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

trunk/R/textmin/R/textdoccol.R revision 66, Tue Oct 31 22:03:33 2006 UTC pkg/R/textdoccol.R revision 905, Sat Mar 21 10:13:08 2009 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # The "..." are additional arguments for the function_generator parser  # The "..." are additional arguments for the FunctionGenerator reader
4  setGeneric("TextDocCol", function(object, parser = plaintext_parser, ...) standardGeneric("TextDocCol"))  setGeneric("Corpus", function(object,
5  setMethod("TextDocCol",                                readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),
6                                  dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
7                                  ...) standardGeneric("Corpus"))
8    setMethod("Corpus",
9            signature(object = "Source"),            signature(object = "Source"),
10            function(object, parser = plaintext_parser) {            function(object,
11                if (inherits(parser, "function_generator"))                     readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),
12                    parser <- parser(...)                     dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
13                       ...) {
14                  if (is.null(readerControl$reader))
15                      readerControl$reader <- object@DefaultReader
16                  if (is(readerControl$reader, "FunctionGenerator"))
17                      readerControl$reader <- readerControl$reader(...)
18                  if (is.null(readerControl$language))
19                      readerControl$language = "en_US"
20                  if (is.null(readerControl$load))
21                      readerControl$load = TRUE
22    
23                  if (dbControl$useDb && require("filehash")) {
24                      if (!dbCreate(dbControl$dbName, dbControl$dbType))
25                          stop("error in creating database")
26                      db <- dbInit(dbControl$dbName, dbControl$dbType)
27                  }
28    
29                  # Allocate memory in advance if length is known
30                  tdl <- if (object@Length > 0)
31                      vector("list", as.integer(object@Length))
32                  else
33                      list()
34    
               tdl <- list()  
35                counter <- 1                counter <- 1
36                while (!eoi(object)) {                while (!eoi(object)) {
37                    object <- step_next(object)                    object <- stepNext(object)
38                    elem <- get_elem(object)                    elem <- getElem(object)
39                    # If there is no Load on Demand support                    # If there is no Load on Demand support
40                    # we need to load the corpus into memory at startup                    # we need to load the corpus into memory at startup
41                    if (object@LoDSupport)                    if (!object@LoDSupport)
42                        load <- object@Load                        readerControl$load <- TRUE
43                    else                    doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))
44                        load <- TRUE                    if (dbControl$useDb && require("filehash")) {
45                    tdl <- c(tdl, list(parser(elem, object@LoDSupport, load, as.character(counter))))                        dbInsert(db, ID(doc), doc)
46                    counter <- counter + 1                        if (object@Length > 0)
47                }                            tdl[[counter]] <- ID(doc)
   
               return(new("TextDocCol", .Data = tdl))  
           })  
   
 setGeneric("DirSource", function(directory, load = FALSE) standardGeneric("DirSource"))  
 setMethod("DirSource",  
           signature(directory = "character"),  
           function(directory, load = FALSE) {  
               new("DirSource", LoDSupport = TRUE, FileList = dir(directory, full.names = TRUE),  
                   Position = 0, Load = load)  
           })  
   
 setGeneric("CSVSource", function(object, isConCall = FALSE) standardGeneric("CSVSource"))  
 setMethod("CSVSource",  
           signature(object = "character"),  
           function(object, isConCall = FALSE) {  
               if (!isConCall)  
                   object <- paste('file("', object, '")', sep = "")  
               con <- eval(parse(text = object))  
               content <- scan(con, what = "character")  
               close(con)  
               new("CSVSource", LoDSupport = FALSE, URI = object,  
                   Content = content, Position = 0)  
           })  
   
 setGeneric("ReutersSource", function(object, isConCall = FALSE) standardGeneric("ReutersSource"))  
 setMethod("ReutersSource",  
           signature(object = "character"),  
           function(object, isConCall = FALSE) {  
               if (!isConCall)  
                  object <- paste('file("', object, '")', sep = "")  
               con <- eval(parse(text = object))  
               corpus <- paste(readLines(con), "\n", collapse = "")  
               close(con)  
               tree <- xmlTreeParse(corpus, asText = TRUE)  
               content <- xmlRoot(tree)$children  
   
               new("ReutersSource", LoDSupport = FALSE, URI = object,  
                   Content = content, Position = 0)  
           })  
   
 setGeneric("step_next", function(object) standardGeneric("step_next"))  
 setMethod("step_next",  
           signature(object = "DirSource"),  
           function(object) {  
               object@Position <- object@Position + 1  
               object  
           })  
 setMethod("step_next",  
           signature(object = "CSVSource"),  
           function(object) {  
               object@Position <- object@Position + 1  
               object  
           })  
 setMethod("step_next",  
           signature(object = "ReutersSource"),  
           function(object) {  
               object@Position <- object@Position + 1  
               object  
           })  
   
 setGeneric("get_elem", function(object) standardGeneric("get_elem"))  
 setMethod("get_elem",  
           signature(object = "DirSource"),  
           function(object) {  
               list(content = readLines(object@FileList[object@Position]),  
                    uri = paste('file("', object@FileList[object@Position], '")', sep = ""))  
           })  
 setMethod("get_elem",  
           signature(object = "CSVSource"),  
           function(object) {  
               list(content = object@Content[object@Position],  
                    uri = object@URI)  
           })  
 setMethod("get_elem",  
           signature(object = "ReutersSource"),  
           function(object) {  
               # Construct a character representation from the XMLNode  
               con <- textConnection("virtual.file", "w")  
               saveXML(object@Content[[object@Position]], con)  
               close(con)  
   
