
   
 setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))  
 setMethod("tmMap",  
           signature(object = "Corpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               result <- object  
               # Note that text corpora are automatically loaded into memory via \code{[[}  
               if (DBControl(object)[["useDb"]]) {  
                   if (lazy)  
                       warning("lazy mapping is deactived when using database backend")  
                   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  
                   }  
                   # Suggested by Christian Buchta  
                   dbReorganize(db)  
               }  
               else {  
                   # Lazy mapping  
                   if (lazy) {  
                       lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")  
                       if (is.null(lazyTmMap)) {  
                           meta(result, tag = "lazyTmMap", type = "corpus") <-  
                               list(index = rep(TRUE, length(result)),  
                                    maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  
                       }  
                       else {  
                           lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  
                           meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
                       }  
                   }  
                   else  
                       result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))  
37                }                }
38                return(result)      if (!is.null(names(x)) && !is.na(names(x)))
39            })          names(tdl) <- names(x)
   
 # Materialize lazy mappings  
 # Improvements by Christian Buchta  
 materialize <- function(corpus, range = seq_along(corpus)) {  
     lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")  
     if (!is.null(lazyTmMap)) {  
        # Make valid and lazy index  
        idx <- (seq_along(corpus) %in% range) & lazyTmMap$index  
        if (any(idx)) {  
            res <- lapply(corpus@.Data[idx], loadDoc)  
            for (m in lazyTmMap$maps)  
                res <- lapply(res, m, DMetaData = DMetaData(corpus))  
            corpus@.Data[idx] <- res  
            lazyTmMap$index[idx] <- FALSE  
        }  
     }  
     # Clean up if everything is materialized  
     if (!any(lazyTmMap$index))  
         lazyTmMap <- NULL  
     meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
     return(corpus)  
 }  
   
 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 <- Content(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 = "Reuters21578Document"),  
           function(object, FUN, ...) {  
               FUN <- convertReut21578XMLPlain  
               corpus <- Content(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 = "RCV1Document"),  
           function(object, FUN, ...) {  
               FUN <- convertRCV1Plain  
               corpus <- Content(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 = Content(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),  
                   LocalMetaData = LocalMetaData(object))  
           })  
 setMethod("asPlain",  
           signature(object = "StructuredTextDocument"),  
           function(object, FUN, ...) {  
               new("PlainTextDocument", .Data = unlist(Content(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),  
                   LocalMetaData = LocalMetaData(object))  
           })  
   
 setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))  
 setMethod("tmFilter",  
           signature(object = "Corpus"),  
           function(object, ..., FUN = sFilter, doclevel = FALSE) {  
               if (doclevel)  
                   return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])  
               else  
                   return(object[FUN(object, ...)])  
           })  
40    
41  setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))      structure(list(content = tdl,
42  setMethod("tmIndex",                     meta = CorpusMeta(),
43            signature(object = "Corpus"),                     dmeta = data.frame(row.names = seq_along(tdl)),
44            function(object, ..., FUN = sFilter, doclevel = FALSE) {                     dbcontrol = dbControl),
45                if (doclevel)                class = c("PCorpus", "Corpus"))
46                    return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))  }
47                else  
48                    return(FUN(object, ...))  VCorpus <-
49            })  function(x, readerControl = list(reader = reader(x), language = "en"))
50    {
51  sFilter <- function(object, s, ...) {      stopifnot(inherits(x, "Source"))
52      con <- textConnection(s)  
53      tokens <- scan(con, "character", quiet = TRUE)      readerControl <- prepareReader(readerControl, reader(x))
54      close(con)  
55      localMetaNames <- unique(names(sapply(object, LocalMetaData)))      if (is.function(readerControl$init))
56      localMetaTokens <- localMetaNames[localMetaNames %in% tokens]          readerControl$init()
57      n <- names(DMetaData(object))  
58      tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)      if (is.function(readerControl$exit))
59      query.df <- DMetaData(prescindMeta(object, tags))          on.exit(readerControl$exit())
60      if (DBControl(object)[["useDb"]])  
61          DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = FALSE]      # Allocate memory in advance if length is known
62      # Rename to avoid name conflicts      tdl <- if (length(x) > 0) vector("list", as.integer(length(x))) else list()
63      names(query.df)[names(query.df) == "Author"] <- "author"  
64      names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"      # Check for parallel element access
65      names(query.df)[names(query.df) == "Description"] <- "description"      if (is.function(getS3method("pGetElem", class(x), TRUE)))
66      names(query.df)[names(query.df) == "ID"] <- "identifier"          tdl <- mapply(function(elem, id)
67      names(query.df)[names(query.df) == "Origin"] <- "origin"                            readerControl$reader(elem, readerControl$language, id),
68      names(query.df)[names(query.df) == "Heading"] <- "heading"                        pGetElem(x),
69      names(query.df)[names(query.df) == "Language"] <- "language"                        id = if (is.null(names(x)) || is.na(names(x)))
70      attach(query.df)                            as.character(seq_len(length(x)))
71      try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))                        else names(x),
72      detach(query.df)                        SIMPLIFY = FALSE)
     return(result)  
 }  
   
 setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  
 setMethod("appendElem",  
           signature(object = "Corpus", 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)  
                   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 = "Corpus"),  
           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 = "Corpus"),  
           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 = "Corpus", 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  
                   }  
73                    else {                    else {
                       local.meta <- lapply(object, LocalMetaData)  
                       local.m <- lapply(local.meta, "[[", m)  
                       local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))  
                       if (length(local.m) == length(unlist(local.m)))  
                           local.m <- unlist(local.m)  
                       else  
                           local.m <- I(local.m)  
                       DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))  
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m  
                   }  
               }  
               return(object)  
           })  
   
 setMethod("[",  
           signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if(missing(i))  
                   return(x)  
   
               object <- x  
               object@.Data <- x@.Data[i, ..., drop = FALSE]  
               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]  
               }  
               else  
                   DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]  
               return(object)  
           })  
   
 setMethod("[<-",  
           signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
               object <- x  
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
74                    counter <- 1                    counter <- 1
75                    for (id in object@.Data[i, ...]) {          while (!eoi(x)) {
76                        if (length(value) == 1)              x <- stepNext(x)
77                            db[[id]] <- value              elem <- getElem(x)
78                        else {              id <- if (is.null(names(x)) || is.na(names(x)))
79                            db[[id]] <- value[[counter]]                  as.character(counter)
80                        }              else
81                    names(x)[counter]
82                doc <- readerControl$reader(elem, readerControl$language, id)
83                tdl[[counter]] <- doc
84                        counter <- counter + 1                        counter <- counter + 1
85                    }                    }
86                }                }
87                else      if (!is.null(names(x)) && !is.na(names(x)))
88                    object@.Data[i, ...] <- value          names(tdl) <- names(x)
               return(object)  
           })  
   
 setMethod("[[",  
           signature(x = "Corpus", i = "ANY", j = "ANY"),  
           function(x, i, j, ...) {  
               if (DBControl(x)[["useDb"]]) {  
                   db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])  
                   result <- dbFetch(db, x@.Data[[i]])  
                   return(loadDoc(result))  
               }  
               else {  
                   lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")  
                   if (!is.null(lazyTmMap))  
                       .Call("copyCorpus", x, materialize(x, i))  
                   return(loadDoc(x@.Data[[i]]))  
               }  
           })  
   
 setMethod("[[<-",  
           signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ..., value) {  
               object <- x  
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   index <- object@.Data[[i]]  
                   db[[index]] <- value  
               }  
               else {  
                   # Mark new objects as not active for lazy mapping  
                   lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")  
                   if (!is.null(lazyTmMap)) {  
                       lazyTmMap$index[i] <- FALSE  
                       meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
                   }  
                   # Set the value  
                   object@.Data[[i, ...]] <- value  
               }  
               return(object)  
           })  
   
 # Update \code{NodeID}s of a CMetaData tree  
 update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {  
     # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s  
     set_id <- function(object) {  
         object@NodeID <- id  
         id <<- id + 1  
         level <<- level + 1  
   
         if (length(object@children) > 0) {  
             mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))  
             left <- set_id(object@children[[1]])  
             if (level == 1) {  
                 left.mapping <<- mapping  
                 mapping <<- NULL  
             }  
             mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))  
             right <- set_id(object@children[[2]])  
   
