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 946, Wed May 13 18:07:35 2009 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # The "..." are additional arguments for the FunctionGenerator reader  PCorpus <- function(object,
4  setGeneric("Corpus", function(object,                      readerControl = list(reader = object@DefaultReader, language = "eng"),
5                                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),                      dbControl = list(dbName = "", dbType = "DB1"),
                                   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"),  
6                     ...) {                     ...) {
7                if (is.null(readerControl$reader))                if (is.null(readerControl$reader))
8                    readerControl$reader <- object@DefaultReader                    readerControl$reader <- object@DefaultReader
9                if (is(readerControl$reader, "FunctionGenerator"))                if (is(readerControl$reader, "FunctionGenerator"))
10                    readerControl$reader <- readerControl$reader(...)                    readerControl$reader <- readerControl$reader(...)
11                if (is.null(readerControl$language))                if (is.null(readerControl$language))
12                    readerControl$language = "en_US"          readerControl$language <- "eng"
               if (is.null(readerControl$load))  
                   readerControl$load = TRUE  
13    
14                if (dbControl$useDb) {      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
                   if (!dbCreate(dbControl$dbName, dbControl$dbType))  
15                        stop("error in creating database")                        stop("error in creating database")
16                    db <- dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
               }  
17    
18                # Allocate memory in advance if length is known                # Allocate memory in advance if length is known
19                tdl <- if (object@Length > 0)                tdl <- if (object@Length > 0)
# Line 36  Line 25 
25                while (!eoi(object)) {                while (!eoi(object)) {
26                    object <- stepNext(object)                    object <- stepNext(object)
27                    elem <- getElem(object)                    elem <- getElem(object)
28                    # If there is no Load on Demand support          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
29                    # we need to load the corpus into memory at startup          filehash::dbInsert(db, ID(doc), doc)
30                    if (!object@LoDSupport)          if (object@Length > 0) tdl[[counter]] <- ID(doc)
31                        readerControl$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)  
                       if (object@Length > 0)  
                           tdl[[counter]] <- ID(doc)  
                       else  
                           tdl <- c(tdl, ID(doc))  
                   }  
                   else {  
                       if (object@Length > 0)  
                           tdl[[counter]] <- doc  
                       else  
                           tdl <- c(tdl, list(doc))  
                   }  
32                    counter <- counter + 1                    counter <- counter + 1
33                }                }
34    
35                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
36                if (dbControl$useDb) {      filehash::dbInsert(db, "DMetaData", df)
                   dbInsert(db, "DMetaData", df)  
37                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
               }  
               else  
                   dmeta.df <- df  
38    
39                cmeta.node <- new("MetaDataNode",                cmeta.node <- new("MetaDataNode",
40                              NodeID = 0,                              NodeID = 0,
41                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
42                              children = list())                              children = list())
43    
44                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)  
45                }                }
           })  
 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)  
           })  
46    
47  setGeneric("tmUpdate", function(object,  # The "..." are additional arguments for the FunctionGenerator reader
48                                  origin,  SCorpus <- Corpus <- function(object,
49                                  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),  
50                     ...) {                     ...) {
51                if (is.null(readerControl$reader))                if (is.null(readerControl$reader))
52                    readerControl$reader <- origin@DefaultReader          readerControl$reader <- object@DefaultReader
53                if (is(readerControl$reader, "FunctionGenerator"))                if (is(readerControl$reader, "FunctionGenerator"))
54                    readerControl$reader <- readerControl$reader(...)                    readerControl$reader <- readerControl$reader(...)
