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 958, Sat Jun 13 06:06:42 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, ...) {
 setGeneric("Corpus", function(object,  
                                   readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),  
                                   dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),  
                                   ...) standardGeneric("Corpus"))  
 setMethod("Corpus",  
           signature(object = "Source"),  
           function(object,  
                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),  
                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),  
                    ...) {  
4                if (is.null(readerControl$reader))                if (is.null(readerControl$reader))
5                    readerControl$reader <- object@DefaultReader          readerControl$reader <- defaultReader
6                if (is(readerControl$reader, "FunctionGenerator"))                if (is(readerControl$reader, "FunctionGenerator"))
7                    readerControl$reader <- readerControl$reader(...)                    readerControl$reader <- readerControl$reader(...)
8                if (is.null(readerControl$language))                if (is.null(readerControl$language))
9                    readerControl$language = "en_US"          readerControl$language <- "eng"
10                if (is.null(readerControl$load))      readerControl
11                    readerControl$load = TRUE  }
12    
13                if (dbControl$useDb) {  FCorpus <- function(object, readerControl = list(language = "eng")) {
14                    if (!dbCreate(dbControl$dbName, dbControl$dbType))      readerControl <- prepareReader(readerControl, object@DefaultReader, ...)
15                        stop("error in creating database")  
16                    db <- dbInit(dbControl$dbName, dbControl$dbType)      if (!object@Vectorized)
17            stop("Source is not vectorized")
18    
19        tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),
20                      function(x) readSlim(x[c("content", "uri")],
21                                           readerControl$language,
22                                           as.character(x$id)))
23    
24        new("FCorpus", .Data = tdl)
25                }                }
26    
27                tdl <- list()  PCorpus <- function(object,
28                        readerControl = list(reader = object@DefaultReader, language = "eng"),
29                        dbControl = list(dbName = "", dbType = "DB1"),
30                        ...) {
31        readerControl <- prepareReader(readerControl, object@DefaultReader, ...)
32    
33        if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
34            stop("error in creating database")
35        db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
36    
37        # Allocate memory in advance if length is known
38        tdl <- if (object@Length > 0)
39            vector("list", as.integer(object@Length))
40        else
41            list()
42    
43                counter <- 1                counter <- 1
44                while (!eoi(object)) {                while (!eoi(object)) {
45                    object <- stepNext(object)                    object <- stepNext(object)
46                    elem <- getElem(object)                    elem <- getElem(object)
47                    # If there is no Load on Demand support          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
48                    # we need to load the corpus into memory at startup          filehash::dbInsert(db, ID(doc), doc)
49                    if (!object@LoDSupport)          if (object@Length > 0) tdl[[counter]] <- ID(doc)
50                        readerControl$load <- TRUE          else tdl <- c(tdl, ID(doc))
                   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))  
51                    counter <- counter + 1                    counter <- counter + 1
52                }                }
53    
54                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
55                if (dbControl$useDb) {      filehash::dbInsert(db, "DMetaData", df)
                   dbInsert(db, "DMetaData", df)  
56                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
               }  
               else  
                   dmeta.df <- df  
57    
58                cmeta.node <- new("MetaDataNode",                cmeta.node <- new("MetaDataNode",
59                              NodeID = 0,                              NodeID = 0,
60                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
61                              children = list())                              children = list())
62    
63                return(new("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))      new("PCorpus", .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)  
64                }                }
           })  
 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)  
           })  
65    
66  setGeneric("tmUpdate", function(object,  # The "..." are additional arguments for the FunctionGenerator reader
67                                  origin,  SCorpus <- Corpus <- function(object,
68                                  readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),                      readerControl = list(reader = object@DefaultReader, language = "eng"),
                                 ...) standardGeneric("tmUpdate"))  
 # Update is only supported for directories  
 # At the moment no other LoD devices are available anyway  
 setMethod("tmUpdate",  
           signature(object = "Corpus", origin = "DirSource"),  
           function(object, origin,  
                    readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),  
69                     ...) {                     ...) {
70                if (is.null(readerControl$reader))      readerControl <- prepareReader(readerControl, object@DefaultReader, ...)
