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 960, Fri Jun 26 17:43:45 2009 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # The "..." are additional arguments for the FunctionGenerator reader  prepareReader <- function(readerControl, defaultReader = NULL, ...) {
 setGeneric("Corpus", function(object,  
                                   readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),  
                                   dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),  
                                   ...) standardGeneric("Corpus"))  
 setMethod("Corpus",  
           signature(object = "Source"),  
           function(object,  
                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),  
                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),  
                    ...) {  
4                if (is.null(readerControl$reader))                if (is.null(readerControl$reader))
5                    readerControl$reader <- object@DefaultReader          readerControl$reader <- defaultReader
6                if (is(readerControl$reader, "FunctionGenerator"))                if (is(readerControl$reader, "FunctionGenerator"))
7                    readerControl$reader <- readerControl$reader(...)                    readerControl$reader <- readerControl$reader(...)
8                if (is.null(readerControl$language))                if (is.null(readerControl$language))
9                    readerControl$language = "en_US"          readerControl$language <- "eng"
10                if (is.null(readerControl$load))      readerControl
11                    readerControl$load = TRUE  }
12    
13                if (dbControl$useDb) {  FCorpus <- function(object, readerControl = list(language = "eng")) {
14                    if (!dbCreate(dbControl$dbName, dbControl$dbType))      readerControl <- prepareReader(readerControl, object@DefaultReader, ...)
15                        stop("error in creating database")  
16                    db <- dbInit(dbControl$dbName, dbControl$dbType)      if (!object@Vectorized)
17            stop("Source is not vectorized")
18    
19        tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),
20                      function(x) readSlim(x[c("content", "uri")],
21                                           readerControl$language,
22                                           as.character(x$id)))
23    
24        new("FCorpus", .Data = tdl)
25                }                }
26    
27    PCorpus <- function(object,
28                        readerControl = list(reader = object@DefaultReader, language = "eng"),
29                        dbControl = list(dbName = "", dbType = "DB1"),
30                        ...) {
31        readerControl <- prepareReader(readerControl, object@DefaultReader, ...)
32    
33        if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
34            stop("error in creating database")
35        db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
36    
37                # Allocate memory in advance if length is known                # Allocate memory in advance if length is known
38                tdl <- if (object@Length > 0)                tdl <- if (object@Length > 0)
39                    vector("list", as.integer(object@Length))                    vector("list", as.integer(object@Length))
# Line 36  Line 44 
44                while (!eoi(object)) {                while (!eoi(object)) {
45                    object <- stepNext(object)                    object <- stepNext(object)
46                    elem <- getElem(object)                    elem <- getElem(object)
47                    # If there is no Load on Demand support          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
48                    # we need to load the corpus into memory at startup          filehash::dbInsert(db, ID(doc), doc)
49                    if (!object@LoDSupport)          if (object@Length > 0) tdl[[counter]] <- ID(doc)
50                        readerControl$load <- TRUE          else tdl <- c(tdl, ID(doc))
51                    doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))          counter <- counter + 1
52                    if (dbControl$useDb) {      }
53                        dbInsert(db, ID(doc), doc)  
54                        if (object@Length > 0)      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
55                            tdl[[counter]] <- ID(doc)      filehash::dbInsert(db, "DMetaData", df)
56                        else      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
57                            tdl <- c(tdl, ID(doc))  
58        cmeta.node <- new("MetaDataNode",
59                          NodeID = 0,
60                          MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
61                          children = list())
62    
63        new("PCorpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl)
64                    }                    }
65    
66    # The "..." are additional arguments for the FunctionGenerator reader
67    SCorpus <- Corpus <- function(object,
68                        readerControl = list(reader = object@DefaultReader, language = "eng"),
69                        ...) {
70        readerControl <- prepareReader(readerControl, object@DefaultReader, ...)
