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 1308, Tue Mar 25 15:02:15 2014 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # The "..." are additional arguments for the FunctionGenerator reader  .PCorpus <-
4  setGeneric("Corpus", function(object,  function(x, meta, dmeta, dbcontrol)
5                                readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),      structure(list(content = as.list(x), meta = meta, dmeta = dmeta,
6                                dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),                     dbcontrol = dbcontrol),
7                                ...) standardGeneric("Corpus"))                class = c("PCorpus", "Corpus"))
8  setMethod("Corpus",  
9            signature(object = "Source"),  PCorpus <-
10            function(object,  function(x,
11                     readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),           readerControl = list(reader = x$defaultreader, language = "en"),
12                     dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),           dbControl = list(dbName = "", dbType = "DB1"))
13                     ...) {  {
14                if (is.null(readerControl$reader))      stopifnot(inherits(x, "Source"))
15                    readerControl$reader <- object@DefaultReader  
16                if (is(readerControl$reader, "FunctionGenerator"))      readerControl <- prepareReader(readerControl, x$defaultreader)
                   readerControl$reader <- readerControl$reader(...)  
               if (is.null(readerControl$language))  
                   readerControl$language = "en_US"  
               if (is.null(readerControl$load))  
                   readerControl$load = TRUE  
17    
18                if (dbControl$useDb && require("filehash")) {      if (is.function(readerControl$init))
19                    if (!dbCreate(dbControl$dbName, dbControl$dbType))          readerControl$init()
20    
21        if (is.function(readerControl$exit))
22            on.exit(readerControl$exit())
23    
24        if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
25                        stop("error in creating database")                        stop("error in creating database")
26                    db <- dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
               }  
27    
28                # Allocate memory in advance if length is known                # Allocate memory in advance if length is known
29                tdl <- if (object@Length > 0)      tdl <- if (x$length > 0)
30                    vector("list", as.integer(object@Length))          vector("list", as.integer(x$length))
31                else                else
32                    list()                    list()
33    
34                counter <- 1                counter <- 1
35                while (!eoi(object)) {      while (!eoi(x)) {
36                    object <- stepNext(object)          x <- stepNext(x)
37                    elem <- getElem(object)          elem <- getElem(x)
38                    # If there is no Load on Demand support          id <- if (is.null(x$names) || is.na(x$names))
39                    # we need to load the corpus into memory at startup              as.character(counter)
40                    if (!object@LoDSupport)          else
41                        readerControl$load <- TRUE              x$names[counter]
42                    doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))          doc <- readerControl$reader(elem, readerControl$language, id)
43                    if (dbControl$useDb && require("filehash")) {          filehash::dbInsert(db, meta(doc, "id"), doc)
44                        dbInsert(db, ID(doc), doc)          if (x$length > 0) tdl[[counter]] <- meta(doc, "id")
45                        if (object@Length > 0)          else tdl <- c(tdl, meta(doc, "id"))
                           tdl[[counter]] <- ID(doc)  
                       else  
                           tdl <- c(tdl, ID(doc))  
                   }  
                   else {  
                       if (object@Length > 0)  
                           tdl[[counter]] <- doc  
                       else  
                           tdl <- c(tdl, list(doc))  
                   }  
46                    counter <- counter + 1                    counter <- counter + 1
47                }                }
48        if (!is.null(x$names) && !is.na(x$names))
49            names(tdl) <- x$names
50    
51                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
52                if (dbControl$useDb && require("filehash")) {      filehash::dbInsert(db, "CorpusDMeta", df)
53                    dbInsert(db, "DMetaData", df)      dmeta.df <- data.frame(key = "CorpusDMeta", subset = I(list(NA)))
54                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))  
55        .PCorpus(tdl, CorpusMeta(), dmeta.df, dbControl)
56                }                }
57    
58    .VCorpus <-
59    function(x, meta, dmeta)
60        structure(list(content = as.list(x), meta = meta, dmeta = dmeta),
61                  class = c("VCorpus", "Corpus"))
62    
63    VCorpus <-
64    Corpus <-
65    function(x, readerControl = list(reader = x$defaultreader, language = "en"))
66    {
67        stopifnot(inherits(x, "Source"))
68    
69        readerControl <- prepareReader(readerControl, x$defaultreader)
70    
71        if (is.function(readerControl$init))
72            readerControl$init()
73    
74        if (is.function(readerControl$exit))
75            on.exit(readerControl$exit())
76    
77        # Allocate memory in advance if length is known
78        tdl <- if (x$length > 0)
79            vector("list", as.integer(x$length))
80                else                else
81                    dmeta.df <- df          list()
82    
83                cmeta.node <- new("MetaDataNode",      if (x$vectorized)
84                              NodeID = 0,          tdl <- mapply(function(elem, id)
85                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),                            readerControl$reader(elem, readerControl$language, id),
86                              children = list())                        pGetElem(x),
87                          id = if (is.null(x$names) || is.na(x$names))
88                return(new("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))                            as.character(seq_len(x$length))
89            })                        else x$names,
90                          SIMPLIFY = FALSE)
 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  
                       }  
                   }  
91                    else {                    else {
92                        result@.Data <- if (clusterAvailable())          counter <- 1
93                            snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))          while (!eoi(x)) {
94                x <- stepNext(x)
95                elem <- getElem(x)
96                id <- if (is.null(x$names) || is.na(x$names))
97                    as.character(counter)
98                else
99                    x$names[counter]
100                doc <- readerControl$reader(elem, readerControl$language, id)
101                if (x$length > 0)
102                    tdl[[counter]] <- doc
103                        else                        else
104                            lapply(object, FUN, ..., DMetaData = DMetaData(object))                  tdl <- c(tdl, list(doc))
105                    }              counter <- counter + 1
106                }                }
               return(result)  
           })  
   