71                    readerControl$reader <- origin@DefaultReader  
72                if (is(readerControl$reader, "FunctionGenerator"))      # Allocate memory in advance if length is known
73                    readerControl$reader <- readerControl$reader(...)      tdl <- if (object@Length > 0)
74                if (is.null(readerControl$language))          vector("list", as.integer(object@Length))
75                    readerControl$language = "en_US"      else
76                if (is.null(readerControl$load))          list()
77                    readerControl$load = TRUE  
78        if (object@Vectorized)
79                object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))          tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),
80                new.files <- setdiff(origin@FileList, object.filelist)                        function(x) readerControl$reader(x[c("content", "uri")],
81                                                           readerControl$language,
82                for (filename in new.files) {                                                         as.character(x$id)))
83                    encoding <- origin@Encoding      else {
84                    elem <- list(content = readLines(filename, encoding = encoding),          counter <- 1
85                                 uri = substitute(file(filename, encoding = encoding)))          while (!eoi(object)) {
86                    object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))              object <- stepNext(object)
87                elem <- getElem(object)
88                doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
89                if (object@Length > 0)
90                    tdl[[counter]] <- doc
91                else
92                    tdl <- c(tdl, list(doc))
93                counter <- counter + 1
94            }
95                }                }
96    
97                return(object)      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
98            })      cmeta.node <- new("MetaDataNode",
99                          NodeID = 0,
100                          MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
101                          children = list())
102    
103        new("SCorpus", .Data = tdl, DMetaData = df, CMetaData = cmeta.node)
104    }
105    
106  setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))  setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))
107  setMethod("tmMap",  setMethod("tmMap",
108            signature(object = "Corpus", FUN = "function"),            signature(object = "FCorpus", FUN = "function"),
109            function(object, FUN, ..., lazy = FALSE) {            function(object, FUN, ..., lazy = FALSE) {
               result <- object  
               # Note that text corpora are automatically loaded into memory via \code{[[}  
               if (DBControl(object)[["useDb"]]) {  
110                    if (lazy)                    if (lazy)
111                        warning("lazy mapping is deactived when using database backend")                    warning("lazy mapping is deactivated")
112                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
113                    i <- 1                new("FCorpus", .Data = lapply(object, FUN, ..., DMetaData = data.frame()))
114                    for (id in unlist(object)) {            })
115                        db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))  setMethod("tmMap",
116                        i <- i + 1            signature(object = "SCorpus", FUN = "function"),
117                    }            function(object, FUN, ..., lazy = FALSE) {
118                    # Suggested by Christian Buchta                result <- object
                   dbReorganize(db)  
               }  
               else {  
119                    # Lazy mapping                    # Lazy mapping
120                    if (lazy) {                    if (lazy) {
121                        lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")                        lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
# Line 185  Line 129 
129                            meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap                            meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
130                        }                        }
131                    }                    }
132                  else {
133                      result@.Data <- if (clusterAvailable())
134                          snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))
135                    else                    else
136                        result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))                        lapply(object, FUN, ..., DMetaData = DMetaData(object))
137                  }
138                  result
139              })
140    setMethod("tmMap",
141              signature(object = "PCorpus", FUN = "function"),
142              function(object, FUN, ..., lazy = FALSE) {
143                  # TODO: When should lazy mapping be conceptually available?