55                if (is.null(readerControl$language))                if (is.null(readerControl$language))
56                    readerControl$language = "en_US"          readerControl$language <- "eng"
57                if (is.null(readerControl$load))  
58                    readerControl$load = TRUE      # Allocate memory in advance if length is known
59        tdl <- if (object@Length > 0)
60                object.filelist <- unlist(lapply(object, function(x) {summary(eval(URI(x)))$description}))          vector("list", as.integer(object@Length))
61                new.files <- setdiff(origin@FileList, object.filelist)      else
62            list()
63                for (filename in new.files) {  
64                    encoding <- origin@Encoding      if (object@Vectorized)
65                    elem <- list(content = readLines(filename, encoding = encoding),          tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),
66                                 uri = substitute(file(filename, encoding = encoding)))                        function(x) readerControl$reader(x[c("content", "uri")],
67                    object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))                                                         readerControl$language,
68                                                           as.character(x$id)))
69        else {
70            counter <- 1
71            while (!eoi(object)) {
72                object <- stepNext(object)
73                elem <- getElem(object)
74                doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
75                if (object@Length > 0)
76                    tdl[[counter]] <- doc
77                else
78                    tdl <- c(tdl, list(doc))
79                counter <- counter + 1
80            }
81                }                }
82    
83                return(object)      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
84            })      cmeta.node <- new("MetaDataNode",
85                          NodeID = 0,
86                          MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
87                          children = list())
88    
89        new("SCorpus", .Data = tdl, DMetaData = df, CMetaData = cmeta.node)
90    }
91    
92  setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))  setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))
93  setMethod("tmMap",  setMethod("tmMap",
94            signature(object = "Corpus", FUN = "function"),            signature(object = "SCorpus", FUN = "function"),
95            function(object, FUN, ..., lazy = FALSE) {            function(object, FUN, ..., lazy = FALSE) {
96                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 {  
97                    # Lazy mapping                    # Lazy mapping
98                    if (lazy) {                    if (lazy) {
99                        lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")                        lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
# Line 203  Line 113 
113                        else                        else
114                            lapply(object, FUN, ..., DMetaData = DMetaData(object))                            lapply(object, FUN, ..., DMetaData = DMetaData(object))
115                    }                    }
116                  result
117              })
118    setMethod("tmMap",
119              signature(object = "PCorpus", FUN = "function"),
120              function(object, FUN, ..., lazy = FALSE) {
121                  # TODO: When should lazy mapping be conceptually available?
122                  if (lazy)
123                      warning("lazy mapping is deactived when using database backend")
124                  db <- filehash::dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
125                  i <- 1
126                  for (id in unlist(object)) {
127                      db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
128                      i <- i + 1
129                }                }
130                return(result)                # Suggested by Christian Buchta
131                  filehash::dbReorganize(db)
132    
133                  object
134            })            })
135    
136  # Materialize lazy mappings  # Materialize lazy mappings
# Line 215  Line 141 
141         # Make valid and lazy index         # Make valid and lazy index
142         idx <- (seq_along(corpus) %in% range) & lazyTmMap$index         idx <- (seq_along(corpus) %in% range) & lazyTmMap$index
143         if (any(idx)) {         if (any(idx)) {
144             res <- lapply(corpus@.Data[idx], loadDoc)             res <- corpus@.Data[idx]
145             for (m in lazyTmMap$maps)             for (m in lazyTmMap$maps)
146                 res <- lapply(res, m, DMetaData = DMetaData(corpus))                 res <- lapply(res, m, DMetaData = DMetaData(corpus))
147             corpus@.Data[idx] <- res             corpus@.Data[idx] <- res
# Line 226  Line 152 
152      if (!any(lazyTmMap$index))      if (!any(lazyTmMap$index))
153          lazyTmMap <- NULL          lazyTmMap <- NULL
154      meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap      meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
155      return(corpus)      corpus
156  }  }
157    
158  setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))  setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
159  setMethod("asPlain",  setMethod("asPlain", signature(object = "PlainTextDocument"),
160            signature(object = "PlainTextDocument"),            function(object, FUN, ...) object)
           function(object, FUN, ...) {  
               return(object)  
           })  
161  setMethod("asPlain",  setMethod("asPlain",
162            signature(object = "XMLTextDocument"),            signature(object = "XMLTextDocument"),
163            function(object, FUN, ...) {            function(object, FUN, ...) {
164                  require("XML")
165    
166                corpus <- Content(object)                corpus <- Content(object)
167    
168                # As XMLDocument is no native S4 class, restore valid information                # As XMLDocument is no native S4 class, restore valid information
# Line 249  Line 174 
174  setMethod("asPlain",  setMethod("asPlain",
175            signature(object = "Reuters21578Document"),            signature(object = "Reuters21578Document"),
176            function(object, FUN, ...) {            function(object, FUN, ...) {
177                  require("XML")
178    
179                FUN <- convertReut21578XMLPlain                FUN <- convertReut21578XMLPlain
180                corpus <- Content(object)                corpus <- Content(object)
181    
# Line 258  Line 185 
185    
186                return(FUN(xmlRoot(corpus), ...))                return(FUN(xmlRoot(corpus), ...))