 # Materialize lazy mappings  
 # Improvements by Christian Buchta  
 materialize <- function(corpus, range = seq_along(corpus)) {  
     lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")  
     if (!is.null(lazyTmMap)) {  
        # Make valid and lazy index  
        idx <- (seq_along(corpus) %in% range) & lazyTmMap$index  
        if (any(idx)) {  
            res <- lapply(corpus@.Data[idx], loadDoc)  
            for (m in lazyTmMap$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))])  
107                }                }
108                else      if (!is.null(x$names) && !is.na(x$names))
109                    return(object[FUN(object, ...)])          names(tdl) <- x$names
110            })      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
111        .VCorpus(tdl, CorpusMeta(), df)
 setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))  
 setMethod("tmIndex",  
           signature(object = "Corpus"),  
           function(object, ..., FUN = searchFullText, doclevel = TRUE) {  
               if (!is.null(attr(FUN, "doclevel")))  
                   doclevel <- attr(FUN, "doclevel")  
               if (doclevel) {  
                   if (clusterAvailable())  
                       return(snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))  
                   else  
                       return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))  
112                }                }
               else  
                   return(FUN(object, ...))  
           })  
113    
114  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  `[.PCorpus` <-
115  setMethod("appendElem",  function(x, i)
116            signature(object = "Corpus", data = "TextDocument"),  {
117            function(object, data, meta = NULL) {      if (!missing(i)) {
118                if (DBControl(object)[["useDb"]] && require("filehash")) {          x$content <- x$content[i]
119                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])          index <- x$dmeta[[1 , "subset"]]
120                    if (dbExists(db, ID(data)))          x$dmeta[[1 , "subset"]] <- if (is.numeric(index)) index[i] else i
                       warning("document with identical ID already exists")  
                   dbInsert(db, ID(data), data)  
                   object@.Data[[length(object)+1]] <- ID(data)  
121                }                }
122                else      x
                   object@.Data[[length(object)+1]] <- data  
               DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))  
               return(object)  
           })  
   
 setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))  
 setMethod("appendMeta",  
           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  
123                    }                    }
124                    else {  
125                        local.meta <- lapply(object, LocalMetaData)  `[.VCorpus` <-
126                        local.m <- lapply(local.meta, "[[", m)  function(x, i)
127                        local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))  {
128                        if (length(local.m) == length(unlist(local.m)))      if (!missing(i)) {
129                            local.m <- unlist(local.m)          x$content <- x$content[i]
130                        else          x$dmeta <- x$dmeta[i, , drop = FALSE]
                           local.m <- I(local.m)  
                       DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))  
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m  
131                    }                    }
132        x
133                }                }
               return(object)  
           })  
   
 setMethod("[",  
           signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if(missing(i))  
                   return(x)  
134    
135                object <- x  `[<-.PCorpus` <-
136                object@.Data <- x@.Data[i, ..., drop = FALSE]  function(x, i, value)
137                if (DBControl(object)[["useDb"]] && require("filehash")) {  {
138                    index <- object@DMetaData[[1 , "subset"]]      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
                   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)  
           })  
   