144                  if (lazy)
145                      warning("lazy mapping is deactived when using database backend")
146                  db <- filehash::dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
147                  i <- 1
148                  for (id in unlist(object)) {
149                      db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
150                      i <- i + 1
151                }                }
152                return(result)                # Suggested by Christian Buchta
153                  filehash::dbReorganize(db)
154    
155                  object
156            })            })
157    
158  # Materialize lazy mappings  # Materialize lazy mappings
# Line 199  Line 163 
163         # Make valid and lazy index         # Make valid and lazy index
164         idx <- (seq_along(corpus) %in% range) & lazyTmMap$index         idx <- (seq_along(corpus) %in% range) & lazyTmMap$index
165         if (any(idx)) {         if (any(idx)) {
166             res <- lapply(corpus@.Data[idx], loadDoc)             res <- corpus@.Data[idx]
167             for (m in lazyTmMap$maps)             for (m in lazyTmMap$maps)
168                 res <- lapply(res, m, DMetaData = DMetaData(corpus))                 res <- lapply(res, m, DMetaData = DMetaData(corpus))
169             corpus@.Data[idx] <- res             corpus@.Data[idx] <- res
# Line 210  Line 174 
174      if (!any(lazyTmMap$index))      if (!any(lazyTmMap$index))
175          lazyTmMap <- NULL          lazyTmMap <- NULL
176      meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap      meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
177      return(corpus)      corpus
178  }  }
179    
180  setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))  setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
181    setMethod("asPlain", signature(object = "PlainTextDocument"),
182              function(object, FUN, ...) object)
183  setMethod("asPlain",  setMethod("asPlain",
184            signature(object = "PlainTextDocument"),            signature(object = "XMLTextDocument"),
           function(object, FUN, ...) {  
               return(object)  
           })  
 setMethod("asPlain",  
           signature(object = "XMLTextDocument", FUN = "function"),  
185            function(object, FUN, ...) {            function(object, FUN, ...) {
186                  require("XML")
187    
188                corpus <- Content(object)                corpus <- Content(object)
189    
190                # As XMLDocument is no native S4 class, restore valid information                # As XMLDocument is no native S4 class, restore valid information
# Line 233  Line 196 
196  setMethod("asPlain",  setMethod("asPlain",
197            signature(object = "Reuters21578Document"),            signature(object = "Reuters21578Document"),
198            function(object, FUN, ...) {            function(object, FUN, ...) {
199                FUN <- convertReut21578XMLPlain                require("XML")
               corpus <- Content(object)  
200    
201                # As XMLDocument is no native S4 class, restore valid information                FUN <- convertReut21578XMLPlain
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
 setMethod("asPlain",  
           signature(object = "RCV1Document"),  
           function(object, FUN, ...) {  
               FUN <- convertRCV1Plain  
202                corpus <- Content(object)                corpus <- Content(object)
203    
204                # As XMLDocument is no native S4 class, restore valid information                # As XMLDocument is no native S4 class, restore valid information
# Line 254  Line 207 
207    
208                return(FUN(xmlRoot(corpus), ...))                return(FUN(xmlRoot(corpus), ...))
209            })            })
210    setMethod("asPlain", signature(object = "RCV1Document"),
211              function(object, FUN, ...) convertRCV1Plain(object, ...))
212  setMethod("asPlain",  setMethod("asPlain",
213            signature(object = "NewsgroupDocument"),            signature(object = "NewsgroupDocument"),
214            function(object, FUN, ...) {            function(object, FUN, ...) {
215                new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = "", Author = Author(object),                new("PlainTextDocument", .Data = Content(object), Author = Author(object),
216                    DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),                    DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
217                    Origin = Origin(object), Heading = Heading(object), Language = Language(object),                    Origin = Origin(object), Heading = Heading(object), Language = Language(object),
218                    LocalMetaData = LocalMetaData(object))                    LocalMetaData = LocalMetaData(object))
# Line 265  Line 220 
220  setMethod("asPlain",  setMethod("asPlain",
221            signature(object = "StructuredTextDocument"),            signature(object = "StructuredTextDocument"),
222            function(object, FUN, ...) {            function(object, FUN, ...) {
223                new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,                new("PlainTextDocument", .Data = unlist(Content(object)),
224                    URI = "", Author = Author(object), DateTimeStamp = DateTimeStamp(object),                    Author = Author(object), DateTimeStamp = DateTimeStamp(object),
225                    Description = Description(object), ID = ID(object), Origin = Origin(object),                    Description = Description(object), ID = ID(object), Origin = Origin(object),
226                    Heading = Heading(object), Language = Language(object),                    Heading = Heading(object), Language = Language(object),
227                    LocalMetaData = LocalMetaData(object))                    LocalMetaData = LocalMetaData(object))
228            })            })
229    
230  setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))  setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))
231  setMethod("tmFilter",  setMethod("tmFilter", signature(object = "Corpus"),
232            signature(object = "Corpus"),            function(object, ..., FUN = searchFullText, doclevel = TRUE)
233            function(object, ..., FUN = sFilter, doclevel = FALSE) {                object[tmIndex(object, ..., FUN = FUN, doclevel = doclevel)])
               if (doclevel)  
                   return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])  
               else  
                   return(object[FUN(object, ...)])  
