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

pkg/tm/R/textdoccol.R revision 884, Wed Jan 28 10:24:27 2009 UTC pkg/R/corpus.R revision 1306, Tue Mar 25 08:37:05 2014 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # The "..." are additional arguments for the FunctionGenerator reader  .PCorpus <-
4  setGeneric("Corpus", function(object,  function(x, cmeta, dmeta, dbcontrol)
5                                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),  {
6                                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),      attr(x, "CMetaData") <- cmeta
7                                    ...) standardGeneric("Corpus"))      attr(x, "DMetaData") <- dmeta
8  setMethod("Corpus",      attr(x, "DBControl") <- dbcontrol
9            signature(object = "Source"),      class(x) <- c("PCorpus", "Corpus", "list")
10            function(object,      x
11                     readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),  }
12                     dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),  
13                     ...) {  DBControl <-
14                if (is.null(readerControl$reader))  function(x)
15                    readerControl$reader <- object@DefaultReader      attr(x, "DBControl")
16                if (is(readerControl$reader, "FunctionGenerator"))  
17                    readerControl$reader <- readerControl$reader(...)  PCorpus <-
18                if (is.null(readerControl$language))  function(x,
19                    readerControl$language = "en_US"           readerControl = list(reader = x$defaultreader, language = "en"),
20                if (is.null(readerControl$load))           dbControl = list(dbName = "", dbType = "DB1"))
21                    readerControl$load = TRUE  {
22        stopifnot(inherits(x, "Source"))
23    
24        readerControl <- prepareReader(readerControl, x$defaultreader)
25    
26                if (dbControl$useDb) {      if (is.function(readerControl$init))
27                    if (!dbCreate(dbControl$dbName, dbControl$dbType))          readerControl$init()
28    
29        if (is.function(readerControl$exit))
30            on.exit(readerControl$exit())
31    
32        if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
33                        stop("error in creating database")                        stop("error in creating database")
34                    db <- dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
               }  
35    
36                # Allocate memory in advance if length is known                # Allocate memory in advance if length is known
37                tdl <- if (object@Length > 0)      tdl <- if (x$length > 0)
38                    vector("list", as.integer(object@Length))          vector("list", as.integer(x$length))
39                else                else
40                    list()                    list()
41    
42                counter <- 1                counter <- 1
43                while (!eoi(object)) {      while (!eoi(x)) {
44                    object <- stepNext(object)          x <- stepNext(x)
45                    elem <- getElem(object)          elem <- getElem(x)
46                    # If there is no Load on Demand support          id <- if (is.null(x$names) || is.na(x$names))
47                    # we need to load the corpus into memory at startup                  as.character(counter)
48                    if (!object@LoDSupport)              else
49                        readerControl$load <- TRUE                  x$names[counter]
50                    doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))          doc <- readerControl$reader(elem, readerControl$language, id)
51                    if (dbControl$useDb) {          filehash::dbInsert(db, meta(doc, "id"), doc)
52                        dbInsert(db, ID(doc), doc)          if (x$length > 0) tdl[[counter]] <- meta(doc, "id")
53                        if (object@Length > 0)          else tdl <- c(tdl, meta(doc, "id"))
                           tdl[[counter]] <- ID(doc)  
                       else  
                           tdl <- c(tdl, ID(doc))  
                   }  
                   else {  
                       if (object@Length > 0)  
                           tdl[[counter]] <- doc  
                       else  
                           tdl <- c(tdl, list(doc))  
                   }  
54                    counter <- counter + 1                    counter <- counter + 1
55                }                }
56        if (!is.null(x$names) && !is.na(x$names))
57            names(tdl) <- x$names
58    
59                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
60                if (dbControl$useDb) {      filehash::dbInsert(db, "DMetaData", df)
                   dbInsert(db, "DMetaData", df)  
61                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
               }  
               else  
                   dmeta.df <- df  
62    
63                cmeta.node <- new("MetaDataNode",      .PCorpus(tdl, .MetaDataNode(), dmeta.df, dbControl)
                             NodeID = 0,  
                             MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),  
                             children = list())  
   
               return(new("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))  
           })  
   
 setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))  
 setMethod("loadDoc",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   corpus <- readLines(con)  
                   close(con)  
                   Content(object) <- corpus  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object =  "XMLTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   corpus <- paste(readLines(con), "\n", collapse = "")  
                   close(con)  
                   doc <- xmlTreeParse(corpus, asText = TRUE)  
                   class(doc) <- "list"  
                   Content(object) <- doc  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object = "NewsgroupDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   mail <- readLines(con)  
                   close(con)  
                   Cached(object) <- TRUE  
                   for (index in seq_along(mail)) {  
                       if (mail[index] == "")  
                           break  
                   }  
                   Content(object) <- mail[(index + 1):length(mail)]  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object = "StructuredTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   warning("load on demand not (yet) supported for StructuredTextDocuments")  
                   return(object)  
               } else  
                   return(object)  
           })  
   
 setGeneric("tmUpdate", function(object,  
                                 origin,  
                                 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),  
                                 ...) 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),  
                    ...) {  
               if (is.null(readerControl$reader))  
                   readerControl$reader <- origin@DefaultReader  
               if (is(readerControl$reader, "FunctionGenerator"))  
                   readerControl$reader <- readerControl$reader(...)  
               if (is.null(readerControl$language))  
                   readerControl$language = "en_US"  
               if (is.null(readerControl$load))  
                   readerControl$load = TRUE  
   
               object.filelist <- unlist(lapply(object, function(x) {summary(eval(URI(x)))$description}))  
               new.files <- setdiff(origin@FileList, object.filelist)  
   
               for (filename in new.files) {  
                   encoding <- origin@Encoding  
                   elem <- list(content = readLines(filename, encoding = encoding),  
                                uri = substitute(file(filename, encoding = encoding)))  
                   object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))  
               }  
   
               return(object)  
           })  
   
 setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))  
 setMethod("tmMap",  
           signature(object = "Corpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               result <- object  
               # Note that text corpora are automatically loaded into memory via \code{[[}  
               if (DBControl(object)[["useDb"]]) {  
                   if (lazy)  
                       warning("lazy mapping is deactived when using database backend")  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   i <- 1  
                   for (id in unlist(object)) {  
                       db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))  
                       i <- i + 1  
                   }  
                   # Suggested by Christian Buchta  
                   dbReorganize(db)  
64                }                }
               else {  
                   # Lazy mapping  
                   if (lazy) {  
                       lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")  
                       if (is.null(lazyTmMap)) {  
                           meta(result, tag = "lazyTmMap", type = "corpus") <-  
                               list(index = rep(TRUE, length(result)),  
                                    maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  
                       }  
                       else {  
                           lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  
                           meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
                       }  
                   }  
                   else {  
                       result@.Data <- if (clusterAvailable())  
                           snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))  
                       else  
                           lapply(object, FUN, ..., DMetaData = DMetaData(object))  
                   }  
               }  
               return(result)  
           })  
65    
66  # Materialize lazy mappings  .VCorpus <-
67  # Improvements by Christian Buchta  function(x, cmeta, dmeta)
68  materialize <- function(corpus, range = seq_along(corpus)) {  {
69      lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")      attr(x, "CMetaData") <- cmeta
70      if (!is.null(lazyTmMap)) {      attr(x, "DMetaData") <- dmeta
71         # Make valid and lazy index      class(x) <- c("VCorpus", "Corpus", "list")
72         idx <- (seq_along(corpus) %in% range) & lazyTmMap$index      x
        if (any(idx)) {  
            res <- lapply(corpus@.Data[idx], loadDoc)  
            for (m in lazyTmMap$maps)  
                res <- lapply(res, m, DMetaData = DMetaData(corpus))  
            corpus@.Data[idx] <- res  
            lazyTmMap$index[idx] <- FALSE  
        }  
     }  
     # Clean up if everything is materialized  
     if (!any(lazyTmMap$index))  
         lazyTmMap <- NULL  
     meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
     return(corpus)  
 }  
   