 setMethod("[<-",  
           signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
               object <- x  
               if (DBControl(object)[["useDb"]] && require("filehash")) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
139                    counter <- 1                    counter <- 1
140                    for (id in object@.Data[i, ...]) {      for (id in x$content[i]) {
141                        if (length(value) == 1)          db[[id]] <- if (identical(length(value), 1L))
142                            db[[id]] <- value              value
143                        else {          else
144                            db[[id]] <- value[[counter]]              value[[counter]]
                       }  
145                        counter <- counter + 1                        counter <- counter + 1
146                    }                    }
147        x
148                }                }
149    
150    .map_name_index <-
151    function(x, i)
152    {
153        if (is.character(i))
154            match(i, if (is.null(names(x))) meta(x, "id", "local") else names(x))
155                else                else
156                    object@.Data[i, ...] <- value          i
               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))  
157                }                }
158                else {  
159    `[[.PCorpus` <-
160    function(x, i)
161    {
162        i <- .map_name_index(x, i)
163        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
164        filehash::dbFetch(db, x$content[[i]])
165    }
166    `[[.VCorpus` <-
167    function(x, i)
168    {
169        i <- .map_name_index(x, i)
170                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
171                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
172                        .Call("copyCorpus", x, materialize(x, i))                        .Call("copyCorpus", x, materialize(x, i))
173                    return(loadDoc(x@.Data[[i]]))      x$content[[i]]
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(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
181                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])      db[[x$content[[i]]]] <- value
182                    index <- object@.Data[[i]]      x
183                    db[[index]] <- value  }
184                }  `[[<-.VCorpus` <-
185                else {  function(x, i, value)
186    {
187        i <- .map_name_index(x, i)
188                    # Mark new objects as not active for lazy mapping                    # Mark new objects as not active for lazy mapping
189                    lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")      lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
190                    if (!is.null(lazyTmMap)) {                    if (!is.null(lazyTmMap)) {
191                        lazyTmMap$index[i] <- FALSE                        lazyTmMap$index[i] <- FALSE
192                        meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap          meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
193                    }                    }
194                    # Set the value      x$content[[i]] <- value
195                    object@.Data[[i, ...]] <- value      x
196                }                }
               return(object)  
           })  
197    
198  # Update \code{NodeID}s of a CMetaData tree  # Update NodeIDs of a CMetaData tree
199  update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {  .update_id <-
200      # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s  function(x, id = 0, mapping = NULL, left.mapping = NULL, level = 0)
201      set_id <- function(object) {  {
202          object@NodeID <- id      # Traversal of (binary) CMetaData tree with setup of NodeIDs
203        set_id <- function(x) {
204            x$NodeID <- id
205          id <<- id + 1          id <<- id + 1
206          level <<- level + 1          level <<- level + 1
207            if (length(x$Children)) {
208          if (length(object@children) > 0) {              mapping <<- cbind(mapping, c(x$Children[[1]]$NodeID, id))
209              mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))              left <- set_id(x$Children[[1]])
             left <- set_id(object@children[[1]])  
210              if (level == 1) {              if (level == 1) {
211                  left.mapping <<- mapping                  left.mapping <<- mapping
212                  mapping <<- NULL                  mapping <<- NULL
213              }              }
214              mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))              mapping <<- cbind(mapping, c(x$Children[[2]]$NodeID, id))
215              right <- set_id(object@children[[2]])              right <- set_id(x$Children[[2]])
216    
217              object@children <- list(left, right)              x$Children <- list(left, right)
218          }          }
219          level <<- level - 1          level <<- level - 1
220            x
221          return(object)      }
222        list(root = set_id(x), left.mapping = left.mapping, right.mapping = mapping)
223      }      }
224    
225      return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))  # Find indices to be updated for a CMetaData tree
226    .find_indices <-
227    function(x)
228    {
229        indices.mapping <- NULL
230        for (m in levels(as.factor(CorpusDMeta(x)$MetaID))) {
231            indices <- (CorpusDMeta(x)$MetaID == m)
232            indices.mapping <- c(indices.mapping, list(m = indices))
233            names(indices.mapping)[length(indices.mapping)] <- m
234        }
235        indices.mapping
236  }  }
237    
238  setMethod("c",  #c2 <-
239            signature(x = "Corpus"),  #function(x, y, ...)
240            function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  #{
241    #    # Update the CMetaData tree
242    #    cmeta <- .MetaDataNode(0, list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), list(CMetaData(x), CMetaData(y)))
243    #    update.struct <- .update_id(cmeta)
244    #
245    #    new <- .VCorpus(c(unclass(x), unclass(y)), update.struct$root, NULL)
246    #
247    #    # Find indices to be updated for the left tree
248    #    indices.mapping <- .find_indices(x)
249    #
250    #    # Update the CorpusDMeta data frames for the left tree
251    #    for (i in 1:ncol(update.struct$left.mapping)) {
252    #        map <- update.struct$left.mapping[,i]
253    #        DMetaData(x)$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
254    #    }
255    #
256    #    # Find indices to be updated for the right tree
257    #    indices.mapping <- .find_indices(y)
258    #
259    #    # Update the CorpusDMeta data frames for the right tree
260    #    for (i in 1:ncol(update.struct$right.mapping)) {
261    #        map <- update.struct$right.mapping[,i]
262    #        DMetaData(y)$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
263    #    }
264    #
265    #    # Merge the CorpusDMeta data frames
266    #    labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
267    #    na.matrix <- matrix(NA,
268    #                        nrow = nrow(DMetaData(x)),
269    #                        ncol = length(labels),
270    #                        dimnames = list(row.names(DMetaData(x)), labels))
271    #    x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
272    #    labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
273    #    na.matrix <- matrix(NA,
274    #                        nrow = nrow(DMetaData(y)),
275    #                        ncol = length(labels),
276    #                        dimnames = list(row.names(DMetaData(y)), labels))
277    #    y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
278    #    DMetaData(new) <- rbind(x.dmeta.aug, y.dmeta.aug)
279    #
280    #    new
281    #}
282    
283    c.Corpus <-
284    function(..., recursive = FALSE)
285    {
286                args <- list(...)                args <- list(...)
287                if (length(args) == 0)      x <- args[[1L]]
288    
289        if(length(args) == 1L)
290                    return(x)                    return(x)
291    
292                if (!all(sapply(args, inherits, "Corpus")))      if (!all(unlist(lapply(args, inherits, class(x)))))
293                    stop("not all arguments are corpora")          stop("not all arguments are of the same corpus type")
               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$root  
294    
295                # Find indices to be updated for the left tree      if (inherits(x, "PCorpus"))
296                indices.mapping <- NULL          stop("concatenation of corpora with underlying databases is not supported")
               for (m in levels(as.factor(DMetaData(x)$MetaID))) {  
                   indices <- (DMetaData(x)$MetaID == m)  
                   indices.mapping <- c(indices.mapping, list(m = indices))  
                   names(indices.mapping)[length(indices.mapping)] <- m  
               }  
297    
298                # Update the DMetaData data frames for the left tree      if (recursive)
299                for (i in 1:ncol(update.struct$left.mapping)) {          Reduce(c2, args)
300                    map <- update.struct$left.mapping[,i]      else {
301                    x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          args <- do.call("c", lapply(args, content))
302            .VCorpus(args,
303                     CorpusMeta(),
304                     data.frame(MetaID = rep(0, length(args)),
305                                stringsAsFactors = FALSE))
306                }                }
   