               list(content = virtual.file, uri = object@URI)  
           })  
   
 setGeneric("eoi", function(object) standardGeneric("eoi"))  
 setMethod("eoi",  
           signature(object = "DirSource"),  
           function(object) {  
               if (length(object@FileList) <= object@Position)  
                   return(TRUE)  
               else  
                   return(FALSE)  
           })  
 setMethod("eoi",  
           signature(object = "CSVSource"),  
           function(object) {  
               if (length(object@Content) <= object@Position)  
                   return(TRUE)  
               else  
                   return(FALSE)  
           })  
 setMethod("eoi",  
           signature(object = "ReutersSource"),  
           function(object) {  
               if (length(object@Content) <= object@Position)  
                   return(TRUE)  
48                else                else
49                    return(FALSE)                            tdl <- c(tdl, ID(doc))
           })  
   
 plaintext_parser <- function(...) {  
     function(elem, lodsupport, load, id) {  
         if (!lodsupport || (lodsupport && load)) {  
             doc <- new("PlainTextDocument", .Data = elem$content, URI = elem$uri, Cached = TRUE,  
                        Author = "", DateTimeStamp = date(), Description = "", ID = id, Origin = "", Heading = "")  
50          }          }
51          else {          else {
52              doc <- new("PlainTextDocument", URI = elem$uri, Cached = FALSE,                        if (object@Length > 0)
53                         Author = "", DateTimeStamp = date(), Description = "", ID = id, Origin = "", Heading = "")                            tdl[[counter]] <- doc
         }  
   
         return(doc)  
     }  
 }  
 class(plaintext_parser) <- "function_generator"  
   
 reut21578xml_parser <- function(...) {  
     function(elem, lodsupport, load, id) {  
         corpus <- paste(elem$content, "\n", collapse = "")  
         tree <- xmlTreeParse(corpus, asText = TRUE)  
         node <- xmlRoot(tree)  
   
         # Mask as list to bypass S4 checks  
         class(tree) <- "list"  
   
         # The <AUTHOR></AUTHOR> tag is unfortunately NOT obligatory!  
         if (!is.null(node[["TEXT"]][["AUTHOR"]]))  
             author <- xmlValue(node[["TEXT"]][["AUTHOR"]])  
54          else          else
55              author <- ""                            tdl <- c(tdl, list(doc))
   
         datetimestamp <- xmlValue(node[["DATE"]])  
         description <- ""  
         id <- xmlAttrs(node)[["NEWID"]]  
   
         # The <TITLE></TITLE> tag is unfortunately NOT obligatory!  
         if (!is.null(node[["TEXT"]][["TITLE"]]))  
             heading <- xmlValue(node[["TEXT"]][["TITLE"]])  
         else  
             heading <- ""  
   
         topics <- unlist(xmlApply(node[["TOPICS"]], function(x) xmlValue(x)), use.names = FALSE)  
   
         if (!lodsupport || (lodsupport && load)) {  
             doc <- new("XMLTextDocument", .Data = tree, URI = elem$uri, Cached = TRUE, Author = author,  
                        DateTimeStamp = datetimestamp, Description = "", ID = id, Origin = "Reuters-21578 XML",  
                        Heading = heading, LocalMetaData = list(Topics = topics))  
         } else {  
             doc <- new("XMLTextDocument", URI = elem$uri, Cached = FALSE, Author = author,  
                        DateTimeStamp = datetimestamp, Description = "", ID = id, Origin = "Reuters-21578 XML",  
                        Heading = heading, LocalMetaData = list(Topics = topics))  
         }  
   
         return(doc)  
     }  
 }  
 class(reut21578xml_parser) <- "function_generator"  
   
 rcv1_parser <- function(...) {  
     function(elem, lodsupport, load, id) {  
         corpus <- paste(elem$content, "\n", collapse = "")  
         tree <- xmlTreeParse(corpus, asText = TRUE)  
         node <- xmlRoot(tree)  
   
         # Mask as list to bypass S4 checks  
         class(tree) <- "list"  
   
         datetimestamp <- xmlAttrs(node)[["date"]]  
         id <- xmlAttrs(node)[["itemid"]]  
         heading <- xmlValue(node[["title"]])  
   
         if (!lodsupport || (lodsupport && load)) {  
             doc <- new("XMLTextDocument", .Data = tree, URI = elem$uri, Cached = TRUE, Author = "",  
                        DateTimeStamp = datetimestamp, Description = "", ID = id, Origin = "Reuters Corpus Volume 1 XML",  
                        Heading = heading)  
         } else {  
             doc <- new("XMLTextDocument", URI = elem$uri, Cached = FALSE, Author = "",  
                        DateTimeStamp = datetimestamp, Description = "", ID = id, Origin = "Reuters Corpus Volume 1 XML",  
                        Heading = heading)  
         }  
   
         return(doc)  
     }  
 }  
 class(rcv1_parser) <- "function_generator"  
   