           })  
234    
235  setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))
236  setMethod("tmIndex",  setMethod("tmIndex",
237            signature(object = "Corpus"),            signature(object = "Corpus"),
238            function(object, ..., FUN = sFilter, doclevel = FALSE) {            function(object, ..., FUN = searchFullText, doclevel = TRUE) {
239                if (doclevel)                if (!is.null(attr(FUN, "doclevel")))
240                      doclevel <- attr(FUN, "doclevel")
241                  if (doclevel) {
242                      if (clusterAvailable())
243                          return(snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))
244                      else
245                    return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))                    return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
246                  }
247                else                else
248                    return(FUN(object, ...))                    return(FUN(object, ...))
249            })            })
250    
251  sFilter <- function(object, s, ...) {  # TODO: Replace with c(Corpus, TextDocument)?
     con <- textConnection(s)  
     tokens <- scan(con, "character", quiet = TRUE)  
     close(con)  
     localMetaNames <- unique(names(sapply(object, LocalMetaData)))  
     localMetaTokens <- localMetaNames[localMetaNames %in% tokens]  
     n <- names(DMetaData(object))  
     tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)  
     query.df <- DMetaData(prescindMeta(object, tags))  
     if (DBControl(object)[["useDb"]])  
         DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = 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)  
 }  
   
252  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
253  setMethod("appendElem",  setMethod("appendElem",
254            signature(object = "Corpus", data = "TextDocument"),            signature(object = "Corpus", data = "TextDocument"),
255            function(object, data, meta = NULL) {            function(object, data, meta = NULL) {
256                if (DBControl(object)[["useDb"]]) {                if (DBControl(object)[["useDb"]] && require("filehash")) {
257                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
258                    if (dbExists(db, ID(data)))                    if (dbExists(db, ID(data)))
259                        warning("document with identical ID already exists")                        warning("document with identical ID already exists")
# Line 334  Line 266 
266                return(object)                return(object)
267            })            })
268    
269  setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))  prescindMeta <- function(object, meta) {
270  setMethod("appendMeta",      df <- DMetaData(object)
           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)  
           })  
271    
272  setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))      for (m in meta)
273  setMethod("removeMeta",          df <- cbind(df, structure(data.frame(I(meta(object, tag = m, type = "local"))), names = m))
           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)  
           })  
274    
275  setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))      df
 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  
276                    }                    }
277                    else {  
278                        local.meta <- lapply(object, LocalMetaData)  setMethod("[",
279                        local.m <- lapply(local.meta, "[[", m)            signature(x = "FCorpus", i = "ANY", j = "ANY", drop = "ANY"),
280                        local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))            function(x, i, j, ... , drop) {
281                        if (length(local.m) == length(unlist(local.m)))                if (missing(i)) return(x)
282                            local.m <- unlist(local.m)  
283                        else                x@.Data <- x@.Data[i, ..., drop = FALSE]
284                            local.m <- I(local.m)                x
                       DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))  
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m  
                   }  
               }  
               return(object)  
285            })            })
286    setMethod("[",
287              signature(x = "PCorpus", i = "ANY", j = "ANY", drop = "ANY"),
288              function(x, i, j, ... , drop) {
289                  if (missing(i)) return(x)
290    
291                  x@.Data <- x@.Data[i, ..., drop = FALSE]
292                  index <- x@DMetaData[[1 , "subset"]]
293                  if (any(is.na(index))) x@DMetaData[[1 , "subset"]] <- i
294                  else x@DMetaData[[1 , "subset"]] <- index[i]
295                  x
296              })
297  setMethod("[",  setMethod("[",
298            signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),            signature(x = "SCorpus", i = "ANY", j = "ANY", drop = "ANY"),
299            function(x, i, j, ... , drop) {            function(x, i, j, ... , drop) {
300                if(missing(i))                if (missing(i)) return(x)
                   return(x)  
301    
