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 973, Sat Jul 4 08:10:25 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$useDb) {  ## Fast Corpus
14                    if (!dbCreate(dbControl$dbName, dbControl$dbType))  ##   - provides a prototype implementation of a more time and memory efficient representation of a corpus
15    ##   - allows performance tests and comparisons to other corpus types
16    #FCorpus <- function(object, readerControl = list(language = "eng")) {
17    #    readerControl <- prepareReader(readerControl)
18    #
19    #    if (!object@Vectorized)
20    #        stop("Source is not vectorized")
21    #
22    #    tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),
23    #                  function(x) readSlim(x[c("content", "uri")],
24    #                                       readerControl$language,
25    #                                       as.character(x$id)))
26    #
27    #    new("FCorpus", .Data = tdl)
28    #}
29    
30    PCorpus <- function(object,
31                        readerControl = list(reader = object@DefaultReader, language = "eng"),
32                        dbControl = list(dbName = "", dbType = "DB1"),
33                        ...) {
34        readerControl <- prepareReader(readerControl, object@DefaultReader, ...)
35    
36        if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
37                        stop("error in creating database")                        stop("error in creating database")
38                    db <- dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
39                }  
40        # Allocate memory in advance if length is known
41        tdl <- if (object@Length > 0)
42            vector("list", as.integer(object@Length))
43        else
44            list()
45    
               tdl <- list()  
46                counter <- 1                counter <- 1
47                while (!eoi(object)) {                while (!eoi(object)) {
48                    object <- stepNext(object)                    object <- stepNext(object)
49                    elem <- getElem(object)                    elem <- getElem(object)
50                    # If there is no Load on Demand support          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
51                    # we need to load the corpus into memory at startup          filehash::dbInsert(db, ID(doc), doc)
52                    if (!object@LoDSupport)          if (object@Length > 0) tdl[[counter]] <- ID(doc)
53                        readerControl$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))  
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)))
               }  
               else  
                   dmeta.df <- df  
60    
61                cmeta.node <- new("MetaDataNode",                cmeta.node <- new("MetaDataNode",
62                              NodeID = 0,                              NodeID = 0,
63                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
64                              children = list())                              children = list())
65    
66                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)  
               }  
           })  
 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)  
67                }                }
           })  
 setMethod("loadDoc",  
           signature(object = "StructuredTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   warning("load on demand not (yet) supported for StructuredTextDocuments")  
                   return(object)  
               } else  
                   return(object)  
           })  
68    
69  setGeneric("tmUpdate", function(object,  # The "..." are additional arguments for the FunctionGenerator reader
70                                  origin,  VCorpus <- Corpus <- function(object,
71                                  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),  
72                     ...) {                     ...) {
73                if (is.null(readerControl$reader))      readerControl <- prepareReader(readerControl, object@DefaultReader, ...)