 newsgroup_parser <- function(...) {  
     function(elem, lodsupport, load, id) {  
         mail <- elem$content  
         author <- gsub("From: ", "", grep("^From:", mail, value = TRUE))  
         datetimestamp <- gsub("Date: ", "", grep("^Date:", mail, value = TRUE))  
         origin <- gsub("Path: ", "", grep("^Path:", mail, value = TRUE))  
         heading <- gsub("Subject: ", "", grep("^Subject:", mail, value = TRUE))  
         newsgroup <- gsub("Newsgroups: ", "", grep("^Newsgroups:", mail, value = TRUE))  
   
         if (!lodsupport || (lodsupport && load)) {  
             # The header is separated from the body by a blank line.  
             # Reference: \url{http://en.wikipedia.org/wiki/E-mail#Internet_e-mail_format}  
             for (index in seq(along = mail)) {  
                 if (mail[index] == "")  
                     break  
             }  
             content <- mail[(index + 1):length(mail)]  
   
             doc <- new("NewsgroupDocument", .Data = content, URI = elem$uri, Cached = TRUE,  
                        Author = author, DateTimeStamp = datetimestamp,  
                        Description = "", ID = id, Origin = origin,  
                        Heading = heading, Newsgroup = newsgroup)  
         } else {  
             doc <- new("NewsgroupDocument", URI = elem$uri, Cached = FALSE, Author = author, DateTimeStamp = datetimestamp,  
                        Description = "", ID = id, Origin = origin, Heading = heading, Newsgroup = newsgroup)  
         }  
   
         return(doc)  
56      }      }
57                      counter <- counter + 1
58  }  }
 class(newsgroup_parser) <- "function_generator"  
   
 # Parse a <newsitem></newsitem> element from a well-formed RCV1 XML file  
 rcv1_to_plain <- function(node, ...) {  
     datetimestamp <- xmlAttrs(node)[["date"]]  
     id <- xmlAttrs(node)[["itemid"]]  
     origin <- "Reuters Corpus Volume 1 XML"  
     corpus <- unlist(xmlApply(node[["text"]], xmlValue), use.names = FALSE)  
     heading <- xmlValue(node[["title"]])  
59    
60      new("PlainTextDocument", .Data = corpus, Cached = TRUE, URI = "", Author = "", DateTimeStamp = datetimestamp,                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
61          Description = "", ID = id, Origin = "Reuters Corpus Volume 1 XML", Heading = heading)                if (dbControl$useDb && require("filehash")) {
62                      dbInsert(db, "DMetaData", df)
63                      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
64  }  }
   
 # Parse a <REUTERS></REUTERS> element from a well-formed Reuters-21578 XML file  
 reut21578xml_to_plain <- function(node, ...) {  
     # The <AUTHOR></AUTHOR> tag is unfortunately NOT obligatory!  
     if (!is.null(node[["TEXT"]][["AUTHOR"]]))  
         author <- xmlValue(node[["TEXT"]][["AUTHOR"]])  
65      else      else
66          author <- ""                    dmeta.df <- df
67    
68      datetimestamp <- xmlValue(node[["DATE"]])                cmeta.node <- new("MetaDataNode",
69      description <- ""                              NodeID = 0,
70      id <- xmlAttrs(node)[["NEWID"]]                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
71                                children = list())
     origin <- "Reuters-21578 XML"  
   
     # The <BODY></BODY> tag is unfortunately NOT obligatory!  
     if (!is.null(node[["TEXT"]][["BODY"]]))  
         corpus <- xmlValue(node[["TEXT"]][["BODY"]])  
     else  
         corpus <- ""  
72    
73      # The <TITLE></TITLE> tag is unfortunately NOT obligatory!                return(new("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
74      if (!is.null(node[["TEXT"]][["TITLE"]]))            })
         heading <- xmlValue(node[["TEXT"]][["TITLE"]])  
     else  
         heading <- ""  
   
     topics <- unlist(xmlApply(node[["TOPICS"]], function(x) xmlValue(x)), use.names = FALSE)  
   
