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/R/textdoccol.R revision 905, Sat Mar 21 10:13:08 2009 UTC pkg/R/corpus.R revision 1258, Fri Sep 20 12:15:42 2013 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # The "..." are additional arguments for the FunctionGenerator reader  .PCorpus <-
4  setGeneric("Corpus", function(object,  function(x, cmeta, dmeta, dbcontrol)
5                                readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),  {
6                                dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),      attr(x, "CMetaData") <- cmeta
7                                ...) standardGeneric("Corpus"))      attr(x, "DMetaData") <- dmeta
8  setMethod("Corpus",      attr(x, "DBControl") <- dbcontrol
9            signature(object = "Source"),      class(x) <- c("PCorpus", "Corpus", "list")
10            function(object,      x
11                     readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),  }
12                     dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),  
13                     ...) {  DBControl <-
14                if (is.null(readerControl$reader))  function(x)
15                    readerControl$reader <- object@DefaultReader      attr(x, "DBControl")
16                if (is(readerControl$reader, "FunctionGenerator"))  
17                    readerControl$reader <- readerControl$reader(...)  PCorpus <-
18                if (is.null(readerControl$language))  function(x,
19                    readerControl$language = "en_US"           readerControl = list(reader = x$DefaultReader, language = "en"),
20                if (is.null(readerControl$load))           dbControl = list(dbName = "", dbType = "DB1"),
21                    readerControl$load = TRUE           ...)
22    {
23        readerControl <- prepareReader(readerControl, x$DefaultReader, ...)
24    
25        if (is.function(readerControl$init))
26            readerControl$init()
27    
28                if (dbControl$useDb && require("filehash")) {      if (is.function(readerControl$exit))
29                    if (!dbCreate(dbControl$dbName, dbControl$dbType))          on.exit(readerControl$exit())
30    
31        if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
32                        stop("error in creating database")                        stop("error in creating database")
33                    db <- dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
               }  
34    
35                # Allocate memory in advance if length is known                # Allocate memory in advance if length is known
36                tdl <- if (object@Length > 0)      tdl <- if (x$Length > 0)
37                    vector("list", as.integer(object@Length))          vector("list", as.integer(x$Length))
38                else                else
39                    list()                    list()
40    
41                counter <- 1                counter <- 1
42                while (!eoi(object)) {      while (!eoi(x)) {
43                    object <- stepNext(object)          x <- stepNext(x)
44                    elem <- getElem(object)          elem <- getElem(x)
45                    # If there is no Load on Demand support          doc <- readerControl$reader(elem, readerControl$language, if (is.null(x$Names)) as.character(counter) else x$Names[counter])
46                    # we need to load the corpus into memory at startup          filehash::dbInsert(db, ID(doc), doc)
47                    if (!object@LoDSupport)          if (x$Length > 0) tdl[[counter]] <- ID(doc)
48                        readerControl$load <- TRUE          else tdl <- c(tdl, ID(doc))
                   doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))  
                   if (dbControl$useDb && require("filehash")) {  
                       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))  
                   }  
49                    counter <- counter + 1                    counter <- counter + 1
50                }                }
51        names(tdl) <- x$Names
52    
53                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
54                if (dbControl$useDb && require("filehash")) {      filehash::dbInsert(db, "DMetaData", df)
                   dbInsert(db, "DMetaData", df)  
55                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
               }  
               else  
                   dmeta.df <- df  
56    
57                cmeta.node <- new("MetaDataNode",      .PCorpus(tdl, .MetaDataNode(), dmeta.df, dbControl)
                             NodeID = 0,  
                             MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                             children = list())  
   
               return(new("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))  
           })  
   
 setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))  
 setMethod("loadDoc",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   corpus <- readLines(con)  
                   close(con)  
                   Content(object) <- corpus  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object =  "XMLTextDocument"),  
           function(object, ...) {  
               if (!Cached(object) && require("XML")) {  
                   con <- eval(URI(object))  
                   corpus <- paste(readLines(con), "\n", collapse = "")  
                   close(con)  
                   doc <- xmlTreeParse(corpus, asText = TRUE)  
                   class(doc) <- "list"  
                   Content(object) <- doc  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object = "NewsgroupDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   mail <- readLines(con)  
                   close(con)  
                   Cached(object) <- TRUE  
                   for (index in seq_along(mail)) {  
                       if (mail[index] == "")  
                           break  
                   }  
                   Content(object) <- mail[(index + 1):length(mail)]  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object = "StructuredTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   warning("load on demand not (yet) supported for StructuredTextDocuments")  
                   return(object)  
               } else  
                   return(object)  
           })  
   