74                    readerControl$reader <- origin@DefaultReader  
75                if (is(readerControl$reader, "FunctionGenerator"))      # Allocate memory in advance if length is known
76                    readerControl$reader <- readerControl$reader(...)      tdl <- if (object@Length > 0)
77                if (is.null(readerControl$language))          vector("list", as.integer(object@Length))
78                    readerControl$language = "en_US"      else
79                if (is.null(readerControl$load))          list()
80                    readerControl$load = TRUE  
81        if (object@Vectorized)
82                object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))          tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),
83                new.files <- setdiff(origin@FileList, object.filelist)                        function(x) readerControl$reader(x[c("content", "uri")],
84                                                           readerControl$language,
85                for (filename in new.files) {                                                         as.character(x$id)))
86                    encoding <- origin@Encoding      else {
87                    elem <- list(content = readLines(filename, encoding = encoding),          counter <- 1
88                                 uri = substitute(file(filename, encoding = encoding)))          while (!eoi(object)) {
89                    object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))              object <- stepNext(object)
90                elem <- getElem(object)
91                doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
92                if (object@Length > 0)
93                    tdl[[counter]] <- doc
94                else
95                    tdl <- c(tdl, list(doc))
96                counter <- counter + 1
97            }
98                }                }
99    
100                return(object)      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
101            })      cmeta.node <- new("MetaDataNode",
102                          NodeID = 0,
103                          MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
104                          children = list())
105    
106        new("VCorpus", .Data = tdl, DMetaData = df, CMetaData = cmeta.node)
107    }
108    
109  setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))  setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))
110    #setMethod("tmMap",
111    #          signature(object = "FCorpus", FUN = "function"),
112    #          function(object, FUN, ..., lazy = FALSE) {
113    #              if (lazy)
114    #                  warning("lazy mapping is deactivated")
115    #
116    #              new("FCorpus", .Data = lapply(object, FUN, ..., DMetaData = data.frame()))
117    #          })
118  setMethod("tmMap",  setMethod("tmMap",
119            signature(object = "Corpus", FUN = "function"),            signature(object = "VCorpus", FUN = "function"),
120            function(object, FUN, ..., lazy = FALSE) {            function(object, FUN, ..., lazy = FALSE) {
121                result <- object                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 {  
122                    # Lazy mapping                    # Lazy mapping
123                    if (lazy) {                    if (lazy) {
124                        lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")                        lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
# Line 185  Line 132 
132                            meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap                            meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
133                        }                        }
134                    }                    }
135                  else {
136                      result@.Data <- if (clusterAvailable())
137                          snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))
138                    else                    else
139                        result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))                        lapply(object, FUN, ..., DMetaData = DMetaData(object))
140                  }
141                  result
142              })
143    setMethod("tmMap",
144              signature(object = "PCorpus", FUN = "function"),
145              function(object, FUN, ..., lazy = FALSE) {
146                  if (lazy)
147                      warning("lazy mapping is deactived when using database backend")
148                  db <- filehash::dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
149                  i <- 1
150                  for (id in unlist(object)) {
151                      db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
152                      i <- i + 1
153                }                }
154                return(result)                # Suggested by Christian Buchta
155                  filehash::dbReorganize(db)
156    
157                  object
158            })            })
159    
160  # Materialize lazy mappings  # Materialize lazy mappings
# Line 199  Line 165 
165         # Make valid and lazy index         # Make valid and lazy index
166         idx <- (seq_along(corpus) %in% range) & lazyTmMap$index         idx <- (seq_along(corpus) %in% range) & lazyTmMap$index
167         if (any(idx)) {         if (any(idx)) {
168             res <- lapply(corpus@.Data[idx], loadDoc)             res <- corpus@.Data[idx]
169             for (m in lazyTmMap$maps)             for (m in lazyTmMap$maps)
170                 res <- lapply(res, m, DMetaData = DMetaData(corpus))                 res <- lapply(res, m, DMetaData = DMetaData(corpus))
171             corpus@.Data[idx] <- res             corpus@.Data[idx] <- res
# Line 210  Line 176 
176      if (!any(lazyTmMap$index))      if (!any(lazyTmMap$index))
177          lazyTmMap <- NULL          lazyTmMap <- NULL
178      meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap      meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
179      return(corpus)      corpus
180  }  }
181    
182  setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))  setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
183    setMethod("asPlain", signature(object = "PlainTextDocument"),
184              function(object, FUN, ...) object)
185  setMethod("asPlain",  setMethod("asPlain",
186            signature(object = "PlainTextDocument"),            signature(object = "XMLTextDocument"),
           function(object, FUN, ...) {  
               return(object)  
           })  
 setMethod("asPlain",  
           signature(object = "XMLTextDocument", FUN = "function"),  
187            function(object, FUN, ...) {            function(object, FUN, ...) {
188                  require("XML")
189    
190                corpus <- Content(object)                corpus <- Content(object)
191    
192                # As XMLDocument is no native S4 class, restore valid information                # As XMLDocument is no native S4 class, restore valid information
# Line 233  Line 198 
198  setMethod("asPlain",  setMethod("asPlain",
199            signature(object = "Reuters21578Document"),            signature(object = "Reuters21578Document"),
200            function(object, FUN, ...) {            function(object, FUN, ...) {
201                FUN <- convertReut21578XMLPlain                require("XML")
               corpus <- Content(object)  
202    
203                # 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  
204                corpus <- Content(object)                corpus <- Content(object)
205    
206                # As XMLDocument is no native S4 class, restore valid information                # As XMLDocument is no native S4 class, restore valid information
# Line 254  Line 209 
209    
210                return(FUN(xmlRoot(corpus), ...))                return(FUN(xmlRoot(corpus), ...))