     new("PlainTextDocument", .Data = corpus, Cached = TRUE, URI = "", Author = author, DateTimeStamp = datetimestamp,  
         Description = description, ID = id, Origin = origin, Heading = heading, LocalMetaData = list(Topics = topics))  
 }  
75    
76  setGeneric("load_doc", function(object, ...) standardGeneric("load_doc"))  setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
77  setMethod("load_doc",  setMethod("loadDoc",
78            signature(object = "PlainTextDocument"),            signature(object = "PlainTextDocument"),
79            function(object, ...) {            function(object, ...) {
80                if (!Cached(object)) {                if (!Cached(object)) {
81                    con <- eval(parse(text = URI(object)))                    con <- eval(URI(object))
82                    corpus <- readLines(con)                    corpus <- readLines(con)
83                    close(con)                    close(con)
84                    Corpus(object) <- corpus                    Content(object) <- corpus
85                    Cached(object) <- TRUE                    Cached(object) <- TRUE
86                    return(object)                    return(object)
87                } else {                } else {
88                    return(object)                    return(object)
89                }                }
90            })            })
91  setMethod("load_doc",  setMethod("loadDoc",
92            signature(object =  "XMLTextDocument"),            signature(object =  "XMLTextDocument"),
93            function(object, ...) {            function(object, ...) {
94                if (!Cached(object)) {                if (!Cached(object) && require("XML")) {
95                    con <- eval(parse(text = URI(object)))                    con <- eval(URI(object))
96                    corpus <- paste(readLines(con), "\n", collapse = "")                    corpus <- paste(readLines(con), "\n", collapse = "")
97                    close(con)                    close(con)
98                    doc <- xmlTreeParse(corpus, asText = TRUE)                    doc <- xmlTreeParse(corpus, asText = TRUE)
99                    class(doc) <- "list"                    class(doc) <- "list"
100                    Corpus(object) <- doc                    Content(object) <- doc
101                    Cached(object) <- TRUE                    Cached(object) <- TRUE
102                    return(object)                    return(object)
103                } else {                } else {
104                    return(object)                    return(object)
105                }                }
106            })            })
107  setMethod("load_doc",  setMethod("loadDoc",
108            signature(object = "NewsgroupDocument"),            signature(object = "NewsgroupDocument"),
109            function(object, ...) {            function(object, ...) {
110                if (!Cached(object)) {                if (!Cached(object)) {
111                    con <- eval(parse(text = URI(object)))                    con <- eval(URI(object))
112                    mail <- readLines(con)                    mail <- readLines(con)
113                    close(con)                    close(con)
114                    Cached(object) <- TRUE                    Cached(object) <- TRUE
115                    for (index in seq(along = mail)) {                    for (index in seq_along(mail)) {
116                        if (mail[index] == "")                        if (mail[index] == "")
117                            break                            break
118                    }                    }
119                    Corpus(object) <- mail[(index + 1):length(mail)]                    Content(object) <- mail[(index + 1):length(mail)]
120                    return(object)                    return(object)
121                } else {                } else {
122                    return(object)                    return(object)
123                }                }
124            })            })
125    setMethod("loadDoc",
126              signature(object = "StructuredTextDocument"),
127              function(object, ...) {
128                  if (!Cached(object)) {
129                      warning("load on demand not (yet) supported for StructuredTextDocuments")
130                      return(object)
131                  } else
132                      return(object)
133              })
134    
135  setGeneric("tm_transform", function(object, FUN, ...) standardGeneric("tm_transform"))  setGeneric("tmUpdate", function(object,
136  setMethod("tm_transform",                                  origin,
137            signature(object = "TextDocCol", FUN = "function"),                                  readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),
138            function(object, FUN, ...) {                                  ...) standardGeneric("tmUpdate"))
139                result <- as(lapply(object, FUN, ..., GlobalMetaData = GlobalMetaData(object)), "TextDocCol")  # Update is only supported for directories
140                result@GlobalMetaData <- GlobalMetaData(object)  # At the moment no other LoD devices are available anyway
141    setMethod("tmUpdate",
142              signature(object = "Corpus", origin = "DirSource"),
143              function(object, origin,
144                       readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),
145                       ...) {
146                  if (is.null(readerControl$reader))
147                      readerControl$reader <- origin@DefaultReader
148                  if (is(readerControl$reader, "FunctionGenerator"))
149                      readerControl$reader <- readerControl$reader(...)
150                  if (is.null(readerControl$language))
151                      readerControl$language = "en_US"