 setGeneric("tmUpdate", function(object,  
                                 origin,  
                                 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),  
                                 ...) standardGeneric("tmUpdate"))  
 # Update is only supported for directories  
 # At the moment no other LoD devices are available anyway  
 setMethod("tmUpdate",  
           signature(object = "Corpus", origin = "DirSource"),  
           function(object, origin,  
                    readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),  
                    ...) {  
               if (is.null(readerControl$reader))  
                   readerControl$reader <- origin@DefaultReader  
               if (is(readerControl$reader, "FunctionGenerator"))  
                   readerControl$reader <- readerControl$reader(...)  
               if (is.null(readerControl$language))  
                   readerControl$language = "en_US"  
               if (is.null(readerControl$load))  
                   readerControl$load = TRUE  
   
               object.filelist <- unlist(lapply(object, function(x) {summary(eval(URI(x)))$description}))  
               new.files <- setdiff(origin@FileList, object.filelist)  
   
               for (filename in new.files) {  
                   encoding <- origin@Encoding  
                   elem <- list(content = readLines(filename, encoding = encoding),  
                                uri = substitute(file(filename, encoding = encoding)))  
                   object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))  
               }  
   
               return(object)  
           })  
   
 setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))  
 setMethod("tmMap",  
           signature(object = "Corpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               result <- object  
               # Note that text corpora are automatically loaded into memory via \code{[[}  
               if (DBControl(object)[["useDb"]] && require("filehash")) {  
                   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 {  
                   # Lazy mapping  
                   if (lazy) {  
                       lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")  
                       if (is.null(lazyTmMap)) {  
                           meta(result, tag = "lazyTmMap", type = "corpus") <-  
                               list(index = rep(TRUE, length(result)),  
                                    maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  
                       }  
                       else {  
                           lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  
                           meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
                       }  
58                    }                    }
                   else {  
                       result@.Data <- if (clusterAvailable())  
                           snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))  
                       else  
                           lapply(object, FUN, ..., DMetaData = DMetaData(object))  
                   }  
               }  
               return(result)  
           })  
59    
60  # Materialize lazy mappings  .VCorpus <-
61  # Improvements by Christian Buchta  function(x, cmeta, dmeta)
62  materialize <- function(corpus, range = seq_along(corpus)) {  {
63      lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")      attr(x, "CMetaData") <- cmeta
64      if (!is.null(lazyTmMap)) {      attr(x, "DMetaData") <- dmeta
65         # Make valid and lazy index      class(x) <- c("VCorpus", "Corpus", "list")
66         idx <- (seq_along(corpus) %in% range) & lazyTmMap$index      x
        if (any(idx)) {  
            res <- lapply(corpus@.Data[idx], loadDoc)  
            for (m in lazyTmMap$maps)  
                res <- lapply(res, m, DMetaData = DMetaData(corpus))  
            corpus@.Data[idx] <- res  
            lazyTmMap$index[idx] <- FALSE  
        }  
     }  
     # Clean up if everything is materialized  
     if (!any(lazyTmMap$index))  
         lazyTmMap <- NULL  
     meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
     return(corpus)  
 }  
   
 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))  
 setMethod("asPlain",  
           signature(object = "PlainTextDocument"),  
           function(object, FUN, ...) {  
               return(object)  
           })  
 setMethod("asPlain",  
           signature(object = "XMLTextDocument"),  
           function(object, FUN, ...) {  
               require("XML")  
   
               corpus <- Content(object)  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
 setMethod("asPlain",  
           signature(object = "Reuters21578Document"),  
           function(object, FUN, ...) {  
               require("XML")  
   