71    
72        # Allocate memory in advance if length is known
73        tdl <- if (object@Length > 0)
74            vector("list", as.integer(object@Length))
75        else
76            list()
77    
78        if (object@Vectorized)
79            tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),
80                          function(x) readerControl$reader(x[c("content", "uri")],
81                                                           readerControl$language,
82                                                           as.character(x$id)))
83                    else {                    else {
84            counter <- 1
85            while (!eoi(object)) {
86                object <- stepNext(object)
87                elem <- getElem(object)
88                doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
89                        if (object@Length > 0)                        if (object@Length > 0)
90                            tdl[[counter]] <- doc                            tdl[[counter]] <- doc
91                        else                        else
92                            tdl <- c(tdl, list(doc))                            tdl <- c(tdl, list(doc))
                   }  
93                    counter <- counter + 1                    counter <- counter + 1
94                }                }
   
               df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)  
               if (dbControl$useDb) {  
                   dbInsert(db, "DMetaData", df)  
                   dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))  
95                }                }
               else  
                   dmeta.df <- df  
96    
97        df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
98                cmeta.node <- new("MetaDataNode",                cmeta.node <- new("MetaDataNode",
99                              NodeID = 0,                              NodeID = 0,
100                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
101                              children = list())                              children = list())
102    
103                return(new("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))      new("SCorpus", .Data = tdl, DMetaData = df, CMetaData = cmeta.node)
           })  
   
 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)  
104                }                }
           })  
 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)  
           })  
105    
106  setGeneric("tmUpdate", function(object,  setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))
107                                  origin,  setMethod("tmMap",
108                                  readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),            signature(object = "FCorpus", FUN = "function"),
109                                  ...) standardGeneric("tmUpdate"))            function(object, FUN, ..., lazy = FALSE) {
110  # Update is only supported for directories                if (lazy)
111  # At the moment no other LoD devices are available anyway                    warning("lazy mapping is deactivated")
 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))  
               }  
112    
113                return(object)                new("FCorpus", .Data = lapply(object, FUN, ..., DMetaData = data.frame()))
114            })            })
   
 setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))  
115  setMethod("tmMap",  setMethod("tmMap",
116            signature(object = "Corpus", FUN = "function"),            signature(object = "SCorpus", FUN = "function"),
117            function(object, FUN, ..., lazy = FALSE) {            function(object, FUN, ..., lazy = FALSE) {
118                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 {  
119                    # Lazy mapping                    # Lazy mapping
120                    if (lazy) {                    if (lazy) {
121                        lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")                        lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
# Line 203  Line 135 
135                        else                        else
136                            lapply(object, FUN, ..., DMetaData = DMetaData(object))                            lapply(object, FUN, ..., DMetaData = DMetaData(object))
137                    }                    }
138                  result
139              })
140    setMethod("tmMap",
141              signature(object = "PCorpus", FUN = "function"),
142              function(object, FUN, ..., lazy = FALSE) {
143                  if (lazy)
144                      warning("lazy mapping is deactived when using database backend")
145                  db <- filehash::dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
146                  i <- 1
147                  for (id in unlist(object)) {
148                      db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
149                      i <- i + 1
150                }                }
151                return(result)                # Suggested by Christian Buchta
152                  filehash::dbReorganize(db)
153    
154                  object
155            })            })
156    
157  # Materialize lazy mappings  # Materialize lazy mappings
# Line 215  Line 162 
162         # Make valid and lazy index         # Make valid and lazy index
163         idx <- (seq_along(corpus) %in% range) & lazyTmMap$index         idx <- (seq_along(corpus) %in% range) & lazyTmMap$index