152                  if (is.null(readerControl$load))
153                      readerControl$load = TRUE
154    
155                  object.filelist <- unlist(lapply(object, function(x) {summary(eval(URI(x)))$description}))
156                  new.files <- setdiff(origin@FileList, object.filelist)
157    
158                  for (filename in new.files) {
159                      encoding <- origin@Encoding
160                      elem <- list(content = readLines(filename, encoding = encoding),
161                                   uri = substitute(file(filename, encoding = encoding)))
162                      object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
163                  }
164    
165                  return(object)
166              })
167    
168    setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))
169    setMethod("tmMap",
170              signature(object = "Corpus", FUN = "function"),
171              function(object, FUN, ..., lazy = FALSE) {
172                  result <- object
173                  # Note that text corpora are automatically loaded into memory via \code{[[}
174                  if (DBControl(object)[["useDb"]] && require("filehash")) {
175                      if (lazy)
176                          warning("lazy mapping is deactived when using database backend")
177                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
178                      i <- 1
179                      for (id in unlist(object)) {
180                          db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
181                          i <- i + 1
182                      }
183                      # Suggested by Christian Buchta
184                      dbReorganize(db)
185                  }
186                  else {
187                      # Lazy mapping
188                      if (lazy) {
189                          lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
190                          if (is.null(lazyTmMap)) {
191                              meta(result, tag = "lazyTmMap", type = "corpus") <-
192                                  list(index = rep(TRUE, length(result)),
193                                       maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
194                          }
195                          else {
196                              lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
197                              meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
198                          }
199                      }
200                      else {
201                          result@.Data <- if (clusterAvailable())
202                              snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))
203                          else
204                              lapply(object, FUN, ..., DMetaData = DMetaData(object))
205                      }
206                  }
207                return(result)                return(result)
208            })            })
209    
210  setGeneric("as.plaintext_doc", function(object, FUN, ...) standardGeneric("as.plaintext_doc"))  # Materialize lazy mappings
211  setMethod("as.plaintext_doc",  # Improvements by Christian Buchta
212    materialize <- function(corpus, range = seq_along(corpus)) {
213        lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")
214        if (!is.null(lazyTmMap)) {
215           # Make valid and lazy index
216           idx <- (seq_along(corpus) %in% range) & lazyTmMap$index
217           if (any(idx)) {
218               res <- lapply(corpus@.Data[idx], loadDoc)
219               for (m in lazyTmMap$maps)
220                   res <- lapply(res, m, DMetaData = DMetaData(corpus))
221               corpus@.Data[idx] <- res
222               lazyTmMap$index[idx] <- FALSE
223           }
224        }
225        # Clean up if everything is materialized
226        if (!any(lazyTmMap$index))
227            lazyTmMap <- NULL
228        meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
229        return(corpus)
230    }
231    
232    setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
233    setMethod("asPlain",
234            signature(object = "PlainTextDocument"),            signature(object = "PlainTextDocument"),
235            function(object, FUN, ...) {            function(object, FUN, ...) {
236                return(object)                return(object)
237            })            })
238  setMethod("as.plaintext_doc",  setMethod("asPlain",
239            signature(object = "XMLTextDocument", FUN = "function"),            signature(object = "XMLTextDocument"),
240            function(object, FUN, ...) {            function(object, FUN, ...) {
241                if (!Cached(object))                require("XML")
                   object <- load_doc(object)  
242    
243                corpus <- Corpus(object)                corpus <- Content(object)
244    
245                # As XMLDocument is no native S4 class, restore valid information                # As XMLDocument is no native S4 class, restore valid information
246                class(corpus) <- "XMLDocument"                class(corpus) <- "XMLDocument"
# Line 374  Line 248 
248    
249                return(FUN(xmlRoot(corpus), ...))                return(FUN(xmlRoot(corpus), ...))
250            })            })
251    setMethod("asPlain",
252              signature(object = "Reuters21578Document"),
253              function(object, FUN, ...) {
254                  require("XML")
255    
256  setGeneric("stem_doc", function(object, ...) standardGeneric("stem_doc"))                FUN <- convertReut21578XMLPlain
257  setMethod("stem_doc",                corpus <- Content(object)
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               if (!Cached(object))  
                   object <- load_doc(object)  
   