 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))  
 setMethod("asPlain",  
           signature(object = "PlainTextDocument"),  
           function(object, FUN, ...) {  
               return(object)  
           })  
 setMethod("asPlain",  
           signature(object = "XMLTextDocument"),  
           function(object, FUN, ...) {  
               corpus <- Content(object)  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
 setMethod("asPlain",  
           signature(object = "Reuters21578Document"),  
           function(object, FUN, ...) {  
               FUN <- convertReut21578XMLPlain  
               corpus <- Content(object)  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
 setMethod("asPlain",  
           signature(object = "RCV1Document"),  
           function(object, FUN, ...) {  
               return(convertRCV1Plain(object, ...))  
           })  
 setMethod("asPlain",  
           signature(object = "NewsgroupDocument"),  
           function(object, FUN, ...) {  
               new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = NULL, Author = Author(object),  
                   DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),  
                   Origin = Origin(object), Heading = Heading(object), Language = Language(object),  
                   LocalMetaData = LocalMetaData(object))  
           })  
 setMethod("asPlain",  
           signature(object = "StructuredTextDocument"),  
           function(object, FUN, ...) {  
               new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,  
                   URI = NULL, Author = Author(object), DateTimeStamp = DateTimeStamp(object),  
                   Description = Description(object), ID = ID(object), Origin = Origin(object),  
                   Heading = Heading(object), Language = Language(object),  
                   LocalMetaData = LocalMetaData(object))  
           })  
   
 setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))  
 setMethod("tmFilter",  
           signature(object = "Corpus"),  
           function(object, ..., FUN = searchFullText, doclevel = TRUE) {  
               if (!is.null(attr(FUN, "doclevel")))  
                   doclevel <- attr(FUN, "doclevel")  
               if (doclevel) {  
                   if (clusterAvailable())  
                       return(object[snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))])  
                   else  
                       return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])  
73                }                }
               else  
                   return(object[FUN(object, ...)])  
           })  
74    
75  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))  VCorpus <-
76  setMethod("tmIndex",  Corpus <-
77            signature(object = "Corpus"),  function(x, readerControl = list(reader = x$defaultreader, language = "en"))
78            function(object, ..., FUN = searchFullText, doclevel = TRUE) {  {
79                if (!is.null(attr(FUN, "doclevel")))      stopifnot(inherits(x, "Source"))
                   doclevel <- attr(FUN, "doclevel")  
               if (doclevel) {  
                   if (clusterAvailable())  
                       return(snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))  
                   else  
                       return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))  
               }  
               else  
                   return(FUN(object, ...))  
           })  
80    
81  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))      readerControl <- prepareReader(readerControl, x$defaultreader)
82  setMethod("appendElem",  
83            signature(object = "Corpus", data = "TextDocument"),      if (is.function(readerControl$init))
84            function(object, data, meta = NULL) {          readerControl$init()
85                if (DBControl(object)[["useDb"]]) {  
86                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])      if (is.function(readerControl$exit))
87                    if (dbExists(db, ID(data)))          on.exit(readerControl$exit())
88                        warning("document with identical ID already exists")  
89                    dbInsert(db, ID(data), data)      # Allocate memory in advance if length is known
90                    object@.Data[[length(object)+1]] <- ID(data)      tdl <- if (x$length > 0)
91                }          vector("list", as.integer(x$length))
92                else                else
93                    object@.Data[[length(object)+1]] <- data          list()
94                DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))  
95                return(object)      if (x$vectorized)
96            })          tdl <- mapply(function(elem, id) readerControl$reader(elem, readerControl$language, id),
97                          pGetElem(x),
98  setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))                        id = if (is.null(x$names) || is.na(x$names)) as.character(seq_len(x$length)) else x$names,
99  setMethod("appendMeta",                        SIMPLIFY = FALSE)
           signature(object = "Corpus"),  
           function(object, cmeta = NULL, dmeta = NULL) {  
               object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)  
               if (!is.null(dmeta)) {  
                   DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))  
               }  
               return(object)  
           })  
   
 setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))  
 setMethod("removeMeta",  
           signature(object = "Corpus"),  
           function(object, cname = NULL, dname = NULL) {  
               if (!is.null(cname))  
                   object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]  
               if (!is.null(dname))  
                   DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]  
               return(object)  
           })  
   
 setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))  
 setMethod("prescindMeta",  
           signature(object = "Corpus", meta = "character"),  
           function(object, meta) {  
               for (m in meta) {  
                   if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {  
                       local.m <- lapply(object, m)  
                       local.m <- sapply(local.m, paste, collapse = " ")  
                       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  
                   }  
100                    else {                    else {
101                        local.meta <- lapply(object, LocalMetaData)          counter <- 1
102                        local.m <- lapply(local.meta, "[[", m)          while (!eoi(x)) {
103                        local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))              x <- stepNext(x)
104                        if (length(local.m) == length(unlist(local.m)))              elem <- getElem(x)
105                            local.m <- unlist(local.m)              id <- if (is.null(x$names) || is.na(x$names))
106                    as.character(counter)
107                else
108                    x$names[counter]
109                doc <- readerControl$reader(elem, readerControl$language, id)
110                if (x$length > 0)
111                    tdl[[counter]] <- doc
112                        else                        else
113                            local.m <- I(local.m)                  tdl <- c(tdl, list(doc))
114                        DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))              counter <- counter + 1
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m  
115                    }                    }
116                }                }
117                return(object)      if (!is.null(x$names) && !is.na(x$names))
118            })          names(tdl) <- x$names
119        df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
120  setMethod("[",      .VCorpus(tdl, .MetaDataNode(), df)
           signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if(missing(i))  
                   return(x)  
   
               object <- x  
               object@.Data <- x@.Data[i, ..., drop = FALSE]  
               if (DBControl(object)[["useDb"]]) {  
                   index <- object@DMetaData[[1 , "subset"]]  
                   if (any(is.na(index)))  
                       object@DMetaData[[1 , "subset"]] <- i  
                   else  
                       object@DMetaData[[1 , "subset"]] <- index[i]  
121                }                }
122                else  
123                    DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]  `[.PCorpus` <-
124                return(object)  function(x, i)
125            })  {
126        if (missing(i)) return(x)
127  setMethod("[<-",      index <- attr(x, "DMetaData")[[1 , "subset"]]
128            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),      attr(x, "DMetaData")[[1 , "subset"]] <- if (is.numeric(index)) index[i] else i
129            function(x, i, j, ... , value) {      dmeta <- attr(x, "DMetaData")
130                object <- x      .PCorpus(NextMethod("["), CMetaData(x), dmeta, DBControl(x))
131                if (DBControl(object)[["useDb"]]) {  }
132                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
133    `[.VCorpus` <-
134    function(x, i)
135    {
136        if (missing(i)) return(x)
137        .VCorpus(NextMethod("["), CMetaData(x), DMetaData(x)[i, , drop = FALSE])
138    }
139    
140    `[<-.PCorpus` <-
141    function(x, i, value)
142    {
143        db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
144                    counter <- 1                    counter <- 1
145                    for (id in object@.Data[i, ...]) {      for (id in unclass(x)[i]) {
146                        if (length(value) == 1)          if (identical(length(value), 1L)) db[[id]] <- value
147                            db[[id]] <- value          else db[[id]] <- value[[counter]]
                       else {  
                           db[[id]] <- value[[counter]]  
                       }  
148                        counter <- counter + 1                        counter <- counter + 1
149                    }                    }
150        x
151                }                }
152    
153    .map_name_index <-
154    function(x, i)
155    {
156        if (is.character(i)) {
157            if (is.null(names(x)))
158                match(i, meta(x, "id", type = "local"))
159                else                else
160                    object@.Data[i, ...] <- value              match(i, names(x))
               return(object)  
           })  
   