211            })            })
212  setMethod("asPlain",  setMethod("asPlain", signature(object = "RCV1Document"),
213            signature(object = "NewsgroupDocument"),            function(object, FUN, ...) convertRCV1Plain(object, ...))
214            function(object, FUN, ...) {  setMethod("asPlain", signature(object = "MailDocument"),
215                new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = "", Author = Author(object),            function(object, FUN, ...) as(object, "PlainTextDocument"))
                   DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),  
                   Origin = Origin(object), Heading = Heading(object), Language = Language(object),  
                   LocalMetaData = LocalMetaData(object))  
           })  
216  setMethod("asPlain",  setMethod("asPlain",
217            signature(object = "StructuredTextDocument"),            signature(object = "StructuredTextDocument"),
218            function(object, FUN, ...) {            function(object, FUN, ...) {
219                new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,                new("PlainTextDocument", .Data = unlist(Content(object)),
220                    URI = "", Author = Author(object), DateTimeStamp = DateTimeStamp(object),                    Author = Author(object), DateTimeStamp = DateTimeStamp(object),
221                    Description = Description(object), ID = ID(object), Origin = Origin(object),                    Description = Description(object), ID = ID(object), Origin = Origin(object),
222                    Heading = Heading(object), Language = Language(object),                    Heading = Heading(object), Language = Language(object),
223                    LocalMetaData = LocalMetaData(object))                    LocalMetaData = LocalMetaData(object))
224            })            })
225    
226  setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))  setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))
227  setMethod("tmFilter",  setMethod("tmFilter", signature(object = "Corpus"),
228            signature(object = "Corpus"),            function(object, ..., FUN = searchFullText, doclevel = TRUE)
229            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, ...)])  
           })  
230    
231  setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))
232  setMethod("tmIndex",  setMethod("tmIndex",
233            signature(object = "Corpus"),            signature(object = "Corpus"),
234            function(object, ..., FUN = sFilter, doclevel = FALSE) {            function(object, ..., FUN = searchFullText, doclevel = TRUE) {
235                if (doclevel)                if (!is.null(attr(FUN, "doclevel")))
236                      doclevel <- attr(FUN, "doclevel")
237                  if (doclevel) {
238                      if (clusterAvailable())
239                          return(snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))
240                      else
241                    return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))                    return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
242                  }
243                else                else
244                    return(FUN(object, ...))                    return(FUN(object, ...))