               require(Rstem)  
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               stemmedCorpus <- wordStem(splittedCorpus, ...)  
               Corpus(object) <- paste(stemmedCorpus, collapse = " ")  
               return(object)  
           })  
258    
259  setGeneric("remove_words", function(object, stopwords, ...) standardGeneric("remove_words"))                # As XMLDocument is no native S4 class, restore valid information
260  setMethod("remove_words",                class(corpus) <- "XMLDocument"
261            signature(object = "PlainTextDocument", stopwords = "character"),                names(corpus) <- c("doc","dtd")
           function(object, stopwords, ...) {  
               if (!Cached(object))  
                   object <- load_doc(object)  
262    
263                require(Rstem)                return(FUN(xmlRoot(corpus), ...))
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]  
               Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")  
               return(object)  
264            })            })
265    setMethod("asPlain",
266  setGeneric("tm_filter", function(object, ..., FUN = s_filter) standardGeneric("tm_filter"))            signature(object = "RCV1Document"),
267  setMethod("tm_filter",            function(object, FUN, ...) {
268            signature(object = "TextDocCol"),                return(convertRCV1Plain(object, ...))
           function(object, ..., FUN = s_filter) {  
               object[tm_index(object, ..., FUN)]  
269            })            })
270    setMethod("asPlain",
271  setGeneric("tm_index", function(object, ..., FUN = s_filter) standardGeneric("tm_index"))            signature(object = "NewsgroupDocument"),
272  setMethod("tm_index",            function(object, FUN, ...) {
273            signature(object = "TextDocCol"),                new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = NULL, Author = Author(object),
274            function(object, ..., FUN = s_filter) {                    DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
275                sapply(object, FUN, ..., GlobalMetaData = GlobalMetaData(object))                    Origin = Origin(object), Heading = Heading(object), Language = Language(object),
276                      LocalMetaData = LocalMetaData(object))
277              })
278    setMethod("asPlain",
279              signature(object = "StructuredTextDocument"),
280              function(object, FUN, ...) {
281                  new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,
282                      URI = NULL, Author = Author(object), DateTimeStamp = DateTimeStamp(object),
283                      Description = Description(object), ID = ID(object), Origin = Origin(object),
284                      Heading = Heading(object), Language = Language(object),
285                      LocalMetaData = LocalMetaData(object))
286            })            })
287    
288  s_filter <- function(object, s, ..., GlobalMetaData) {  setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))
289      b <- TRUE  setMethod("tmFilter",
290      for (tag in names(s)) {            signature(object = "Corpus"),
291          if (tag %in% names(LocalMetaData(object))) {            function(object, ..., FUN = searchFullText, doclevel = TRUE) {
292              b <- b && any(grep(s[[tag]], LocalMetaData(object)[[tag]]))                if (!is.null(attr(FUN, "doclevel")))
293          } else if (tag %in% names(GlobalMetaData)){                    doclevel <- attr(FUN, "doclevel")
294              b <- b && any(grep(s[[tag]], GlobalMetaData[[tag]]))                if (doclevel) {
295          } else {                    if (clusterAvailable())
296              b <- b && any(grep(s[[tag]], eval(call(tag, object))))                        return(object[snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))])
297          }                    else
298      }                        return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
     return(b)  
299  }  }
300                  else
301                      return(object[FUN(object, ...)])
302              })
303    
304  setGeneric("fulltext_search_filter", function(object, pattern, ...) standardGeneric("fulltext_search_filter"))  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))
305  setMethod("fulltext_search_filter",  setMethod("tmIndex",
306            signature(object = "PlainTextDocument", pattern = "character"),            signature(object = "Corpus"),
307            function(object, pattern, ...) {            function(object, ..., FUN = searchFullText, doclevel = TRUE) {
308                if (!Cached(object))                if (!is.null(attr(FUN, "doclevel")))
309                    object <- load_doc(object)                    doclevel <- attr(FUN, "doclevel")
310                  if (doclevel) {
311                      if (clusterAvailable())
312                          return(snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))
313                      else
314                          return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
315                  }
316                  else
317                      return(FUN(object, ...))
318              })
319    
320                return(any(grep(pattern, Corpus(object))))  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
321    setMethod("appendElem",
322              signature(object = "Corpus", data = "TextDocument"),
323              function(object, data, meta = NULL) {
324                  if (DBControl(object)[["useDb"]] && require("filehash")) {
325                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
326                      if (dbExists(db, ID(data)))
327                          warning("document with identical ID already exists")
328                      dbInsert(db, ID(data), data)
329                      object@.Data[[length(object)+1]] <- ID(data)
330                  }
331                  else
332                      object@.Data[[length(object)+1]] <- data
333                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
334                  return(object)
335            })            })
336    
337  setGeneric("attach_data", function(object, data) standardGeneric("attach_data"))  setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
338  setMethod("attach_data",  setMethod("appendMeta",
339            signature(object = "TextDocCol", data = "TextDocument"),            signature(object = "Corpus"),
340            function(object, data) {            function(object, cmeta = NULL, dmeta = NULL) {
341                data <- as(list(data), "TextDocCol")                object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
342                object@.Data <- as(c(object@.Data, data), "TextDocCol")                if (!is.null(dmeta)) {
343                      DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
344                  }
345                return(object)                return(object)
346            })            })
347    
348  setGeneric("attach_metadata", function(object, name, metadata) standardGeneric("attach_metadata"))  setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
349  setMethod("attach_metadata",  setMethod("removeMeta",
350            signature(object = "TextDocCol"),            signature(object = "Corpus"),
351            function(object, name, metadata) {            function(object, cname = NULL, dname = NULL) {
352                object@GlobalMetaData <- c(GlobalMetaData(object), new = list(metadata))                if (!is.null(cname))
353                names(object@GlobalMetaData)[length(names(GlobalMetaData(object)))] <- name                    object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
354                  if (!is.null(dname))
355                      DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
356                return(object)                return(object)
357            })            })
358    
359  setGeneric("set_subscriptable", function(object, name) standardGeneric("set_subscriptable"))  setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
360  setMethod("set_subscriptable",  setMethod("prescindMeta",
361            signature(object = "TextDocCol"),            signature(object = "Corpus", meta = "character"),
362            function(object, name) {            function(object, meta) {
363                if (!is.character(GlobalMetaData(object)$subscriptable))                for (m in meta) {
364                    object <- attach_metadata(object, "subscriptable", name)                    if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
365                else                        local.m <- lapply(object, m)
366                    object@GlobalMetaData$subscriptable <- c(GlobalMetaData(object)$subscriptable, name)                        local.m <- sapply(local.m, paste, collapse = " ")
367                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
368                          local.m <- unlist(local.m)
369                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
370                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
371                      }
372                      else {
373                          local.meta <- lapply(object, LocalMetaData)