302                object <- x                x@.Data <- x@.Data[i, ..., drop = FALSE]
303                object@.Data <- x@.Data[i, ..., drop = FALSE]                DMetaData(x) <- DMetaData(x)[i, , drop = FALSE]
304                if (DBControl(object)[["useDb"]]) {                x
                   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)  
305            })            })
306    
307  setMethod("[<-",  setMethod("[<-",
308            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),
309            function(x, i, j, ... , value) {            function(x, i, j, ... , value) {
310                object <- x                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
311                    counter <- 1                    counter <- 1
312                    for (id in object@.Data[i, ...]) {                for (id in x@.Data[i, ...]) {
313                        if (length(value) == 1)                    if (identical(length(value), 1)) db[[id]] <- value
314                            db[[id]] <- value                    else db[[id]] <- value[[counter]]
                       else {  
                           db[[id]] <- value[[counter]]  
                       }  
315                        counter <- counter + 1                        counter <- counter + 1
316                    }                    }
317                }                x
318                else            })
319                    object@.Data[i, ...] <- value  setMethod("[<-",
320                return(object)            signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),
321              function(x, i, j, ... , value) {
322                  x@.Data[i, ...] <- value
323                  x
324            })            })
325    
326  setMethod("[[",  setMethod("[[",
327            signature(x = "Corpus", i = "ANY", j = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY"),
328            function(x, i, j, ...) {            function(x, i, j, ...) {
329                if (DBControl(x)[["useDb"]]) {                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
330                    db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])                filehash::dbFetch(db, x@.Data[[i]])
331                    result <- dbFetch(db, x@.Data[[i]])            })
332                    return(loadDoc(result))  setMethod("[[",
333                }            signature(x = "SCorpus", i = "ANY", j = "ANY"),
334                else {            function(x, i, j, ...) {
335                  # TODO: For which corpora should lazy mapping be available?
336                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
337                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
338                        .Call("copyCorpus", x, materialize(x, i))                        .Call("copyCorpus", x, materialize(x, i))
339                    return(loadDoc(x@.Data[[i]]))                x@.Data[[i]]
               }  
340            })            })
341    
342  setMethod("[[<-",  setMethod("[[<-",
343            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),
344            function(x, i, j, ..., value) {            function(x, i, j, ..., value) {
345                object <- x                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
346                if (DBControl(object)[["useDb"]]) {                index <- x@.Data[[i]]
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   index <- object@.Data[[i]]  
347                    db[[index]] <- value                    db[[index]] <- value
348                }                x
349                else {            })
350    setMethod("[[<-",
351              signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),
352              function(x, i, j, ..., value) {
353                    # Mark new objects as not active for lazy mapping                    # Mark new objects as not active for lazy mapping
354                    lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
355                    if (!is.null(lazyTmMap)) {                    if (!is.null(lazyTmMap)) {
356                        lazyTmMap$index[i] <- FALSE                        lazyTmMap$index[i] <- FALSE
357                        meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
358                    }                    }
359                    # Set the value                    # Set the value
360                    object@.Data[[i, ...]] <- value                x@.Data[[i, ...]] <- value
361                }  
362                return(object)                x
363            })            })
364    
365  # Update \code{NodeID}s of a CMetaData tree  # Update \code{NodeID}s of a CMetaData tree
# Line 487  Line 387 
387          return(object)          return(object)
388      }      }
389    
390      return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))      list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping)
391  }  }
392    
393  setMethod("c",  setMethod("c",
394            signature(x = "Corpus"),            signature(x = "Corpus"),
395            function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {            function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = FALSE) {
396                args <- list(...)                args <- list(...)