164         if (any(idx)) {         if (any(idx)) {
165             res <- lapply(corpus@.Data[idx], loadDoc)             res <- corpus@.Data[idx]
166             for (m in lazyTmMap$maps)             for (m in lazyTmMap$maps)
167                 res <- lapply(res, m, DMetaData = DMetaData(corpus))                 res <- lapply(res, m, DMetaData = DMetaData(corpus))
168             corpus@.Data[idx] <- res             corpus@.Data[idx] <- res
# Line 226  Line 173 
173      if (!any(lazyTmMap$index))      if (!any(lazyTmMap$index))
174          lazyTmMap <- NULL          lazyTmMap <- NULL
175      meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap      meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
176      return(corpus)      corpus
177  }  }
178    
179  setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))  setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
180  setMethod("asPlain",  setMethod("asPlain", signature(object = "PlainTextDocument"),
181            signature(object = "PlainTextDocument"),            function(object, FUN, ...) object)
           function(object, FUN, ...) {  
               return(object)  
           })  
182  setMethod("asPlain",  setMethod("asPlain",
183            signature(object = "XMLTextDocument"),            signature(object = "XMLTextDocument"),
184            function(object, FUN, ...) {            function(object, FUN, ...) {
185                  require("XML")
186    
187                corpus <- Content(object)                corpus <- Content(object)
188    
189                # As XMLDocument is no native S4 class, restore valid information                # As XMLDocument is no native S4 class, restore valid information
# Line 249  Line 195 
195  setMethod("asPlain",  setMethod("asPlain",
196            signature(object = "Reuters21578Document"),            signature(object = "Reuters21578Document"),
197            function(object, FUN, ...) {            function(object, FUN, ...) {
198                  require("XML")
199    
200                FUN <- convertReut21578XMLPlain                FUN <- convertReut21578XMLPlain
201                corpus <- Content(object)                corpus <- Content(object)
202    
# Line 258  Line 206 
206    
207                return(FUN(xmlRoot(corpus), ...))                return(FUN(xmlRoot(corpus), ...))
208            })            })
209  setMethod("asPlain",  setMethod("asPlain", signature(object = "RCV1Document"),
210            signature(object = "RCV1Document"),            function(object, FUN, ...) convertRCV1Plain(object, ...))
           function(object, FUN, ...) {  
               return(convertRCV1Plain(object, ...))  
           })  
211  setMethod("asPlain",  setMethod("asPlain",
212            signature(object = "NewsgroupDocument"),            signature(object = "NewsgroupDocument"),
213            function(object, FUN, ...) {            function(object, FUN, ...) {
214                new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = NULL, Author = Author(object),                new("PlainTextDocument", .Data = Content(object), Author = Author(object),
215                    DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),                    DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
216                    Origin = Origin(object), Heading = Heading(object), Language = Language(object),                    Origin = Origin(object), Heading = Heading(object), Language = Language(object),
217                    LocalMetaData = LocalMetaData(object))                    LocalMetaData = LocalMetaData(object))
# Line 274  Line 219 
219  setMethod("asPlain",  setMethod("asPlain",
220            signature(object = "StructuredTextDocument"),            signature(object = "StructuredTextDocument"),
221            function(object, FUN, ...) {            function(object, FUN, ...) {
222                new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,                new("PlainTextDocument", .Data = unlist(Content(object)),
223                    URI = NULL, Author = Author(object), DateTimeStamp = DateTimeStamp(object),                    Author = Author(object), DateTimeStamp = DateTimeStamp(object),
224                    Description = Description(object), ID = ID(object), Origin = Origin(object),                    Description = Description(object), ID = ID(object), Origin = Origin(object),
225                    Heading = Heading(object), Language = Language(object),                    Heading = Heading(object), Language = Language(object),
226                    LocalMetaData = LocalMetaData(object))                    LocalMetaData = LocalMetaData(object))
227            })            })
228    
229  setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))  setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))
230  setMethod("tmFilter",  setMethod("tmFilter", signature(object = "Corpus"),
231            signature(object = "Corpus"),            function(object, ..., FUN = searchFullText, doclevel = TRUE)
232            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, ...)])  
           })  
233    
234  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))
235  setMethod("tmIndex",  setMethod("tmIndex",
# Line 313  Line 247 
247                    return(FUN(object, ...))                    return(FUN(object, ...))
248            })            })
249    
250    # TODO: Replace with c(Corpus, TextDocument)?