374                          local.m <- lapply(local.meta, "[[", m)
375                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
376                          if (length(local.m) == length(unlist(local.m)))
377                              local.m <- unlist(local.m)
378                          else
379                              local.m <- I(local.m)
380                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
381                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
382                      }
383                  }
384                return(object)                return(object)
385            })            })
386    
387  setMethod("[",  setMethod("[",
388            signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),            signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),
389            function(x, i, j, ... , drop) {            function(x, i, j, ... , drop) {
390                if(missing(i))                if(missing(i))
391                    return(x)                    return(x)
392    
393                object <- x                object <- x
394                object@.Data <- x@.Data[i, ..., drop = FALSE]                object@.Data <- x@.Data[i, ..., drop = FALSE]
395                for (m in names(GlobalMetaData(object))) {                if (DBControl(object)[["useDb"]] && require("filehash")) {
396                    if (m %in% GlobalMetaData(object)$subscriptable) {                    index <- object@DMetaData[[1 , "subset"]]
397                        object@GlobalMetaData[[m]] <- GlobalMetaData(object)[[m]][i, ..., drop = FALSE]                    if (any(is.na(index)))
398                    }                        object@DMetaData[[1 , "subset"]] <- i
399                      else
400                          object@DMetaData[[1 , "subset"]] <- index[i]
401                }                }
402                  else
403                      DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
404                return(object)                return(object)
405            })            })
406    
407  setMethod("[<-",  setMethod("[<-",
408            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
409            function(x, i, j, ... , value) {            function(x, i, j, ... , value) {
410                object <- x                object <- x
411                  if (DBControl(object)[["useDb"]] && require("filehash")) {
412                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
413                      counter <- 1
414                      for (id in object@.Data[i, ...]) {
415                          if (length(value) == 1)
416                              db[[id]] <- value
417                          else {
418                              db[[id]] <- value[[counter]]
419                          }
420                          counter <- counter + 1
421                      }
422                  }
423                  else
424                object@.Data[i, ...] <- value                object@.Data[i, ...] <- value
425                return(object)                return(object)
426            })            })
427    
428  setMethod("[[",  setMethod("[[",
429            signature(x = "TextDocCol", i = "ANY", j = "ANY"),            signature(x = "Corpus", i = "ANY", j = "ANY"),
430            function(x, i, j, ...) {            function(x, i, j, ...) {
431                return(x@.Data[[i, ...]])                if (DBControl(x)[["useDb"]] && require("filehash")) {
432                      db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
433                      result <- dbFetch(db, x@.Data[[i]])
434                      return(loadDoc(result))
435                  }
436                  else {
437                      lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
438                      if (!is.null(lazyTmMap))
439                          .Call("copyCorpus", x, materialize(x, i))
440                      return(loadDoc(x@.Data[[i]]))
441                  }
442            })            })
443    
444  setMethod("[[<-",  setMethod("[[<-",
445            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
446            function(x, i, j, ..., value) {            function(x, i, j, ..., value) {
447                object <- x                object <- x
448                  if (DBControl(object)[["useDb"]] && require("filehash")) {
449                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
450                      index <- object@.Data[[i]]
451                      db[[index]] <- value
452                  }
453                  else {
454                      # Mark new objects as not active for lazy mapping
455                      lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
456                      if (!is.null(lazyTmMap)) {
457                          lazyTmMap$index[i] <- FALSE
458                          meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
459                      }
460                      # Set the value
461                object@.Data[[i, ...]] <- value                object@.Data[[i, ...]] <- value
462                  }
463                return(object)                return(object)
464            })            })
465    
466    # Update \code{NodeID}s of a CMetaData tree
467    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
468        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
469        set_id <- function(object) {
470            object@NodeID <- id
471            id <<- id + 1
472            level <<- level + 1
473    
474            if (length(object@children) > 0) {
475                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
476                left <- set_id(object@children[[1]])
477                if (level == 1) {
478                    left.mapping <<- mapping
479                    mapping <<- NULL
480                }
481                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
482                right <- set_id(object@children[[2]])
483    
484                object@children <- list(left, right)
485            }
486            level <<- level - 1
487    
488            return(object)
489        }
490    
491        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
492    }
493    
494  setMethod("c",  setMethod("c",
495            signature(x = "TextDocCol"),            signature(x = "Corpus"),
496            function(x, ..., recursive = TRUE){            function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
497                args <- list(...)                args <- list(...)
498                if(length(args) == 0)                if(length(args) == 0)
499                    return(x)                    return(x)
500                return(as(c(as(x, "list"), ...), "TextDocCol"))  
501                  if (!all(sapply(args, inherits, "Corpus")))
502                      stop("not all arguments are corpora")
503                  if (DBControl(x)[["useDb"]] || any(unlist(sapply(args, DBControl)["useDb", ])))
504                      stop("concatenating corpora with activated database is not supported")
505    
506                  Reduce(c2, base::c(list(x), args))
507      })      })
508    
509    setGeneric("c2", function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
510    setMethod("c2",
511              signature(x = "Corpus", y = "Corpus"),
512              function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
513                  object <- x
514                  # Concatenate data slots
515                  object@.Data <- c(as(x, "list"), as(y, "list"))
516    
517                  # Set the DBControl slot
518                  object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
519    
520                  # Update the CMetaData tree
521                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
522                  update.struct <- update_id(cmeta)
523                  object@CMetaData <- update.struct$root
524    
525                  # Find indices to be updated for the left tree
526                  indices.mapping <- NULL
527                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
528                      indices <- (DMetaData(x)$MetaID == m)
529                      indices.mapping <- c(indices.mapping, list(m = indices))
530                      names(indices.mapping)[length(indices.mapping)] <- m
531                  }
532    
533                  # Update the DMetaData data frames for the left tree
534                  for (i in 1:ncol(update.struct$left.mapping)) {
535                      map <- update.struct$left.mapping[,i]
536                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
537                  }
538    
539                  # Find indices to be updated for the right tree
540                  indices.mapping <- NULL
541                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
542                      indices <- (DMetaData(y)$MetaID == m)
543                      indices.mapping <- c(indices.mapping, list(m = indices))
544                      names(indices.mapping)[length(indices.mapping)] <- m
545                  }
546    
547                  # Update the DMetaData data frames for the right tree