               FUN <- convertReut21578XMLPlain  
               corpus <- Content(object)  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
 setMethod("asPlain",  
           signature(object = "RCV1Document"),  
           function(object, FUN, ...) {  
               return(convertRCV1Plain(object, ...))  
           })  
 setMethod("asPlain",  
           signature(object = "NewsgroupDocument"),  
           function(object, FUN, ...) {  
               new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = NULL, Author = Author(object),  
                   DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),  
                   Origin = Origin(object), Heading = Heading(object), Language = Language(object),  
                   LocalMetaData = LocalMetaData(object))  
           })  
 setMethod("asPlain",  
           signature(object = "StructuredTextDocument"),  
           function(object, FUN, ...) {  
               new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,  
                   URI = NULL, Author = Author(object), DateTimeStamp = DateTimeStamp(object),  
                   Description = Description(object), ID = ID(object), Origin = Origin(object),  
                   Heading = Heading(object), Language = Language(object),  
                   LocalMetaData = LocalMetaData(object))  
           })  
   
 setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))  
 setMethod("tmFilter",  
           signature(object = "Corpus"),  
           function(object, ..., FUN = searchFullText, doclevel = TRUE) {  
               if (!is.null(attr(FUN, "doclevel")))  
                   doclevel <- attr(FUN, "doclevel")  
               if (doclevel) {  
                   if (clusterAvailable())  
                       return(object[snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))])  
                   else  
                       return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])  
67                }                }
               else  
                   return(object[FUN(object, ...)])  
           })  
68    
69  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))  # The "..." are additional arguments for the FunctionGenerator reader
70  setMethod("tmIndex",  VCorpus <-
71            signature(object = "Corpus"),  Corpus <-
72            function(object, ..., FUN = searchFullText, doclevel = TRUE) {  function(x,
73                if (!is.null(attr(FUN, "doclevel")))           readerControl = list(reader = x$DefaultReader, language = "en"),
74                    doclevel <- attr(FUN, "doclevel")           ...)
75                if (doclevel) {  {
76                    if (clusterAvailable())      readerControl <- prepareReader(readerControl, x$DefaultReader, ...)
                       return(snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))  
                   else  
                       return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))  
               }  
               else  
                   return(FUN(object, ...))  
           })  
77    
78  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))      if (is.function(readerControl$init))
79  setMethod("appendElem",          readerControl$init()
80            signature(object = "Corpus", data = "TextDocument"),  
81            function(object, data, meta = NULL) {      if (is.function(readerControl$exit))
82                if (DBControl(object)[["useDb"]] && require("filehash")) {          on.exit(readerControl$exit())
83                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
84                    if (dbExists(db, ID(data)))      # Allocate memory in advance if length is known
85                        warning("document with identical ID already exists")      tdl <- if (x$Length > 0)
86                    dbInsert(db, ID(data), data)          vector("list", as.integer(x$Length))
                   object@.Data[[length(object)+1]] <- ID(data)  
               }  
87                else                else
88                    object@.Data[[length(object)+1]] <- data          list()
89                DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))  
90                return(object)      if (x$Vectorized)
91            })          tdl <- mapply(function(x, id) readerControl$reader(x, readerControl$language, id),
92                          pGetElem(x),
93  setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))                        id = if (is.null(x$Names) || is.na(x$Names)) as.character(seq_len(x$Length)) else x$Names,
94  setMethod("appendMeta",                        SIMPLIFY = FALSE)
           signature(object = "Corpus"),  
           function(object, cmeta = NULL, dmeta = NULL) {  
               object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)  
               if (!is.null(dmeta)) {  
                   DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))  
               }  
               return(object)  
           })  
   
 setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))  
 setMethod("removeMeta",  
           signature(object = "Corpus"),  
           function(object, cname = NULL, dname = NULL) {  
               if (!is.null(cname))  
                   object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]  
               if (!is.null(dname))  
                   DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]  
               return(object)  
           })  
   
 setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))  
 setMethod("prescindMeta",  
           signature(object = "Corpus", meta = "character"),  
           function(object, meta) {  
               for (m in meta) {  
                   if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {  
                       local.m <- lapply(object, m)  
                       local.m <- sapply(local.m, paste, collapse = " ")  
                       local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))  
                       local.m <- unlist(local.m)  
                       DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))  
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m  
                   }  
95                    else {                    else {
96                        local.meta <- lapply(object, LocalMetaData)          counter <- 1
97                        local.m <- lapply(local.meta, "[[", m)          while (!eoi(x)) {
98                        local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))              x <- stepNext(x)
99                        if (length(local.m) == length(unlist(local.m)))              elem <- getElem(x)
100                            local.m <- unlist(local.m)              id <- if (is.null(x$Names) || is.na(x$Names))
101                    as.character(counter)
102                else
103                    x$Names[counter]
104                doc <- readerControl$reader(elem, readerControl$language, id)
105                if (x$Length > 0)
106                    tdl[[counter]] <- doc
107                        else                        else
108                            local.m <- I(local.m)                  tdl <- c(tdl, list(doc))
109                        DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))              counter <- counter + 1
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m  
110                    }                    }
111                }                }
112                return(object)      names(tdl) <- x$Names
113            })      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
114        .VCorpus(tdl, .MetaDataNode(), df)
 setMethod("[",  
           signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if(missing(i))  
                   return(x)  
   