 setMethod("[[",  
           signature(x = "Corpus", i = "ANY", j = "ANY"),  
           function(x, i, j, ...) {  
               if (DBControl(x)[["useDb"]]) {  
                   db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])  
                   result <- dbFetch(db, x@.Data[[i]])  
                   return(loadDoc(result))  
161                }                }
162                else {      i
163    }
164    
165    `[[.PCorpus` <-
166    function(x, i)
167    {
168        i <- .map_name_index(x, i)
169        db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
170        filehash::dbFetch(db, NextMethod("[["))
171    }
172    `[[.VCorpus` <-
173    function(x, i)
174    {
175        i <- .map_name_index(x, i)
176                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
177                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
178                        .Call("copyCorpus", x, materialize(x, i))                        .Call("copyCorpus", x, materialize(x, i))
179                    return(loadDoc(x@.Data[[i]]))      NextMethod("[[")
180                }                }
           })  
181    
182  setMethod("[[<-",  `[[<-.PCorpus` <-
183            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),  function(x, i, value)
184            function(x, i, j, ..., value) {  {
185                object <- x      i <- .map_name_index(x, i)
186                if (DBControl(object)[["useDb"]]) {      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
187                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])      index <- unclass(x)[[i]]
                   index <- object@.Data[[i]]  
188                    db[[index]] <- value                    db[[index]] <- value
189        x
190                }                }
191                else {  `[[<-.VCorpus` <-
192    function(x, i, value)
193    {
194        i <- .map_name_index(x, i)
195                    # Mark new objects as not active for lazy mapping                    # Mark new objects as not active for lazy mapping
196                    lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")      lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
197                    if (!is.null(lazyTmMap)) {                    if (!is.null(lazyTmMap)) {
198                        lazyTmMap$index[i] <- FALSE                        lazyTmMap$index[i] <- FALSE
199                        meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap          meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
200                    }                    }
201                    # Set the value                    # Set the value
202                    object@.Data[[i, ...]] <- value      cl <- class(x)
203        y <- NextMethod("[[<-")
204        class(y) <- cl
205        y
206                }                }
               return(object)  
           })  
207    
208  # Update \code{NodeID}s of a CMetaData tree  # Update NodeIDs of a CMetaData tree
209  update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {  .update_id <-
210      # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s  function(x, id = 0, mapping = NULL, left.mapping = NULL, level = 0)
211      set_id <- function(object) {  {
212          object@NodeID <- id      # Traversal of (binary) CMetaData tree with setup of NodeIDs
213        set_id <- function(x) {
214            x$NodeID <- id
215          id <<- id + 1          id <<- id + 1
216          level <<- level + 1          level <<- level + 1
217            if (length(x$Children)) {
218          if (length(object@children) > 0) {              mapping <<- cbind(mapping, c(x$Children[[1]]$NodeID, id))
219              mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))              left <- set_id(x$Children[[1]])
             left <- set_id(object@children[[1]])  
220              if (level == 1) {              if (level == 1) {
221                  left.mapping <<- mapping                  left.mapping <<- mapping
222                  mapping <<- NULL                  mapping <<- NULL
223              }              }
224              mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))              mapping <<- cbind(mapping, c(x$Children[[2]]$NodeID, id))
225              right <- set_id(object@children[[2]])              right <- set_id(x$Children[[2]])
226    
227              object@children <- list(left, right)              x$Children <- list(left, right)
228          }          }
229          level <<- level - 1          level <<- level - 1
230            x
         return(object)  
231      }      }
232        list(root = set_id(x), left.mapping = left.mapping, right.mapping = mapping)
     return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))  
233  }  }
234    
235  setMethod("c",  # Find indices to be updated for a CMetaData tree
236            signature(x = "Corpus"),  .find_indices <-
237            function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  function(x)
238                args <- list(...)  {
               if (length(args) == 0)  
                   return(x)  
   
               if (!all(sapply(args, inherits, "Corpus")))  
                   stop("not all arguments are text document collections")  
               if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))  
                   stop("concatenating text document collections with activated database is not supported")  
   
               result <- x  
               for (c in args) {  
                   result <- c2(result, c)  
               }  
               return(result)  
           })  
   
 setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))  
 setMethod("c2",  
           signature(x = "Corpus", y = "Corpus"),  
           function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  
               object <- x  
               # Concatenate data slots  
               object@.Data <- c(as(x, "list"), as(y, "list"))  
   
               # Set the DBControl slot  
               object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")  
   
               # Update the CMetaData tree  
               cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))  
               update.struct <- update_id(cmeta)  
               object@CMetaData <- update.struct$root  
   