548                  for (i in 1:ncol(update.struct$right.mapping)) {
549                      map <- update.struct$right.mapping[,i]
550                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
551                  }
552    
553                  # Merge the DMetaData data frames
554                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
555                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
556                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
557                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
558                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
559                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
560                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
561    
562                  return(object)
563              })
564    
565  setMethod("c",  setMethod("c",
566            signature(x = "TextDocument"),            signature(x = "TextDocument"),
567            function(x, ..., recursive = TRUE){            function(x, ..., recursive = TRUE){
568                args <- list(...)                args <- list(...)
569                if(length(args) == 0)                if(length(args) == 0)
570                    return(x)                    return(x)
571                return(new("TextDocCol", .Data = list(x, ...)))  
572                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
573                  cmeta.node <- new("MetaDataNode",
574                                NodeID = 0,
575                                MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
576                                children = list())
577    
578                  return(new("Corpus",
579                             .Data = list(x, ...),
580                             DMetaData = dmeta.df,
581                             CMetaData = cmeta.node,
582                             DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
583      })      })
584    
585  setMethod("length",  setMethod("length",
586            signature(x = "TextDocCol"),            signature(x = "Corpus"),
587            function(x){            function(x){
588                return(length(as(x, "list")))                return(length(as(x, "list")))
589      })      })
590    
591  setMethod("show",  setMethod("show",
592            signature(object = "TextDocCol"),            signature(object = "Corpus"),
593            function(object){            function(object){
594                cat("A text document collection with", length(object), "text document")                cat(sprintf(ngettext(length(object),
595                if (length(object) == 1)                                     "A corpus with %d text document\n",
596                    cat("\n")                                     "A corpus with %d text documents\n"),
597                else                            length(object)))
                   cat("s\n")  
598      })      })
599    
600  setMethod("summary",  setMethod("summary",
601            signature(object = "TextDocCol"),            signature(object = "Corpus"),
602            function(object){            function(object){
603                show(object)                show(object)
604                if (length(GlobalMetaData(object)) > 0) {                if (length(DMetaData(object)) > 0) {
605                    cat("\nThe global metadata consists of", length(GlobalMetaData(object)), "tag-value pair")                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
606                    if (length(GlobalMetaData(object)) == 1)                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",
607                        cat(".\n")                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
608                    else                                         length(CMetaData(object)@MetaData)))
                       cat("s.\n")  
609                    cat("Available tags are:\n")                    cat("Available tags are:\n")
610                    cat(names(GlobalMetaData(object)), "\n")                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
611                      cat("Available variables in the data frame are:\n")
612                      cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
613                }                }
614      })      })
615    
616  setGeneric("inspect", function(object) standardGeneric("inspect"))  setGeneric("inspect", function(object) standardGeneric("inspect"))
617  setMethod("inspect",  setMethod("inspect",
618            signature("TextDocCol"),            signature("Corpus"),
619            function(object) {            function(object) {
620                summary(object)                summary(object)
621                cat("\n")                cat("\n")
622                show(as(object, "list"))                if (DBControl(object)[["useDb"]] && require("filehash")) {
623                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
624                      show(dbMultiFetch(db, unlist(object)))
625                  }
626                  else
627                      print(noquote(lapply(object, identity)))
628            })            })
629    
630  # No metadata is checked  # No metadata is checked
631  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
632  setMethod("%IN%",  setMethod("%IN%",
633            signature(x = "TextDocument", y = "TextDocCol"),            signature(x = "TextDocument", y = "Corpus"),
634            function(x, y) {            function(x, y) {
635                x %in% y                if (DBControl(y)[["useDb"]] && require("filehash")) {
636                      db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
637                      result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))
638                  }
639                  else
640                      result <- x %in% y
641                  return(result)
642              })
643    
644    setMethod("lapply",
645              signature(X = "Corpus"),
646              function(X, FUN, ...) {
647                  if (DBControl(X)[["useDb"]] && require("filehash")) {
648                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
649                      result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
650                  }
651                  else {
652                      lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
653                      if (!is.null(lazyTmMap))
654                          .Call("copyCorpus", X, materialize(X))
655                      result <- base::lapply(X, FUN, ...)
656                  }
657                  return(result)
658              })
659    
660    setMethod("sapply",
661              signature(X = "Corpus"),
662              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
663                  if (DBControl(X)[["useDb"]] && require("filehash")) {
664                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
665                      result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
666                  }
667                  else {
668                      lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
669                      if (!is.null(lazyTmMap))
670                          .Call("copyCorpus", X, materialize(X))
671                      result <- base::sapply(X, FUN, ...)
672                  }
673                  return(result)
674              })
675    
676    setAs("list", "Corpus", function(from) {
677        cmeta.node <- new("MetaDataNode",
678                          NodeID = 0,
679                          MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
680                          children = list())
681        data <- list()
682        counter <- 1
683        for (f in from) {
684            doc <- new("PlainTextDocument",
685                       .Data = f, URI = NULL, Cached = TRUE,
686                       Author = "", DateTimeStamp = as.POSIXlt(Sys.time(), tz = "GMT"),
687                       Description = "", ID = as.character(counter),
688                       Origin = "", Heading = "", Language = "en_US")
689            data <- c(data, list(doc))
690            counter <- counter + 1
691        }
692        return(new("Corpus", .Data = data,
693                   DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),
694                   CMetaData = cmeta.node,
695                   DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))
696    })
697    
698    setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))
699    setMethod("writeCorpus",
700              signature(object = "Corpus"),
701              function(object, path = ".", filenames = NULL) {
702                  filenames <- file.path(path,
703                                         if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))
704                                         else filenames)
705                  i <- 1
706                  for (o in object) {
707                      writeLines(asPlain(o), filenames[i])
708                      i <- i + 1
709                  }
710            })            })

Legend:
Removed from v.66  
changed lines
  Added in v.905

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