               # Find indices to be updated for the right tree  
               indices.mapping <- NULL  
               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  
307                }                }
308    
309                # Update the DMetaData data frames for the right tree  c.TextDocument <-
310                for (i in 1:ncol(update.struct$right.mapping)) {  function(..., recursive = FALSE)
311                    map <- update.struct$right.mapping[,i]  {
                   y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])  
               }  
   
               # Merge the DMetaData data frames  
               labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))  
               na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))  
               x.dmeta.aug <- cbind(DMetaData(x), na.matrix)  
               labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))  
               na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))  
               y.dmeta.aug <- cbind(DMetaData(y), na.matrix)  
               object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)  
   
               return(object)  
           })  
   
 setMethod("c",  
           signature(x = "TextDocument"),  
           function(x, ..., recursive = TRUE){  
312                args <- list(...)                args <- list(...)
313                if(length(args) == 0)      x <- args[[1L]]
314    
315        if(length(args) == 1L)
316                    return(x)                    return(x)
317    
318                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      if (!all(unlist(lapply(args, inherits, class(x)))))
319                cmeta.node <- new("MetaDataNode",          stop("not all arguments are text documents")
                             NodeID = 0,  
                             MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                             children = list())  
   
               return(new("Corpus",  
                          .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")))  
     })  
   
 setMethod("show",  
           signature(object = "Corpus"),  
           function(object){  
               cat(sprintf(ngettext(length(object),  
                                    "A corpus with %d text document\n",  
                                    "A corpus with %d text documents\n"),  
                           length(object)))  
     })  
   
 setMethod("summary",  
           signature(object = "Corpus"),  
           function(object){  
               show(object)  
               if (length(DMetaData(object)) > 0) {  
                   cat(sprintf(ngettext(length(CMetaData(object)@MetaData),  
                                               "\nThe metadata consists of %d tag-value pair and a data frame\n",  
                                               "\nThe metadata consists of %d tag-value pairs and a data frame\n"),  
                                        length(CMetaData(object)@MetaData)))  
                   cat("Available tags are:\n")  
                   cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")  
                   cat("Available variables in the data frame are:\n")  
                   cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")  
               }  
     })  
   