               # Find indices to be updated for the left tree  
239                indices.mapping <- NULL                indices.mapping <- NULL
240                for (m in levels(as.factor(DMetaData(x)$MetaID))) {                for (m in levels(as.factor(DMetaData(x)$MetaID))) {
241                    indices <- (DMetaData(x)$MetaID == m)                    indices <- (DMetaData(x)$MetaID == m)
242                    indices.mapping <- c(indices.mapping, list(m = indices))                    indices.mapping <- c(indices.mapping, list(m = indices))
243                    names(indices.mapping)[length(indices.mapping)] <- m                    names(indices.mapping)[length(indices.mapping)] <- m
244                }                }
245        indices.mapping
246    }
247    
248    c2 <-
249    function(x, y, ...)
250    {
251        # Update the CMetaData tree
252        cmeta <- .MetaDataNode(0, list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), list(CMetaData(x), CMetaData(y)))
253        update.struct <- .update_id(cmeta)
254    
255        new <- .VCorpus(c(unclass(x), unclass(y)), update.struct$root, NULL)
256    
257        # Find indices to be updated for the left tree
258        indices.mapping <- .find_indices(x)
259    
260                # Update the DMetaData data frames for the left tree                # Update the DMetaData data frames for the left tree
261                for (i in 1:ncol(update.struct$left.mapping)) {                for (i in 1:ncol(update.struct$left.mapping)) {
262                    map <- update.struct$left.mapping[,i]                    map <- update.struct$left.mapping[,i]
263                    x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          DMetaData(x)$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
264                }                }
265    
266                # Find indices to be updated for the right tree                # Find indices to be updated for the right tree
267                indices.mapping <- NULL      indices.mapping <- .find_indices(y)
               for (m in levels(as.factor(DMetaData(y)$MetaID))) {  
                   indices <- (DMetaData(y)$MetaID == m)  
                   indices.mapping <- c(indices.mapping, list(m = indices))  
                   names(indices.mapping)[length(indices.mapping)] <- m  
               }  
268    
269                # Update the DMetaData data frames for the right tree                # Update the DMetaData data frames for the right tree
270                for (i in 1:ncol(update.struct$right.mapping)) {                for (i in 1:ncol(update.struct$right.mapping)) {
271                    map <- update.struct$right.mapping[,i]                    map <- update.struct$right.mapping[,i]
272                    y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          DMetaData(y)$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
273                }                }
274    
275                # Merge the DMetaData data frames                # Merge the DMetaData data frames
276                labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))                labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
277                na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))      na.matrix <- matrix(NA,
278                            nrow = nrow(DMetaData(x)),
279                            ncol = length(labels),
280                            dimnames = list(row.names(DMetaData(x)), labels))
281                x.dmeta.aug <- cbind(DMetaData(x), na.matrix)                x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
282                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
283                na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))      na.matrix <- matrix(NA,
284                            nrow = nrow(DMetaData(y)),
285                            ncol = length(labels),
286                            dimnames = list(row.names(DMetaData(y)), labels))
287                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
288                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)      DMetaData(new) <- rbind(x.dmeta.aug, y.dmeta.aug)
289    
290        new
291    }
292    
293    c.Corpus <-
294    function(..., recursive = FALSE)
295    {
296        args <- list(...)
297        x <- args[[1L]]
298    
299        if(length(args) == 1L)
300            return(x)
301    
302        if (!all(unlist(lapply(args, inherits, class(x)))))
303            stop("not all arguments are of the same corpus type")
304    
305                return(object)      if (inherits(x, "PCorpus"))
306            })          stop("concatenation of corpora with underlying databases is not supported")
307    
308  setMethod("c",      if (recursive)
309            signature(x = "TextDocument"),          Reduce(c2, args)
310            function(x, ..., recursive = TRUE){      else {
311            args <- do.call("c", lapply(args, unclass))
312            .VCorpus(args,
313                     cmeta = .MetaDataNode(),
314                     dmeta = data.frame(MetaID = rep(0, length(args)),
315                                        stringsAsFactors = FALSE))
316        }
317    }
318    
319    c.TextDocument <-
320    function(..., recursive = FALSE)
321    {
322                args <- list(...)                args <- list(...)
323                if(length(args) == 0)      x <- args[[1L]]
324    
325        if(length(args) == 1L)
326                    return(x)                    return(x)
327    
328                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      if (!all(unlist(lapply(args, inherits, class(x)))))
329                cmeta.node <- new("MetaDataNode",          stop("not all arguments are text documents")
330                              NodeID = 0,  
331                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),      dmeta <- data.frame(MetaID = rep(0, length(args)),
332                              children = list())                          stringsAsFactors = FALSE)
333        .VCorpus(args, .MetaDataNode(), dmeta)
334                return(new("Corpus",  }
335                           .Data = list(x, ...),  
336                           DMetaData = dmeta.df,  print.Corpus <-
337                           CMetaData = cmeta.node,  function(x, ...)
338                           DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))  {
339            })      cat(sprintf(ngettext(length(x),
340                             "A corpus with %d text document\n",
341  setMethod("length",                           "A corpus with %d text documents\n"),
342            signature(x = "Corpus"),                  length(x)))
343            function(x){      invisible(x)
344                return(length(as(x, "list")))  }
345      })  
346    summary.Corpus <-
347  setMethod("show",  function(object, ...)
348            signature(object = "Corpus"),  {
349            function(object){      print(object)
350                cat(sprintf(ngettext(length(object),      if (length(DMetaData(object))) {
351                                     "A text document collection with %d text document\n",          cat(sprintf(ngettext(length(attr(CMetaData(object), "MetaData")),
                                    "A text document collection with %d text documents\n"),  
                           length(object)))  
     })  
   