               object <- x  
               object@.Data <- x@.Data[i, ..., drop = FALSE]  
               if (DBControl(object)[["useDb"]] && require("filehash")) {  
                   index <- object@DMetaData[[1 , "subset"]]  
                   if (any(is.na(index)))  
                       object@DMetaData[[1 , "subset"]] <- i  
                   else  
                       object@DMetaData[[1 , "subset"]] <- index[i]  
115                }                }
116                else  
117                    DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]  `[.PCorpus` <-
118                return(object)  function(x, i)
119            })  {
120        if (missing(i)) return(x)
121  setMethod("[<-",      index <- attr(x, "DMetaData")[[1 , "subset"]]
122            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),      attr(x, "DMetaData")[[1 , "subset"]] <- if (is.numeric(index)) index[i] else i
123            function(x, i, j, ... , value) {      dmeta <- attr(x, "DMetaData")
124                object <- x      .PCorpus(NextMethod("["), CMetaData(x), dmeta, DBControl(x))
125                if (DBControl(object)[["useDb"]] && require("filehash")) {  }
126                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
127    `[.VCorpus` <-
128    function(x, i)
129    {
130        if (missing(i)) return(x)
131        .VCorpus(NextMethod("["), CMetaData(x), DMetaData(x)[i, , drop = FALSE])
132    }
133    
134    `[<-.PCorpus` <-
135    function(x, i, value)
136    {
137        db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
138                    counter <- 1                    counter <- 1
139                    for (id in object@.Data[i, ...]) {      for (id in unclass(x)[i]) {
140                        if (length(value) == 1)          if (identical(length(value), 1L)) db[[id]] <- value
141                            db[[id]] <- value          else db[[id]] <- value[[counter]]
                       else {  
                           db[[id]] <- value[[counter]]  
                       }  
142                        counter <- counter + 1                        counter <- counter + 1
143                    }                    }
144        x
145                }                }
146    
147    .map_name_index <-
148    function(x, i)
149    {
150        if (is.character(i)) {
151            if (is.null(names(x)))
152                match(i, meta(x, "ID", type = "local"))
153                else                else
154                    object@.Data[i, ...] <- value              match(i, names(x))
               return(object)  
           })  
   