 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)))  
               }  
               else  
                   print(noquote(lapply(object, identity)))  
           })  
320    
321  # No metadata is checked      .VCorpus(args,
322  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))               CorpusMeta(),
323  setMethod("%IN%",               data.frame(MetaID = rep(0, length(args)),
324            signature(x = "TextDocument", y = "Corpus"),                          stringsAsFactors = FALSE))
325            function(x, y) {  }
326                if (DBControl(y)[["useDb"]] && require("filehash")) {  
327                    db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])  content.Corpus <-
328                    result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))  function(x)
329                }      x$content
330                else  
331                    result <- x %in% y  `content<-.Corpus` <-
332                return(result)  function(x, value)
333            })  {
334        x$content <- value
335  setMethod("lapply",      x
336            signature(X = "Corpus"),  }
337            function(X, FUN, ...) {  
338                if (DBControl(X)[["useDb"]] && require("filehash")) {  length.Corpus <-
339                    db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  function(x)
340                    result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)      length(content(x))
341                }  
342                else {  print.Corpus <-
343                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")  function(x, ...)
344                    if (!is.null(lazyTmMap))  {
345                        .Call("copyCorpus", X, materialize(X))      cat(sprintf(ngettext(length(x),
346                    result <- base::lapply(X, FUN, ...)                           "A corpus with %d text document\n\n",
347                             "A corpus with %d text documents\n\n"),
348                    length(x)))
349    
350        meta <- meta(x, type = "corpus")$value
351        dmeta <- meta(x, type = "indexed")
352    
353        cat("Metadata:\n")
354        cat(sprintf("  Tag-value pairs. Tags: %s\n",
355                    paste(names(meta), collapse = " ")))
356        cat("  Data frame. Variables:", colnames(dmeta), "\n")
357    
358        invisible(x)
359    }
360    
361    inspect <-
362    function(x)
363        UseMethod("inspect", x)
364    inspect.PCorpus <-
365    function(x)
366    {
367        print(x)
368        cat("\n")
369        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
370        show(filehash::dbMultiFetch(db, unlist(x)))
371        invisible(x)
372    }
373    inspect.VCorpus <-
374    function(x)
375    {
376        print(x)
377        cat("\n")
378        print(noquote(content(x)))
379        invisible(x)
380                }                }
               return(result)  
           })  
381    
382  setMethod("sapply",  lapply.PCorpus <-
383            signature(X = "Corpus"),  function(X, FUN, ...)
384            function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {  {
385                if (DBControl(X)[["useDb"]] && require("filehash")) {      db <- filehash::dbInit(X$dbcontrol[["dbName"]], X$dbcontrol[["dbType"]])
386                    db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])      lapply(filehash::dbMultiFetch(db, unlist(content(X))), FUN, ...)
387                    result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)  }
388                }  lapply.VCorpus <-
389                else {  function(X, FUN, ...)
390    {
391                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
392                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
393                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
394                    result <- base::sapply(X, FUN, ...)      lapply(content(X), FUN, ...)
395                }                }
               return(result)  
           })  
396    
397  setAs("list", "Corpus", function(from) {  writeCorpus <-
398      cmeta.node <- new("MetaDataNode",  function(x, path = ".", filenames = NULL)
399                        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) {  
400                filenames <- file.path(path,                filenames <- file.path(path,
401                                       if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))        if (is.null(filenames))
402              sprintf("%s.txt", as.character(meta(x, "id", "local")))
403                                       else filenames)                                       else filenames)
404                i <- 1  
405                for (o in object) {      stopifnot(length(x) == length(filenames))
406                    writeLines(asPlain(o), filenames[i])  
407                    i <- i + 1      mapply(function(doc, f) writeLines(as.character(doc), f), x, filenames)
408    
409        invisible(x)
410                }                }
           })  

Legend:
Removed from v.905  
changed lines
  Added in v.1308

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