187            })            })
188  setMethod("asPlain",  setMethod("asPlain", signature(object = "RCV1Document"),
189            signature(object = "RCV1Document"),            function(object, FUN, ...) convertRCV1Plain(object, ...))
           function(object, FUN, ...) {  
               return(convertRCV1Plain(object, ...))  
           })  
190  setMethod("asPlain",  setMethod("asPlain",
191            signature(object = "NewsgroupDocument"),            signature(object = "NewsgroupDocument"),
192            function(object, FUN, ...) {            function(object, FUN, ...) {
193                new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = NULL, Author = Author(object),                new("PlainTextDocument", .Data = Content(object), Author = Author(object),
194                    DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),                    DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
195                    Origin = Origin(object), Heading = Heading(object), Language = Language(object),                    Origin = Origin(object), Heading = Heading(object), Language = Language(object),
196                    LocalMetaData = LocalMetaData(object))                    LocalMetaData = LocalMetaData(object))
# Line 274  Line 198 
198  setMethod("asPlain",  setMethod("asPlain",
199            signature(object = "StructuredTextDocument"),            signature(object = "StructuredTextDocument"),
200            function(object, FUN, ...) {            function(object, FUN, ...) {
201                new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,                new("PlainTextDocument", .Data = unlist(Content(object)),
202                    URI = NULL, Author = Author(object), DateTimeStamp = DateTimeStamp(object),                    Author = Author(object), DateTimeStamp = DateTimeStamp(object),
203                    Description = Description(object), ID = ID(object), Origin = Origin(object),                    Description = Description(object), ID = ID(object), Origin = Origin(object),
204                    Heading = Heading(object), Language = Language(object),                    Heading = Heading(object), Language = Language(object),
205                    LocalMetaData = LocalMetaData(object))                    LocalMetaData = LocalMetaData(object))
206            })            })
207    
208  setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))  setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))
209  setMethod("tmFilter",  setMethod("tmFilter", signature(object = "Corpus"),
210            signature(object = "Corpus"),            function(object, ..., FUN = searchFullText, doclevel = TRUE)
211            function(object, ..., FUN = searchFullText, doclevel = TRUE) {                object[tmIndex(object, ..., FUN = FUN, doclevel = doclevel)])
               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))])  
               }  
               else  
                   return(object[FUN(object, ...)])  
           })  
212    
213  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))
214  setMethod("tmIndex",  setMethod("tmIndex",
# Line 313  Line 226 
226                    return(FUN(object, ...))                    return(FUN(object, ...))
227            })            })
228    
229    # TODO: Replace with c(Corpus, TextDocument)?