245            })            })
246    
 sFilter <- function(object, s, ...) {  
     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)  
 }  
   
247  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
248  setMethod("appendElem",  setMethod("appendElem",
249            signature(object = "Corpus", data = "TextDocument"),            signature(object = "Corpus", data = "TextDocument"),
250            function(object, data, meta = NULL) {            function(object, data, meta = NULL) {
251                if (DBControl(object)[["useDb"]]) {                if (DBControl(object)[["useDb"]] && require("filehash")) {
252                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
253                    if (dbExists(db, ID(data)))                    if (dbExists(db, ID(data)))
254                        warning("document with identical ID already exists")                        warning("document with identical ID already exists")
# Line 334  Line 261 
261                return(object)                return(object)
262            })            })
263    
264  setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))  prescindMeta <- function(object, meta) {
265  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)  
           })  
266    
267  setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))      for (m in meta)
268  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)  
           })  
269    
270  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  
                   }  
                   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  
                   }  
271                }                }
               return(object)  
           })  
272    
273    #setMethod("[",
274    #          signature(x = "FCorpus", i = "ANY", j = "ANY", drop = "ANY"),
275    #          function(x, i, j, ... , drop) {
276    #              if (missing(i)) return(x)
277    #
278    #              x@.Data <- x@.Data[i, ..., drop = FALSE]
279    #              x
280    #          })
281  setMethod("[",  setMethod("[",
282            signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY", drop = "ANY"),
283            function(x, i, j, ... , drop) {            function(x, i, j, ... , drop) {
284                if(missing(i))                if (missing(i)) return(x)
                   return(x)  
285    
286                object <- x                x@.Data <- x@.Data[i, ..., drop = FALSE]
287                object@.Data <- x@.Data[i, ..., drop = FALSE]                index <- x@DMetaData[[1 , "subset"]]
288                if (DBControl(object)[["useDb"]]) {                if (any(is.na(index))) x@DMetaData[[1 , "subset"]] <- i
289                    index <- object@DMetaData[[1 , "subset"]]                else x@DMetaData[[1 , "subset"]] <- index[i]
290                    if (any(is.na(index)))                x
291                        object@DMetaData[[1 , "subset"]] <- i            })
292                    else  setMethod("[",
293                        object@DMetaData[[1 , "subset"]] <- index[i]            signature(x = "VCorpus", i = "ANY", j = "ANY", drop = "ANY"),
294                }            function(x, i, j, ... , drop) {
295                else                if (missing(i)) return(x)
296                    DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]  
297                return(object)                x@.Data <- x@.Data[i, ..., drop = FALSE]
298                  DMetaData(x) <- DMetaData(x)[i, , drop = FALSE]
299                  x
300            })            })
301    
302  setMethod("[<-",  setMethod("[<-",
303            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),
304            function(x, i, j, ... , value) {            function(x, i, j, ... , value) {
305                object <- x                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
306                    counter <- 1                    counter <- 1
307                    for (id in object@.Data[i, ...]) {                for (id in x@.Data[i, ...]) {
308                        if (length(value) == 1)                    if (identical(length(value), 1)) db[[id]] <- value
309                            db[[id]] <- value                    else db[[id]] <- value[[counter]]
                       else {  
                           db[[id]] <- value[[counter]]  
                       }  
310                        counter <- counter + 1                        counter <- counter + 1
311                    }                    }
312                }                x
313                else            })
314                    object@.Data[i, ...] <- value  setMethod("[<-",
315                return(object)            signature(x = "VCorpus", i = "ANY", j = "ANY", value = "ANY"),
316              function(x, i, j, ... , value) {
317                  x@.Data[i, ...] <- value
318                  x
319            })            })
320    
321  setMethod("[[",  setMethod("[[",
322            signature(x = "Corpus", i = "ANY", j = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY"),
323              function(x, i, j, ...) {
324                  db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
325                  filehash::dbFetch(db, x@.Data[[i]])