 setMethod("[[",  
           signature(x = "Corpus", i = "ANY", j = "ANY"),  
           function(x, i, j, ...) {  
               if (DBControl(x)[["useDb"]] && require("filehash")) {  
                   db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])  
                   result <- dbFetch(db, x@.Data[[i]])  
                   return(loadDoc(result))  
155                }                }
156                else {      i
157    }
158    
159    `[[.PCorpus` <-
160    function(x, i)
161    {
162        i <- .map_name_index(x, i)
163        db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
164        filehash::dbFetch(db, NextMethod("[["))
165    }
166    `[[.VCorpus` <-
167    function(x, i)
168    {
169        i <- .map_name_index(x, i)
170                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
171                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
172                        .Call("copyCorpus", x, materialize(x, i))                        .Call("copyCorpus", x, materialize(x, i))
173                    return(loadDoc(x@.Data[[i]]))      NextMethod("[[")
174                }                }
           })  
175    
176  setMethod("[[<-",  `[[<-.PCorpus` <-
177            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),  function(x, i, value)
178            function(x, i, j, ..., value) {  {
179                object <- x      i <- .map_name_index(x, i)
180                if (DBControl(object)[["useDb"]] && require("filehash")) {      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
181                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])      index <- unclass(x)[[i]]
                   index <- object@.Data[[i]]  
182                    db[[index]] <- value                    db[[index]] <- value
183        x
184                }                }
185                else {  `[[<-.VCorpus` <-
186    function(x, i, value)
187    {
188        i <- .map_name_index(x, i)
189                    # Mark new objects as not active for lazy mapping                    # Mark new objects as not active for lazy mapping
190                    lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")      lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
191                    if (!is.null(lazyTmMap)) {                    if (!is.null(lazyTmMap)) {
192                        lazyTmMap$index[i] <- FALSE                        lazyTmMap$index[i] <- FALSE
193                        meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap          meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
194                    }                    }
195                    # Set the value                    # Set the value
196                    object@.Data[[i, ...]] <- value      cl <- class(x)
197        y <- NextMethod("[[<-")
198        class(y) <- cl
199        y
200                }                }
               return(object)  
           })  
201    
202  # Update \code{NodeID}s of a CMetaData tree  # Update NodeIDs of a CMetaData tree
203  update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {  .update_id <-
204      # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s  function(x, id = 0, mapping = NULL, left.mapping = NULL, level = 0)
205      set_id <- function(object) {  {
206          object@NodeID <- id      # Traversal of (binary) CMetaData tree with setup of NodeIDs
207        set_id <- function(x) {
208            x$NodeID <- id
209          id <<- id + 1          id <<- id + 1
210          level <<- level + 1          level <<- level + 1
211            if (length(x$Children) > 0) {
212          if (length(object@children) > 0) {              mapping <<- cbind(mapping, c(x$Children[[1]]$NodeID, id))
213              mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))              left <- set_id(x$Children[[1]])
             left <- set_id(object@children[[1]])  
214              if (level == 1) {              if (level == 1) {
215                  left.mapping <<- mapping                  left.mapping <<- mapping
216                  mapping <<- NULL                  mapping <<- NULL
217              }              }
218              mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))              mapping <<- cbind(mapping, c(x$Children[[2]]$NodeID, id))
219              right <- set_id(object@children[[2]])              right <- set_id(x$Children[[2]])
220    
221              object@children <- list(left, right)              x$Children <- list(left, right)
222          }          }
223          level <<- level - 1          level <<- level - 1
224            x
         return(object)  
225      }      }
226        list(root = set_id(x), left.mapping = left.mapping, right.mapping = mapping)
     return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))  
227  }  }
228    
229  setMethod("c",  # Find indices to be updated for a CMetaData tree
230            signature(x = "Corpus"),  .find_indices <-
231            function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  function(x)
232                args <- list(...)  {
               if (length(args) == 0)  
                   return(x)  
   
               if (!all(sapply(args, inherits, "Corpus")))  
                   stop("not all arguments are corpora")  
               if (DBControl(x)[["useDb"]] || any(unlist(sapply(args, DBControl)["useDb", ])))  
                   stop("concatenating corpora with activated database is not supported")  
   
               Reduce(c2, base::c(list(x), args))  
           })  
   
 setGeneric("c2", function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))  
 setMethod("c2",  
           signature(x = "Corpus", y = "Corpus"),  
           function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  
               object <- x  
               # Concatenate data slots  
               object@.Data <- c(as(x, "list"), as(y, "list"))  
   
               # Set the DBControl slot  
               object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")  
   
               # Update the CMetaData tree  
               cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))  
               update.struct <- update_id(cmeta)  
               object@CMetaData <- update.struct$root  
   