251  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
252  setMethod("appendElem",  setMethod("appendElem",
253            signature(object = "Corpus", data = "TextDocument"),            signature(object = "Corpus", data = "TextDocument"),
254            function(object, data, meta = NULL) {            function(object, data, meta = NULL) {
255                if (DBControl(object)[["useDb"]]) {                if (DBControl(object)[["useDb"]] && require("filehash")) {
256                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
257                    if (dbExists(db, ID(data)))                    if (dbExists(db, ID(data)))
258                        warning("document with identical ID already exists")                        warning("document with identical ID already exists")
# Line 330  Line 265 
265                return(object)                return(object)
266            })            })
267    
268  setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))  prescindMeta <- function(object, meta) {
269  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)  
           })  
270    
271  setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))      for (m in meta)
272  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)  
           })  
273    
274  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  
275                    }                    }
276                    else {  
277                        local.meta <- lapply(object, LocalMetaData)  setMethod("[",
278                        local.m <- lapply(local.meta, "[[", m)            signature(x = "FCorpus", i = "ANY", j = "ANY", drop = "ANY"),
279                        local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))            function(x, i, j, ... , drop) {
280                        if (length(local.m) == length(unlist(local.m)))                if (missing(i)) return(x)
281                            local.m <- unlist(local.m)  
282                        else                x@.Data <- x@.Data[i, ..., drop = FALSE]
283                            local.m <- I(local.m)                x
                       DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))  
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m  
                   }  
               }  
               return(object)  
284            })            })
285    setMethod("[",
286              signature(x = "PCorpus", i = "ANY", j = "ANY", drop = "ANY"),
287              function(x, i, j, ... , drop) {
288                  if (missing(i)) return(x)
289    
290                  x@.Data <- x@.Data[i, ..., drop = FALSE]
291                  index <- x@DMetaData[[1 , "subset"]]
292                  if (any(is.na(index))) x@DMetaData[[1 , "subset"]] <- i
293                  else x@DMetaData[[1 , "subset"]] <- index[i]
294                  x
295              })
296  setMethod("[",  setMethod("[",
297            signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),            signature(x = "SCorpus", i = "ANY", j = "ANY", drop = "ANY"),
298            function(x, i, j, ... , drop) {            function(x, i, j, ... , drop) {
299                if(missing(i))                if (missing(i)) return(x)
                   return(x)  
300    
301                object <- x                x@.Data <- x@.Data[i, ..., drop = FALSE]
302                object@.Data <- x@.Data[i, ..., drop = FALSE]                DMetaData(x) <- DMetaData(x)[i, , drop = FALSE]
303                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)  
304            })            })
305    
306  setMethod("[<-",  setMethod("[<-",
307            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),
308            function(x, i, j, ... , value) {            function(x, i, j, ... , value) {
309                object <- x                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
310                    counter <- 1                    counter <- 1
311                    for (id in object@.Data[i, ...]) {                for (id in x@.Data[i, ...]) {
312                        if (length(value) == 1)                    if (identical(length(value), 1)) db[[id]] <- value
313                            db[[id]] <- value                    else db[[id]] <- value[[counter]]
                       else {  
                           db[[id]] <- value[[counter]]  
                       }  
314                        counter <- counter + 1                        counter <- counter + 1
315                    }                    }
316                }                x
317                else            })
318                    object@.Data[i, ...] <- value  setMethod("[<-",
319                return(object)            signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),
320              function(x, i, j, ... , value) {
321                  x@.Data[i, ...] <- value
322                  x
323            })            })
324    
325  setMethod("[[",  setMethod("[[",
326            signature(x = "Corpus", i = "ANY", j = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY"),
327              function(x, i, j, ...) {
328                  db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
329                  filehash::dbFetch(db, x@.Data[[i]])
330              })
331    setMethod("[[",
332              signature(x = "SCorpus", i = "ANY", j = "ANY"),
333            function(x, i, j, ...) {            function(x, i, j, ...) {
               if (DBControl(x)[["useDb"]]) {  
                   db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])  
                   result <- dbFetch(db, x@.Data[[i]])  
                   return(loadDoc(result))  