230  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
231  setMethod("appendElem",  setMethod("appendElem",
232            signature(object = "Corpus", data = "TextDocument"),            signature(object = "Corpus", data = "TextDocument"),
233            function(object, data, meta = NULL) {            function(object, data, meta = NULL) {
234                if (DBControl(object)[["useDb"]]) {                if (DBControl(object)[["useDb"]] && require("filehash")) {
235                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
236                    if (dbExists(db, ID(data)))                    if (dbExists(db, ID(data)))
237                        warning("document with identical ID already exists")                        warning("document with identical ID already exists")
# Line 330  Line 244 
244                return(object)                return(object)
245            })            })
246    
247  setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))  prescindMeta <- function(object, meta) {
248  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)  
           })  
249    
250  setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))      for (m in meta)
251  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)  
           })  
252    
253  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 <- 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  
                   }  
                   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  
                   }  
254                }                }
255                return(object)  
256    setMethod("[",
257              signature(x = "PCorpus", i = "ANY", j = "ANY", drop = "ANY"),
258              function(x, i, j, ... , drop) {
259                  if (missing(i)) return(x)
260    
261                  x@.Data <- x@.Data[i, ..., drop = FALSE]
262                  index <- x@DMetaData[[1 , "subset"]]
263                  if (any(is.na(index))) x@DMetaData[[1 , "subset"]] <- i
264                  else x@DMetaData[[1 , "subset"]] <- index[i]
265                  x
266            })            })
267    
268  setMethod("[",  setMethod("[",
269            signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),            signature(x = "SCorpus", i = "ANY", j = "ANY", drop = "ANY"),
270            function(x, i, j, ... , drop) {            function(x, i, j, ... , drop) {
271                if(missing(i))                if (missing(i)) return(x)
                   return(x)  
272    
273                object <- x                x@.Data <- x@.Data[i, ..., drop = FALSE]
274                object@.Data <- x@.Data[i, ..., drop = FALSE]                DMetaData(x) <- DMetaData(x)[i, , drop = FALSE]
275                if (DBControl(object)[["useDb"]]) {                x
                   index <- object@DMetaData[[1 , "subset"]]  
                   if (any(is.na(index)))  
                       object@DMetaData[[1 , "subset"]] <- i  
                   else  
                       object@DMetaData[[1 , "subset"]] <- index[i]  
               }  
               else  
                   DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]  
               return(object)  
276            })            })
277    
278  setMethod("[<-",  setMethod("[<-",
279            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),
280            function(x, i, j, ... , value) {            function(x, i, j, ... , value) {
281                object <- x                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
282                    counter <- 1                    counter <- 1
283                    for (id in object@.Data[i, ...]) {                for (id in x@.Data[i, ...]) {
284                        if (length(value) == 1)                    if (identical(length(value), 1)) db[[id]] <- value
285                            db[[id]] <- value                    else db[[id]] <- value[[counter]]
                       else {  
                           db[[id]] <- value[[counter]]  
                       }  
286                        counter <- counter + 1                        counter <- counter + 1
287                    }                    }
288                }                x
289                else            })
290                    object@.Data[i, ...] <- value  setMethod("[<-",
291                return(object)            signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),
292              function(x, i, j, ... , value) {
293                  x@.Data[i, ...] <- value
294                  x
295            })            })
296    
297  setMethod("[[",  setMethod("[[",
298            signature(x = "Corpus", i = "ANY", j = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY"),
299            function(x, i, j, ...) {            function(x, i, j, ...) {
300                if (DBControl(x)[["useDb"]]) {                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
301                    db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])                filehash::dbFetch(db, x@.Data[[i]])
302                    result <- dbFetch(db, x@.Data[[i]])            })
303                    return(loadDoc(result))  setMethod("[[",
304                }            signature(x = "SCorpus", i = "ANY", j = "ANY"),
305                else {            function(x, i, j, ...) {
306                  # TODO: For which corpora should lazy mapping be available?