397                if (length(args) == 0)                if (identical(length(args), 0)) return(x)
                   return(x)  
398    
399                if (!all(sapply(args, inherits, "Corpus")))                if (!all(sapply(args, inherits, class(x))))
400                    stop("not all arguments are text document collections")                    stop("not all arguments are of the same corpus type")
               if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))  
                   stop("concatenating text document collections with activated database is not supported")  
401    
402                result <- x                if (inherits(x, "PCorpus"))
403                for (c in args) {                    stop("concatenation of corpora with underlying databases is not supported")
404                    result <- c2(result, c)  
405                }                Reduce(c2, base::c(list(x), args))
               return(result)  
406            })            })
407    
408  setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))  setGeneric("c2", function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) standardGeneric("c2"))
409  setMethod("c2",  setMethod("c2", signature(x = "FCorpus", y = "FCorpus"),
410            signature(x = "Corpus", y = "Corpus"),            function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) {
411            function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {                new("FCorpus", .Data = c(as(x, "list"), as(y, "list")))
412              })
413    setMethod("c2", signature(x = "SCorpus", y = "SCorpus"),
414              function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) {
415                object <- x                object <- x
416                # Concatenate data slots                # Concatenate data slots
417                object@.Data <- c(as(x, "list"), as(y, "list"))                object@.Data <- c(as(x, "list"), as(y, "list"))
418    
               # Set the DBControl slot  
               object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")  
   
419                # Update the CMetaData tree                # Update the CMetaData tree
420                cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))                cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
421                update.struct <- update_id(cmeta)                update.struct <- update_id(cmeta)
# Line 562  Line 458 
458                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
459                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
460    
461                return(object)                object
462            })            })
463    
464  setMethod("c",  setMethod("c",
465            signature(x = "TextDocument"),            signature(x = "TextDocument"),
466            function(x, ..., recursive = TRUE){            function(x, ..., recursive = FALSE){
467                args <- list(...)                args <- list(...)
468                if(length(args) == 0)                if (identical(length(args), 0)) return(x)
                   return(x)  
469    
470                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
471                cmeta.node <- new("MetaDataNode",                cmeta.node <- new("MetaDataNode",
472                              NodeID = 0,                              NodeID = 0,
473                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
474                              children = list())                              children = list())
475    
476                return(new("Corpus",                new("SCorpus", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node)
                          .Data = list(x, ...),  
                          DMetaData = dmeta.df,  
                          CMetaData = cmeta.node,  
                          DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))  
           })  
   
 setMethod("length",  
           signature(x = "Corpus"),  
           function(x){  
               return(length(as(x, "list")))  
477      })      })
478    
479  setMethod("show",  setMethod("show",
480            signature(object = "Corpus"),            signature(object = "Corpus"),
481            function(object){            function(object){
482                cat(sprintf(ngettext(length(object),                cat(sprintf(ngettext(length(object),
483                                     "A text document collection with %d text document\n",                                     "A corpus with %d text document\n",
484                                     "A text document collection with %d text documents\n"),                                     "A corpus with %d text documents\n"),
485                            length(object)))                            length(object)))
486      })      })
487    
# Line 616  Line 501 
501                }                }
502      })      })
503    
504  setGeneric("inspect", function(object) standardGeneric("inspect"))  inspect <- function(x) UseMethod("inspect", x)
505  setMethod("inspect",  inspect.PCorpus <- function(x) {
506            signature("Corpus"),      summary(x)
           function(object) {  
               summary(object)  
507                cat("\n")                cat("\n")
508                if (DBControl(object)[["useDb"]]) {      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
509                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])      show(filehash::dbMultiFetch(db, unlist(x)))