             object@children <- list(left, right)  
         }  
         level <<- level - 1  
   
         return(object)  
     }  
89    
90      return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))      structure(list(content = tdl,
91                       meta = CorpusMeta(),
92                       dmeta = data.frame(row.names = seq_along(tdl))),
93                  class = c("VCorpus", "Corpus"))
94    }
95    
96    `[.PCorpus` <-
97    function(x, i)
98    {
99        if (!missing(i)) {
100            x$content <- x$content[i]
101            x$dmeta <- x$dmeta[i, , drop = FALSE]
102        }
103        x
104    }
105    
106    `[.VCorpus` <-
107    function(x, i)
108    {
109        if (!missing(i)) {
110            x$content <- x$content[i]
111            x$dmeta <- x$dmeta[i, , drop = FALSE]
112            if (!is.null(x$lazy))
113                x$lazy$index <- x$lazy$index[i]
114        }
115        x
116    }
117    
118    .map_name_index <-
119    function(x, i)
120    {
121        if (is.character(i)) {
122            n <- names(x$content)
123            match(i, if (is.null(n)) meta(x, "id", "local") else n)
124        } else
125            i
126  }  }
127    
128  setMethod("c",  `[[.PCorpus` <-
129            signature(x = "Corpus"),  function(x, i)
130            function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  {
131        i <- .map_name_index(x, i)
132        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
133        filehash::dbFetch(db, x$content[[i]])
134    }
135    `[[.VCorpus` <-
136    function(x, i)
137    {
138        i <- .map_name_index(x, i)
139        if (!is.null(x$lazy))
140            .Call(copyCorpus, x, materialize(x, i))
141        x$content[[i]]
142    }
143    
144    `[[<-.PCorpus` <-
145    function(x, i, value)
146    {
147        i <- .map_name_index(x, i)
148        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
149        db[[x$content[[i]]]] <- value
150        x
151    }
152    `[[<-.VCorpus` <-
153    function(x, i, value)
154    {
155        i <- .map_name_index(x, i)
156        # Mark new objects as inactive for lazy mapping
157        if (!is.null(x$lazy))
158            x$lazy$index[i] <- FALSE
159        x$content[[i]] <- value
160        x
161    }
162    
163    outer_union <-
164    function(x, y, ...)
165    {
166        if (nrow(x) > 0L)
167            x[, setdiff(names(y), names(x))] <- NA
168        if (nrow(y) > 0L)
169            y[, setdiff(names(x), names(y))] <- NA
170        res <- rbind(x, y)
171        if (ncol(res) == 0L)
172            res <- data.frame(row.names = seq_len(nrow(x) + nrow(y)))
173        res
174    }
175    
176    c.VCorpus <-
177    function(..., recursive = FALSE)
178    {
179                args <- list(...)                args <- list(...)
180                if (length(args) == 0)      x <- args[[1L]]
                   return(x)  
181    
182                if (!all(sapply(args, inherits, "Corpus")))      if (length(args) == 1L)
                   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 = "Corpus", y = "Corpus"),  
           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")  
   
               # Update the CMetaData tree  
               cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))  
               update.struct <- update_id(cmeta)  
               object@CMetaData <- update.struct$root  
   
               # Find indices to be updated for the left tree  
               indices.mapping <- NULL  
               for (m in levels(as.factor(DMetaData(x)$MetaID))) {  
                   indices <- (DMetaData(x)$MetaID == m)  
                   indices.mapping <- c(indices.mapping, list(m = indices))  
                   names(indices.mapping)[length(indices.mapping)] <- m  
               }  
   
               # Update the DMetaData data frames for the left tree  
               for (i in 1:ncol(update.struct$left.mapping)) {  
                   map <- update.struct$left.mapping[,i]  
                   x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])  
               }  
   
               # Find indices to be updated for the right tree  
               indices.mapping <- NULL  
               for (m in levels(as.factor(DMetaData(y)$MetaID))) {  
                   indices <- (DMetaData(y)$MetaID == m)  
                   indices.mapping <- c(indices.mapping, list(m = indices))  
                   names(indices.mapping)[length(indices.mapping)] <- m  
               }  
   
               # Update the DMetaData data frames for the right tree  
               for (i in 1:ncol(update.struct$right.mapping)) {  
                   map <- update.struct$right.mapping[,i]  
                   y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])  
               }  
   
               # Merge the DMetaData data frames  
               labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))  
               na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))  
               x.dmeta.aug <- cbind(DMetaData(x), na.matrix)  
               labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))  
               na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))  
               y.dmeta.aug <- cbind(DMetaData(y), na.matrix)  
               object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)  
   
               return(object)  
           })  
   