307                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
308                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
309                        .Call("copyCorpus", x, materialize(x, i))                        .Call("copyCorpus", x, materialize(x, i))
310                    return(loadDoc(x@.Data[[i]]))                x@.Data[[i]]
               }  
311            })            })
312    
313  setMethod("[[<-",  setMethod("[[<-",
314            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),
315            function(x, i, j, ..., value) {            function(x, i, j, ..., value) {
316                object <- x                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
317                if (DBControl(object)[["useDb"]]) {                index <- x@.Data[[i]]
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   index <- object@.Data[[i]]  
318                    db[[index]] <- value                    db[[index]] <- value
319                }                x
320                else {            })
321    setMethod("[[<-",
322              signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),
323              function(x, i, j, ..., value) {
324                    # Mark new objects as not active for lazy mapping                    # Mark new objects as not active for lazy mapping
325                    lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
326                    if (!is.null(lazyTmMap)) {                    if (!is.null(lazyTmMap)) {
327                        lazyTmMap$index[i] <- FALSE                        lazyTmMap$index[i] <- FALSE
328                        meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
329                    }                    }
330                    # Set the value                    # Set the value
331                    object@.Data[[i, ...]] <- value                x@.Data[[i, ...]] <- value
332                }  
333                return(object)                x
334            })            })
335    
336  # Update \code{NodeID}s of a CMetaData tree  # Update \code{NodeID}s of a CMetaData tree
# Line 487  Line 361 
361      return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))      return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
362  }  }
363    
364    # TODO: Implement concatenation for PCorpus
365  setMethod("c",  setMethod("c",
366            signature(x = "Corpus"),            signature(x = "Corpus"),
367            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 = TRUE) {
368                args <- list(...)                args <- list(...)
369                if (length(args) == 0)                if (length(args) == 0)
370                    return(x)                    return(x)
371    
372                if (!all(sapply(args, inherits, "Corpus")))                if (!all(sapply(args, inherits, "SCorpus")))
373                    stop("not all arguments are text document collections")                    stop("not all arguments are standard corpora")
               if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))  
                   stop("concatenating text document collections with activated database is not supported")  
374    
375                result <- x                Reduce(c2, base::c(list(x), args))
               for (c in args) {  
                   result <- c2(result, c)  
               }  
               return(result)  
376            })            })
377    
378  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")), recursive = TRUE) standardGeneric("c2"))
379  setMethod("c2",  setMethod("c2",
380            signature(x = "Corpus", y = "Corpus"),            signature(x = "SCorpus", y = "SCorpus"),
381            function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {            function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
382                object <- x                object <- x
383                # Concatenate data slots                # Concatenate data slots
384                object@.Data <- c(as(x, "list"), as(y, "list"))                object@.Data <- c(as(x, "list"), as(y, "list"))
385    
               # Set the DBControl slot  
               object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")  
   
386                # Update the CMetaData tree                # Update the CMetaData tree
387                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)))
388                update.struct <- update_id(cmeta)                update.struct <- update_id(cmeta)
# Line 566  Line 432 
432            signature(x = "TextDocument"),            signature(x = "TextDocument"),
433            function(x, ..., recursive = TRUE){            function(x, ..., recursive = TRUE){
434                args <- list(...)                args <- list(...)