326              })
327    setMethod("[[",
328              signature(x = "VCorpus", i = "ANY", j = "ANY"),
329            function(x, i, j, ...) {            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 {  
330                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
331                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
332                        .Call("copyCorpus", x, materialize(x, i))                        .Call("copyCorpus", x, materialize(x, i))
333                    return(loadDoc(x@.Data[[i]]))                x@.Data[[i]]
               }  
334            })            })
335    
336  setMethod("[[<-",  setMethod("[[<-",
337            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),
338            function(x, i, j, ..., value) {            function(x, i, j, ..., value) {
339                object <- x                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
340                if (DBControl(object)[["useDb"]]) {                index <- x@.Data[[i]]
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   index <- object@.Data[[i]]  
341                    db[[index]] <- value                    db[[index]] <- value
342                }                x
343                else {            })
344    setMethod("[[<-",
345              signature(x = "VCorpus", i = "ANY", j = "ANY", value = "ANY"),
346              function(x, i, j, ..., value) {
347                    # Mark new objects as not active for lazy mapping                    # Mark new objects as not active for lazy mapping
348                    lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
349                    if (!is.null(lazyTmMap)) {                    if (!is.null(lazyTmMap)) {
350                        lazyTmMap$index[i] <- FALSE                        lazyTmMap$index[i] <- FALSE
351                        meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
352                    }                    }
353                    # Set the value                    # Set the value
354                    object@.Data[[i, ...]] <- value                x@.Data[[i, ...]] <- value
355                }  
356                return(object)                x
357            })            })
358    
359  # Update \code{NodeID}s of a CMetaData tree  # Update \code{NodeID}s of a CMetaData tree
# Line 487  Line 381 
381          return(object)          return(object)
382      }      }
383    
384      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)
385  }  }
386    
387  setMethod("c",  setMethod("c",
388            signature(x = "Corpus"),            signature(x = "Corpus"),
389            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) {
390                args <- list(...)                args <- list(...)
391                if (length(args) == 0)                if (identical(length(args), 0)) return(x)
                   return(x)  
392    
393                if (!all(sapply(args, inherits, "Corpus")))                if (!all(sapply(args, inherits, class(x))))
394                    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")  
395    
396                result <- x                if (inherits(x, "PCorpus"))
397                for (c in args) {                    stop("concatenation of corpora with underlying databases is not supported")
398                    result <- c2(result, c)  
399                }                Reduce(c2, base::c(list(x), args))
               return(result)  
400            })            })
401    
402  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"))
403  setMethod("c2",  #setMethod("c2", signature(x = "FCorpus", y = "FCorpus"),
404            signature(x = "Corpus", y = "Corpus"),  #          function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) {
405            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")))
406    #          })
407    setMethod("c2", signature(x = "VCorpus", y = "VCorpus"),
408              function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) {
409                object <- x                object <- x
410                # Concatenate data slots                # Concatenate data slots
411                object@.Data <- c(as(x, "list"), as(y, "list"))                object@.Data <- c(as(x, "list"), as(y, "list"))
412    
               # Set the DBControl slot  
               object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")  
   
413                # Update the CMetaData tree                # Update the CMetaData tree
414                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)))
415                update.struct <- update_id(cmeta)                update.struct <- update_id(cmeta)
# Line 562  Line 452 
452                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
453                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
454    
455                return(object)                object
456            })            })
457    
458  setMethod("c",  setMethod("c",
459            signature(x = "TextDocument"),            signature(x = "TextDocument"),
460            function(x, ..., recursive = TRUE){            function(x, ..., recursive = FALSE){
461                args <- list(...)                args <- list(...)