 setMethod("c",  
           signature(x = "TextDocument"),  
           function(x, ..., recursive = TRUE){  
               args <- list(...)  
               if(length(args) == 0)  
183                    return(x)                    return(x)
184    
185                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      if (!all(unlist(lapply(args, inherits, class(x)))))
186                cmeta.node <- new("MetaDataNode",          stop("not all arguments are of the same corpus type")
187                              NodeID = 0,  
188                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),      structure(list(content = do.call("c", lapply(args, content)),
189                              children = list())                     meta = structure(do.call("c",
190                         lapply(args, function(a) meta(a, type = "corpus"))),
191                return(new("Corpus",                                      class = "CorpusMeta"),
192                           .Data = list(x, ...),                     dmeta = Reduce(outer_union, lapply(args, meta))),
193                           DMetaData = dmeta.df,                class = c("VCorpus", "Corpus"))
194                           CMetaData = cmeta.node,  }
195                           DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))  
196            })  as.list.PCorpus <- as.list.VCorpus <-
197    function(x, ...)
198  setMethod("length",      content(x)
199            signature(x = "Corpus"),  
200            function(x){  content.VCorpus <-
201                return(length(as(x, "list")))  function(x)
202      })  {
203        if (!is.null(x$lazy))
204  setMethod("show",          .Call(copyCorpus, x, materialize(x))
205            signature(object = "Corpus"),      x$content
206            function(object){  }
207                cat(sprintf(ngettext(length(object),  
208                                     "A text document collection with %d text document\n",  content.PCorpus <-
209                                     "A text document collection with %d text documents\n"),  function(x)
210                            length(object)))  {
211      })      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
212        filehash::dbMultiFetch(db, unlist(x$content))
213  setMethod("summary",  }
214            signature(object = "Corpus"),  
215            function(object){  length.PCorpus <- length.VCorpus <-
216                show(object)  function(x)
217                if (length(DMetaData(object)) > 0) {      length(x$content)
218                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),  
219                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",  print.PCorpus <- print.VCorpus <-
220                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),  function(x, ...)
221                                         length(CMetaData(object)@MetaData)))  {
222                    cat("Available tags are:\n")      writeLines(sprintf("<<%s (documents: %d, metadata (corpus/indexed): %d/%d)>>",
223                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")                         class(x)[1],
224                    cat("Available variables in the data frame are:\n")                         length(x),
225                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")                         length(meta(x, type = "corpus")),
226                }                         ncol(meta(x, type = "indexed"))))
227      })      invisible(x)
228    }
229  setGeneric("inspect", function(object) standardGeneric("inspect"))  
230  setMethod("inspect",  inspect <-
231            signature("Corpus"),  function(x)
232            function(object) {      UseMethod("inspect", x)
233                summary(object)  inspect.PCorpus <- inspect.VCorpus <-
234    function(x)
235    {
236        print(x)
237                cat("\n")                cat("\n")
238                if (DBControl(object)[["useDb"]]) {      print(noquote(content(x)))
239                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])      invisible(x)
                   show(dbMultiFetch(db, unlist(object)))  
240                }                }
               else  
                   print(noquote(lapply(object, identity)))  
           })  
241    
242  # No metadata is checked  writeCorpus <-
243  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  function(x, path = ".", filenames = NULL)
244  setMethod("%IN%",  {
           signature(x = "TextDocument", y = "Corpus"),  
           function(x, y) {  
               if (DBControl(y)[["useDb"]]) {  
                   db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])  
                   result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))  
               }  
               else  
                   result <- x %in% y  
               return(result)  
           })  
   
 setMethod("lapply",  
           signature(X = "Corpus"),  
           function(X, FUN, ...) {  
               print("lapply")  
               if (DBControl(X)[["useDb"]]) {  
                   db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
                   result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)  
               }  
               else {  
                   lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")  
                   if (!is.null(lazyTmMap))  
                       .Call("copyCorpus", X, materialize(X))  
                   result <- base::lapply(X, FUN, ...)  
               }  
               return(result)  
           })  
   
 setMethod("sapply",  
           signature(X = "Corpus"),  
           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, ...)  
               }  
               else {  
                   lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")  
                   if (!is.null(lazyTmMap))  
                       .Call("copyCorpus", X, materialize(X))  
                   result <- base::sapply(X, FUN, ...)  
               }  
               return(result)  
           })  
   
 setAs("list", "Corpus", function(from) {  
     cmeta.node <- new("MetaDataNode",  
                       NodeID = 0,  
                       MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),  
                       children = list())  
     data <- list()  
     counter <- 1  
     for (f in from) {  
         doc <- new("PlainTextDocument",  
                    .Data = f, URI = NULL, Cached = TRUE,  
                    Author = "", DateTimeStamp = Sys.time(),  
                    Description = "", ID = as.character(counter),  
                    Origin = "", Heading = "", Language = "en_US")  
         data <- c(data, list(doc))  
         counter <- counter + 1  
     }  
     return(new("Corpus", .Data = data,  
                DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),  
                CMetaData = cmeta.node,  
                DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))  
 })  
   
 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  
 setMethod("writeCorpus",  
           signature(object = "Corpus"),  
           function(object, path = ".", filenames = NULL) {  
245                filenames <- file.path(path,                filenames <- file.path(path,
246                                       if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))        if (is.null(filenames))
247              sprintf("%s.txt", as.character(meta(x, "id", "local")))
248                                       else filenames)                                       else filenames)
249                i <- 1  
250                for (o in object) {      stopifnot(length(x) == length(filenames))
251                    writeLines(o, filenames[i])  
252                    i <- i + 1      mapply(function(doc, f) writeLines(as.character(doc), f), x, filenames)
253    
254        invisible(x)
255                }                }
           })  

Legend:
Removed from v.837  
changed lines
  Added in v.1342

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