435                if(length(args) == 0)                if (identical(length(args), 0)) return(x)
                   return(x)  
436    
437                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
438                cmeta.node <- new("MetaDataNode",                cmeta.node <- new("MetaDataNode",
439                              NodeID = 0,                              NodeID = 0,
440                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
441                              children = list())                              children = list())
442    
443                return(new("Corpus",                new("SCorpus", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node)
                          .Data = list(x, ...),  
                          DMetaData = dmeta.df,  
                          CMetaData = cmeta.node,  
                          DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))  
           })  
   
 setMethod("length",  
           signature(x = "Corpus"),  
           function(x){  
               return(length(as(x, "list")))  
444      })      })
445    
446  setMethod("show",  setMethod("show",
447            signature(object = "Corpus"),            signature(object = "Corpus"),
448            function(object){            function(object){
449                cat(sprintf(ngettext(length(object),                cat(sprintf(ngettext(length(object),
450                                     "A text document collection with %d text document\n",                                     "A corpus with %d text document\n",
451                                     "A text document collection with %d text documents\n"),                                     "A corpus with %d text documents\n"),
452                            length(object)))                            length(object)))
453      })      })
454    
# Line 613  Line 468 
468                }                }
469      })      })
470    
471  setGeneric("inspect", function(object) standardGeneric("inspect"))  inspect <- function(x) UseMethod("inspect", x)
472  setMethod("inspect",  inspect.PCorpus <- function(x) {
473            signature("Corpus"),      summary(x)
           function(object) {  
               summary(object)  
474                cat("\n")                cat("\n")
475                if (DBControl(object)[["useDb"]]) {      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
476                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])      show(filehash::dbMultiFetch(db, unlist(x)))
477                    show(dbMultiFetch(db, unlist(object)))  }
478    inspect.SCorpus <- function(x) {
479        summary(x)
480        cat("\n")
481        print(noquote(lapply(x, identity)))
482                }                }
               else  
                   print(noquote(lapply(object, identity)))  
           })  
483    
484  # No metadata is checked  # No metadata is checked
485  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
486  setMethod("%IN%",  setMethod("%IN%", signature(x = "TextDocument", y = "PCorpus"),
           signature(x = "TextDocument", y = "Corpus"),  
487            function(x, y) {            function(x, y) {
488                if (DBControl(y)[["useDb"]]) {                db <- filehash::dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
489                    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)  
490            })            })
491    setMethod("%IN%", signature(x = "TextDocument", y = "SCorpus"),
492              function(x, y) x %in% y)
493    
494  setMethod("lapply",  setMethod("lapply",
495            signature(X = "Corpus"),            signature(X = "SCorpus"),
496            function(X, FUN, ...) {            function(X, FUN, ...) {
               if (DBControl(X)[["useDb"]]) {  
                   db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
                   result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)  
               }  
               else {  
497                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
498                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
499                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
500                    result <- base::lapply(X, FUN, ...)                base::lapply(X, FUN, ...)
501                }            })
502                return(result)  setMethod("lapply",
503              signature(X = "PCorpus"),
504              function(X, FUN, ...) {
505                  db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
506                  lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
507            })            })
508    
509  setMethod("sapply",  setMethod("sapply",
510            signature(X = "Corpus"),            signature(X = "SCorpus"),
511            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 {  
512                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
513                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
514                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
515                    result <- base::sapply(X, FUN, ...)                base::sapply(X, FUN, ...)
516                }            })
517                return(result)  setMethod("sapply",
518              signature(X = "PCorpus"),
519              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
520                  db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
521                  sapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
522            })            })
523    
524  setAs("list", "Corpus", function(from) {  setAs("list", "SCorpus", function(from) {
525      cmeta.node <- new("MetaDataNode",      cmeta.node <- new("MetaDataNode",
526                        NodeID = 0,                        NodeID = 0,
527                        MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
528                        children = list())                        children = list())
529      data <- list()      data <- list()
530      counter <- 1      counter <- 1
531      for (f in from) {      for (f in from) {
532          doc <- new("PlainTextDocument",          doc <- new("PlainTextDocument",
533                     .Data = f, URI = NULL, Cached = TRUE,                     .Data = f,
534                     Author = "", DateTimeStamp = Sys.time(),                     Author = "", DateTimeStamp = as.POSIXlt(Sys.time(), tz = "GMT"),
535                     Description = "", ID = as.character(counter),                     Description = "", ID = as.character(counter),
536                     Origin = "", Heading = "", Language = "en_US")                     Origin = "", Heading = "", Language = "eng")
537          data <- c(data, list(doc))          data <- c(data, list(doc))
538          counter <- counter + 1          counter <- counter + 1
539      }      }
540      return(new("Corpus", .Data = data,      new("SCorpus", .Data = data,
541                 DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),                 DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),
542                 CMetaData = cmeta.node,          CMetaData = cmeta.node)
                DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))  
543  })  })
544    
545  setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))

Legend:
Removed from v.884  
changed lines
  Added in v.946

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