               # Find indices to be updated for the left tree  
233                indices.mapping <- NULL                indices.mapping <- NULL
234                for (m in levels(as.factor(DMetaData(x)$MetaID))) {                for (m in levels(as.factor(DMetaData(x)$MetaID))) {
235                    indices <- (DMetaData(x)$MetaID == m)                    indices <- (DMetaData(x)$MetaID == m)
236                    indices.mapping <- c(indices.mapping, list(m = indices))                    indices.mapping <- c(indices.mapping, list(m = indices))
237                    names(indices.mapping)[length(indices.mapping)] <- m                    names(indices.mapping)[length(indices.mapping)] <- m
238                }                }
239        indices.mapping
240    }
241    
242    c2 <-
243    function(x, y, ...)
244    {
245        # Update the CMetaData tree
246        cmeta <- .MetaDataNode(0, list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), list(CMetaData(x), CMetaData(y)))
247        update.struct <- .update_id(cmeta)
248    
249        new <- .VCorpus(c(unclass(x), unclass(y)), update.struct$root, NULL)
250    
251        # Find indices to be updated for the left tree
252        indices.mapping <- .find_indices(x)
253    
254                # Update the DMetaData data frames for the left tree                # Update the DMetaData data frames for the left tree
255                for (i in 1:ncol(update.struct$left.mapping)) {                for (i in 1:ncol(update.struct$left.mapping)) {
256                    map <- update.struct$left.mapping[,i]                    map <- update.struct$left.mapping[,i]
257                    x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          DMetaData(x)$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
258                }                }
259    
260                # Find indices to be updated for the right tree                # Find indices to be updated for the right tree
261                indices.mapping <- NULL      indices.mapping <- .find_indices(y)
               for (m in levels(as.factor(DMetaData(y)$MetaID))) {  
                   indices <- (DMetaData(y)$MetaID == m)  
                   indices.mapping <- c(indices.mapping, list(m = indices))  
                   names(indices.mapping)[length(indices.mapping)] <- m  
               }  
262    
263                # Update the DMetaData data frames for the right tree                # Update the DMetaData data frames for the right tree
264                for (i in 1:ncol(update.struct$right.mapping)) {                for (i in 1:ncol(update.struct$right.mapping)) {
265                    map <- update.struct$right.mapping[,i]                    map <- update.struct$right.mapping[,i]
266                    y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          DMetaData(y)$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
267                }                }
268    
269                # Merge the DMetaData data frames                # Merge the DMetaData data frames
270                labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))                labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
271                na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))      na.matrix <- matrix(NA,
272                            nrow = nrow(DMetaData(x)),
273                            ncol = length(labels),
274                            dimnames = list(row.names(DMetaData(x)), labels))
275                x.dmeta.aug <- cbind(DMetaData(x), na.matrix)                x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
276                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
277                na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))      na.matrix <- matrix(NA,
278                            nrow = nrow(DMetaData(y)),
279                            ncol = length(labels),
280                            dimnames = list(row.names(DMetaData(y)), labels))
281                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
282                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)      DMetaData(new) <- rbind(x.dmeta.aug, y.dmeta.aug)
283    
284        new
285    }
286    
287    c.Corpus <-
288    function(..., recursive = FALSE)
289    {
290        args <- list(...)
291        x <- args[[1L]]
292    
293        if(length(args) == 1L)
294            return(x)
295    
296        if (!all(unlist(lapply(args, inherits, class(x)))))
297            stop("not all arguments are of the same corpus type")
298    
299                return(object)      if (inherits(x, "PCorpus"))
300            })          stop("concatenation of corpora with underlying databases is not supported")
301    
302  setMethod("c",      if (recursive)
303            signature(x = "TextDocument"),          Reduce(c2, args)
304            function(x, ..., recursive = TRUE){      else {
305            args <- do.call("c", lapply(args, unclass))
306            .VCorpus(args,
307                     cmeta = .MetaDataNode(),
308                     dmeta = data.frame(MetaID = rep(0, length(args)),
309                                        stringsAsFactors = FALSE))
310        }
311    }
312    
313    c.TextDocument <-
314    function(..., recursive = FALSE)
315    {
316                args <- list(...)                args <- list(...)
317                if(length(args) == 0)      x <- args[[1L]]
318    
319        if(length(args) == 1L)
320                    return(x)                    return(x)
321    
322                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      if (!all(unlist(lapply(args, inherits, class(x)))))
323                cmeta.node <- new("MetaDataNode",          stop("not all arguments are text documents")
324                              NodeID = 0,  
325                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),      dmeta <- data.frame(MetaID = rep(0, length(args)),
326                              children = list())                          stringsAsFactors = FALSE)
327        .VCorpus(args, .MetaDataNode(), dmeta)
328                return(new("Corpus",  }
329                           .Data = list(x, ...),  
330                           DMetaData = dmeta.df,  print.Corpus <-
331                           CMetaData = cmeta.node,  function(x, ...)
332                           DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))  {
333            })      cat(sprintf(ngettext(length(x),
   
 setMethod("length",  
           signature(x = "Corpus"),  
           function(x){  
               return(length(as(x, "list")))  
     })  
   