 setMethod("summary",  
           signature(object = "Corpus"),  
           function(object){  
               show(object)  
               if (length(DMetaData(object)) > 0) {  
                   cat(sprintf(ngettext(length(CMetaData(object)@MetaData),  
352                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",
353                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
354                                         length(CMetaData(object)@MetaData)))                      length(CMetaData(object)$MetaData)))
355                    cat("Available tags are:\n")                    cat("Available tags are:\n")
356                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")          cat(strwrap(paste(names(CMetaData(object)$MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
357                    cat("Available variables in the data frame are:\n")                    cat("Available variables in the data frame are:\n")
358                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
359                }                }
     })  
   
 setGeneric("inspect", function(object) standardGeneric("inspect"))  
 setMethod("inspect",  
           signature("Corpus"),  
           function(object) {  
               summary(object)  
               cat("\n")  
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   show(dbMultiFetch(db, unlist(object)))  
360                }                }
               else  
                   print(noquote(lapply(object, identity)))  
           })  
361    
362  # No metadata is checked  inspect <-
363  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  function(x)
364  setMethod("%IN%",      UseMethod("inspect", x)
365            signature(x = "TextDocument", y = "Corpus"),  inspect.PCorpus <-
366            function(x, y) {  function(x)
367                if (DBControl(y)[["useDb"]]) {  {
368                    db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])      summary(x)
369                    result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))      cat("\n")
370                }      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
371                else      show(filehash::dbMultiFetch(db, unlist(x)))
                   result <- x %in% y  
               return(result)  
           })  
   
 setMethod("lapply",  
           signature(X = "Corpus"),  
           function(X, FUN, ...) {  
               if (DBControl(X)[["useDb"]]) {  
                   db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
                   result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)  
372                }                }
373                else {  inspect.VCorpus <-
374                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")  function(x)
375                    if (!is.null(lazyTmMap))  {
376                        .Call("copyCorpus", X, materialize(X))      summary(x)
377                    result <- base::lapply(X, FUN, ...)      cat("\n")
378        print(noquote(lapply(x, identity)))
379                }                }
               return(result)  
           })  
380    
381  setMethod("sapply",  lapply.PCorpus <-
382            signature(X = "Corpus"),  function(X, FUN, ...)
383            function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {  {
384                if (DBControl(X)[["useDb"]]) {      db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
385                    db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])      lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
386                    result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)  }
387                }  lapply.VCorpus <-
388                else {  function(X, FUN, ...)
389    {
390                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
391                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
392                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
393                    result <- base::sapply(X, FUN, ...)      base::lapply(X, FUN, ...)
394                }                }
               return(result)  
           })  
395    
396  setAs("list", "Corpus", function(from) {  writeCorpus <-
397      cmeta.node <- new("MetaDataNode",  function(x, path = ".", filenames = NULL)
398                        NodeID = 0,  {
                       MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),  
                       children = list())  
     data <- list()  
     counter <- 1  
     for (f in from) {  
         doc <- new("PlainTextDocument",  
                    .Data = f, URI = NULL, Cached = TRUE,  
                    Author = "", DateTimeStamp = Sys.time(),  
                    Description = "", ID = as.character(counter),  
                    Origin = "", Heading = "", Language = "en_US")  
         data <- c(data, list(doc))  
         counter <- counter + 1  
     }  
     return(new("Corpus", .Data = data,  
                DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),  
                CMetaData = cmeta.node,  
                DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))  
 })  
   
 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  
 setMethod("writeCorpus",  
           signature(object = "Corpus"),  
           function(object, path = ".", filenames = NULL) {  
399                filenames <- file.path(path,                filenames <- file.path(path,
400                                       if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))        if (is.null(filenames))
401              sprintf("%s.txt", as.character(meta(x, "id", "local")))
402                                       else filenames)                                       else filenames)
403                i <- 1  
404                for (o in object) {      stopifnot(length(x) == length(filenames))
405                    writeLines(asPlain(o), filenames[i])  
406                    i <- i + 1      mapply(function(doc, f) writeLines(as.character(doc), f), x, filenames)
407    
408        invisible(x)
409                }                }
           })  

Legend:
Removed from v.884  
changed lines
  Added in v.1306

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