462                if(length(args) == 0)                if (identical(length(args), 0)) return(x)
                   return(x)  
463    
464                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
465                cmeta.node <- new("MetaDataNode",                cmeta.node <- new("MetaDataNode",
466                              NodeID = 0,                              NodeID = 0,
467                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
468                              children = list())                              children = list())
469    
470                return(new("Corpus",                new("VCorpus", .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")))  
471      })      })
472    
473  setMethod("show",  setMethod("show",
474            signature(object = "Corpus"),            signature(object = "Corpus"),
475            function(object){            function(object){
476                cat(sprintf(ngettext(length(object),                cat(sprintf(ngettext(length(object),
477                                     "A text document collection with %d text document\n",                                     "A corpus with %d text document\n",
478                                     "A text document collection with %d text documents\n"),                                     "A corpus with %d text documents\n"),
479                            length(object)))                            length(object)))
480      })      })
481    
# Line 616  Line 495 
495                }                }
496      })      })
497    
498  setGeneric("inspect", function(object) standardGeneric("inspect"))  inspect <- function(x) UseMethod("inspect", x)
499  setMethod("inspect",  inspect.PCorpus <- function(x) {
500            signature("Corpus"),      summary(x)
           function(object) {  
               summary(object)  
501                cat("\n")                cat("\n")
502                if (DBControl(object)[["useDb"]]) {      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
503                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])      show(filehash::dbMultiFetch(db, unlist(x)))
504                    show(dbMultiFetch(db, unlist(object)))  }
505    #inspect.FCorpus <-
506    inspect.VCorpus <- function(x) {
507        summary(x)
508        cat("\n")
509        print(noquote(lapply(x, identity)))
510                }                }
               else  
                   print(noquote(lapply(object, identity)))  
           })  
511    
512  # No metadata is checked  # No metadata is checked
513  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
514  setMethod("%IN%",  setMethod("%IN%", signature(x = "TextDocument", y = "PCorpus"),
           signature(x = "TextDocument", y = "Corpus"),  
515            function(x, y) {            function(x, y) {
516                if (DBControl(y)[["useDb"]]) {                db <- filehash::dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
517                    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)  
518            })            })
519    setMethod("%IN%", signature(x = "TextDocument", y = "VCorpus"),
520              function(x, y) x %in% y)
521    
522  setMethod("lapply",  setMethod("lapply",
523            signature(X = "Corpus"),            signature(X = "VCorpus"),
524            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 {  
525                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
526                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
527                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
528                    result <- base::lapply(X, FUN, ...)                base::lapply(X, FUN, ...)
529                }            })
530                return(result)  setMethod("lapply",
531              signature(X = "PCorpus"),
532              function(X, FUN, ...) {
533                  db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
534                  lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
535            })            })
536    
537  setMethod("sapply",  setMethod("sapply",
538            signature(X = "Corpus"),            signature(X = "VCorpus"),
539            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 {  
540                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
541                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
542                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
543                    result <- base::sapply(X, FUN, ...)                base::sapply(X, FUN, ...)
544                }            })
545                return(result)  setMethod("sapply",
546              signature(X = "PCorpus"),
547              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
548                  db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
549                  sapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
550            })            })
551    
552  setAs("list", "Corpus", function(from) {  setAs("list", "VCorpus", function(from) {
553      cmeta.node <- new("MetaDataNode",      cmeta.node <- new("MetaDataNode",
554                        NodeID = 0,                        NodeID = 0,
555                        MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
556                        children = list())                        children = list())
557      data <- list()      data <- vector("list", length(from))
558      counter <- 1      counter <- 1
559      for (f in from) {      for (f in from) {
560          doc <- new("PlainTextDocument",          data[[counter]] <- new("PlainTextDocument",
561                     .Data = f, URI = NULL, Cached = TRUE,                                 .Data = f,
562                     Author = "", DateTimeStamp = Sys.time(),                                 DateTimeStamp = as.POSIXlt(Sys.time(), tz = "GMT"),
563                     Description = "", ID = as.character(counter),                                 ID = as.character(counter),
564                     Origin = "", Heading = "", Language = "en_US")                                 Language = "eng")
         data <- c(data, list(doc))  
565          counter <- counter + 1          counter <- counter + 1
566      }      }
567      return(new("Corpus", .Data = data,      new("VCorpus", .Data = data,
568                 DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),                 DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),
569                 CMetaData = cmeta.node,          CMetaData = cmeta.node)
                DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))  
570  })  })
571    
572  setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))
# Line 708  Line 578 
578                                       else filenames)                                       else filenames)
579                i <- 1                i <- 1
580                for (o in object) {                for (o in object) {
581                    writeLines(o, filenames[i])                    writeLines(asPlain(o), filenames[i])
582                    i <- i + 1                    i <- i + 1
583                }                }
584            })            })

Legend:
Removed from v.837  
changed lines
  Added in v.973

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