 setMethod("show",  
           signature(object = "Corpus"),  
           function(object){  
               cat(sprintf(ngettext(length(object),  
334                                     "A corpus with %d text document\n",                                     "A corpus with %d text document\n",
335                                     "A corpus with %d text documents\n"),                                     "A corpus with %d text documents\n"),
336                            length(object)))                  length(x)))
337      })      invisible(x)
338    }
339    
340  setMethod("summary",  summary.Corpus <-
341            signature(object = "Corpus"),  function(object, ...)
342            function(object){  {
343                show(object)      print(object)
344                if (length(DMetaData(object)) > 0) {                if (length(DMetaData(object)) > 0) {
345                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),          cat(sprintf(ngettext(length(attr(CMetaData(object), "MetaData")),
346                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",
347                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
348                                         length(CMetaData(object)@MetaData)))                      length(CMetaData(object)$MetaData)))
349                    cat("Available tags are:\n")                    cat("Available tags are:\n")
350                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")          cat(strwrap(paste(names(CMetaData(object)$MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
351                    cat("Available variables in the data frame are:\n")                    cat("Available variables in the data frame are:\n")
352                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
353                }                }
     })  
   
 setGeneric("inspect", function(object) standardGeneric("inspect"))  
 setMethod("inspect",  
           signature("Corpus"),  
           function(object) {  
               summary(object)  
               cat("\n")  
               if (DBControl(object)[["useDb"]] && require("filehash")) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   show(dbMultiFetch(db, unlist(object)))  
354                }                }
               else  
                   print(noquote(lapply(object, identity)))  
           })  
355    
356  # No metadata is checked  inspect <-
357  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  function(x)
358  setMethod("%IN%",      UseMethod("inspect", x)
359            signature(x = "TextDocument", y = "Corpus"),  inspect.PCorpus <-
360            function(x, y) {  function(x)
361                if (DBControl(y)[["useDb"]] && require("filehash")) {  {
362                    db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])      summary(x)
363                    result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))      cat("\n")
364                }      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
365                else      show(filehash::dbMultiFetch(db, unlist(x)))
                   result <- x %in% y  
               return(result)  
           })  
   
 setMethod("lapply",  
           signature(X = "Corpus"),  
           function(X, FUN, ...) {  
               if (DBControl(X)[["useDb"]] && require("filehash")) {  
                   db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
                   result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)  
366                }                }
367                else {  inspect.VCorpus <-
368                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")  function(x)
369                    if (!is.null(lazyTmMap))  {
370                        .Call("copyCorpus", X, materialize(X))      summary(x)
371                    result <- base::lapply(X, FUN, ...)      cat("\n")
372        print(noquote(lapply(x, identity)))
373                }                }
               return(result)  
           })  
374    
375  setMethod("sapply",  lapply.PCorpus <-
376            signature(X = "Corpus"),  function(X, FUN, ...)
377            function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {  {
378                if (DBControl(X)[["useDb"]] && require("filehash")) {      db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
379                    db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])      lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
380                    result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)  }
381                }  lapply.VCorpus <-
382                else {  function(X, FUN, ...)
383    {
384                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
385                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
386                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
387                    result <- base::sapply(X, FUN, ...)      base::lapply(X, FUN, ...)
388                }                }
               return(result)  
           })  
389    
390  setAs("list", "Corpus", function(from) {  writeCorpus <-
391      cmeta.node <- new("MetaDataNode",  function(x, path = ".", filenames = NULL)
392                        NodeID = 0,  {
                       MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                       children = list())  
     data <- list()  
     counter <- 1  
     for (f in from) {  
         doc <- new("PlainTextDocument",  
                    .Data = f, URI = NULL, Cached = TRUE,  
                    Author = "", DateTimeStamp = as.POSIXlt(Sys.time(), tz = "GMT"),  
                    Description = "", ID = as.character(counter),  
                    Origin = "", Heading = "", Language = "en_US")  
         data <- c(data, list(doc))  
         counter <- counter + 1  
     }  
     return(new("Corpus", .Data = data,  
                DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),  
                CMetaData = cmeta.node,  
                DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))  
 })  
   
 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  
 setMethod("writeCorpus",  
           signature(object = "Corpus"),  
           function(object, path = ".", filenames = NULL) {  
393                filenames <- file.path(path,                filenames <- file.path(path,
394                                       if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))                             if (is.null(filenames)) unlist(lapply(x, function(x) sprintf("%s.txt", ID(x))))
395                                       else filenames)                                       else filenames)
396                i <- 1                i <- 1
397                for (o in object) {      for (o in x) {
398                    writeLines(asPlain(o), filenames[i])          writeLines(as.PlainTextDocument(o), filenames[i])
399                    i <- i + 1                    i <- i + 1
400                }                }
401            })  }

Legend:
Removed from v.905  
changed lines
  Added in v.1258

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