               }  
               else {  
334                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
335                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
336                        .Call("copyCorpus", x, materialize(x, i))                        .Call("copyCorpus", x, materialize(x, i))
337                    return(loadDoc(x@.Data[[i]]))                x@.Data[[i]]
               }  
338            })            })
339    
340  setMethod("[[<-",  setMethod("[[<-",
341            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),
342            function(x, i, j, ..., value) {            function(x, i, j, ..., value) {
343                object <- x                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
344                if (DBControl(object)[["useDb"]]) {                index <- x@.Data[[i]]
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   index <- object@.Data[[i]]  
345                    db[[index]] <- value                    db[[index]] <- value
346                }                x
347                else {            })
348    setMethod("[[<-",
349              signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),
350              function(x, i, j, ..., value) {
351                    # Mark new objects as not active for lazy mapping                    # Mark new objects as not active for lazy mapping
352                    lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
353                    if (!is.null(lazyTmMap)) {                    if (!is.null(lazyTmMap)) {
354                        lazyTmMap$index[i] <- FALSE                        lazyTmMap$index[i] <- FALSE
355                        meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
356                    }                    }
357                    # Set the value                    # Set the value
358                    object@.Data[[i, ...]] <- value                x@.Data[[i, ...]] <- value
359                }  
360                return(object)                x
361            })            })
362    
363  # Update \code{NodeID}s of a CMetaData tree  # Update \code{NodeID}s of a CMetaData tree
# Line 484  Line 385 
385          return(object)          return(object)
386      }      }
387    
388      return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))      list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping)
389  }  }
390    
391  setMethod("c",  setMethod("c",
392            signature(x = "Corpus"),            signature(x = "Corpus"),
393            function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {            function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = FALSE) {
394                args <- list(...)                args <- list(...)
395                if (length(args) == 0)                if (identical(length(args), 0)) return(x)
                   return(x)  
396    
397                if (!all(sapply(args, inherits, "Corpus")))                if (!all(sapply(args, inherits, class(x))))
398                    stop("not all arguments are text document collections")                    stop("not all arguments are of the same corpus type")
               if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))  
                   stop("concatenating text document collections with activated database is not supported")  
399    
400                result <- x                if (inherits(x, "PCorpus"))
401                for (c in args) {                    stop("concatenation of corpora with underlying databases is not supported")
402                    result <- c2(result, c)  
403                }                Reduce(c2, base::c(list(x), args))
               return(result)  
404            })            })
405    
406  setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))  setGeneric("c2", function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) standardGeneric("c2"))
407  setMethod("c2",  setMethod("c2", signature(x = "FCorpus", y = "FCorpus"),
408            signature(x = "Corpus", y = "Corpus"),            function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) {
409            function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {                new("FCorpus", .Data = c(as(x, "list"), as(y, "list")))
410              })
411    setMethod("c2", signature(x = "SCorpus", y = "SCorpus"),
412              function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) {
413                object <- x                object <- x
414                # Concatenate data slots                # Concatenate data slots
415                object@.Data <- c(as(x, "list"), as(y, "list"))                object@.Data <- c(as(x, "list"), as(y, "list"))
416    
               # Set the DBControl slot  
               object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")  
   
417                # Update the CMetaData tree                # Update the CMetaData tree
418                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)))
419                update.struct <- update_id(cmeta)                update.struct <- update_id(cmeta)
# Line 559  Line 456 
456                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
457                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
458    
459                return(object)                object
460            })            })
461    
462  setMethod("c",  setMethod("c",
463            signature(x = "TextDocument"),            signature(x = "TextDocument"),
464            function(x, ..., recursive = TRUE){            function(x, ..., recursive = FALSE){
465                args <- list(...)                args <- list(...)