510                    show(dbMultiFetch(db, unlist(object)))  }
511    inspect.FCorpus <- inspect.SCorpus <- function(x) {
512        summary(x)
513        cat("\n")
514        print(noquote(lapply(x, identity)))
515                }                }
               else  
                   print(noquote(lapply(object, identity)))  
           })  
516    
517  # No metadata is checked  # No metadata is checked
518  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
519  setMethod("%IN%",  setMethod("%IN%", signature(x = "TextDocument", y = "PCorpus"),
           signature(x = "TextDocument", y = "Corpus"),  
520            function(x, y) {            function(x, y) {
521                if (DBControl(y)[["useDb"]]) {                db <- filehash::dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
522                    db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])                any(sapply(y, function(x, z) {x %in% Content(z)}, x))
                   result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))  
               }  
               else  
                   result <- x %in% y  
               return(result)  
523            })            })
524    setMethod("%IN%", signature(x = "TextDocument", y = "SCorpus"),
525              function(x, y) x %in% y)
526    
527  setMethod("lapply",  setMethod("lapply",
528            signature(X = "Corpus"),            signature(X = "SCorpus"),
529            function(X, FUN, ...) {            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 {  
530                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
531                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
532                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
533                    result <- base::lapply(X, FUN, ...)                base::lapply(X, FUN, ...)
534                }            })
535                return(result)  setMethod("lapply",
536              signature(X = "PCorpus"),
537              function(X, FUN, ...) {
538                  db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
539                  lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
540            })            })
541    
542  setMethod("sapply",  setMethod("sapply",
543            signature(X = "Corpus"),            signature(X = "SCorpus"),
544            function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {            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 {  
545                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
546                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
547                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
548                    result <- base::sapply(X, FUN, ...)                base::sapply(X, FUN, ...)
549                }            })
550                return(result)  setMethod("sapply",
551              signature(X = "PCorpus"),
552              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
553                  db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
554                  sapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
555            })            })
556    
557  setAs("list", "Corpus", function(from) {  setAs("list", "SCorpus", function(from) {
558      cmeta.node <- new("MetaDataNode",      cmeta.node <- new("MetaDataNode",
559                        NodeID = 0,                        NodeID = 0,
560                        MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
561                        children = list())                        children = list())
562      data <- list()      data <- vector("list", length(from))
563      counter <- 1      counter <- 1
564      for (f in from) {      for (f in from) {
565          doc <- new("PlainTextDocument",          data[[counter]] <- new("PlainTextDocument",
566                     .Data = f, URI = NULL, Cached = TRUE,                                 .Data = f,
567                     Author = "", DateTimeStamp = Sys.time(),                                 DateTimeStamp = as.POSIXlt(Sys.time(), tz = "GMT"),
568                     Description = "", ID = as.character(counter),                                 ID = as.character(counter),
569                     Origin = "", Heading = "", Language = "en_US")                                 Language = "eng")
         data <- c(data, list(doc))  
570          counter <- counter + 1          counter <- counter + 1
571      }      }
572      return(new("Corpus", .Data = data,      new("SCorpus", .Data = data,
573                 DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),                 DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),
574                 CMetaData = cmeta.node,          CMetaData = cmeta.node)
                DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))  
575  })  })
576    
577  setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))
# Line 708  Line 583 
583                                       else filenames)                                       else filenames)
584                i <- 1                i <- 1
585                for (o in object) {                for (o in object) {
586                    writeLines(o, filenames[i])                    writeLines(asPlain(o), filenames[i])
587                    i <- i + 1                    i <- i + 1
588                }                }
589            })            })

Legend:
Removed from v.837  
changed lines
  Added in v.958

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