466                if(length(args) == 0)                if (identical(length(args), 0)) return(x)
                   return(x)  
467    
468                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
469                cmeta.node <- new("MetaDataNode",                cmeta.node <- new("MetaDataNode",
470                              NodeID = 0,                              NodeID = 0,
471                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
472                              children = list())                              children = list())
473    
474                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")))  
475      })      })
476    
477  setMethod("show",  setMethod("show",
478            signature(object = "Corpus"),            signature(object = "Corpus"),
479            function(object){            function(object){
480                cat(sprintf(ngettext(length(object),                cat(sprintf(ngettext(length(object),
481                                     "A text document collection with %d text document\n",                                     "A corpus with %d text document\n",
482                                     "A text document collection with %d text documents\n"),                                     "A corpus with %d text documents\n"),
483                            length(object)))                            length(object)))
484      })      })
485    
# Line 613  Line 499 
499                }                }
500      })      })
501    
502  setGeneric("inspect", function(object) standardGeneric("inspect"))  inspect <- function(x) UseMethod("inspect", x)
503  setMethod("inspect",  inspect.PCorpus <- function(x) {
504            signature("Corpus"),      summary(x)
           function(object) {  
               summary(object)  
505                cat("\n")                cat("\n")
506                if (DBControl(object)[["useDb"]]) {      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
507                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])      show(filehash::dbMultiFetch(db, unlist(x)))
508                    show(dbMultiFetch(db, unlist(object)))  }
509    inspect.FCorpus <- inspect.SCorpus <- function(x) {
510        summary(x)
511        cat("\n")
512        print(noquote(lapply(x, identity)))
513                }                }
               else  
                   print(noquote(lapply(object, identity)))  
           })  
514    
515  # No metadata is checked  # No metadata is checked
516  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
517  setMethod("%IN%",  setMethod("%IN%", signature(x = "TextDocument", y = "PCorpus"),
           signature(x = "TextDocument", y = "Corpus"),  
518            function(x, y) {            function(x, y) {
519                if (DBControl(y)[["useDb"]]) {                db <- filehash::dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
520                    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)  
521            })            })
522    setMethod("%IN%", signature(x = "TextDocument", y = "SCorpus"),
523              function(x, y) x %in% y)
524    
525  setMethod("lapply",  setMethod("lapply",
526            signature(X = "Corpus"),            signature(X = "SCorpus"),
527            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 {  
528                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
529                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
530                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
531                    result <- base::lapply(X, FUN, ...)                base::lapply(X, FUN, ...)
532                }            })
533                return(result)  setMethod("lapply",
534              signature(X = "PCorpus"),
535              function(X, FUN, ...) {
536                  db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
537                  lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
538            })            })
539    
540  setMethod("sapply",  setMethod("sapply",
541            signature(X = "Corpus"),            signature(X = "SCorpus"),
542            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 {  
543                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
544                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
545                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
546                    result <- base::sapply(X, FUN, ...)                base::sapply(X, FUN, ...)
547                }            })
548                return(result)  setMethod("sapply",
549              signature(X = "PCorpus"),
550              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
551                  db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
552                  sapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
553            })            })
554    
555  setAs("list", "Corpus", function(from) {  setAs("list", "SCorpus", function(from) {
556      cmeta.node <- new("MetaDataNode",      cmeta.node <- new("MetaDataNode",
557                        NodeID = 0,                        NodeID = 0,
558                        MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
559                        children = list())                        children = list())
560      data <- list()      data <- vector("list", length(from))
561      counter <- 1      counter <- 1
562      for (f in from) {      for (f in from) {
563          doc <- new("PlainTextDocument",          data[[counter]] <- new("PlainTextDocument",
564                     .Data = f, URI = NULL, Cached = TRUE,                                 .Data = f,
565                     Author = "", DateTimeStamp = Sys.time(),                                 DateTimeStamp = as.POSIXlt(Sys.time(), tz = "GMT"),
566                     Description = "", ID = as.character(counter),                                 ID = as.character(counter),
567                     Origin = "", Heading = "", Language = "en_US")                                 Language = "eng")
         data <- c(data, list(doc))  
568          counter <- counter + 1          counter <- counter + 1
569      }      }
570      return(new("Corpus", .Data = data,      new("SCorpus", .Data = data,
571                 DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),                 DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),
572                 CMetaData = cmeta.node,          CMetaData = cmeta.node)
                DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))  
573  })  })
574    
575  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.960

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