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 985, Thu Aug 27 18:09:05 2009 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # The "..." are additional arguments for the FunctionGenerator reader  prepareReader <- function(readerControl, defaultReader = NULL, ...) {
 setGeneric("Corpus", function(object,  
                               readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),  
                               dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),  
                               ...) standardGeneric("Corpus"))  
 setMethod("Corpus",  
           signature(object = "Source"),  
           function(object,  
                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),  
                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),  
                    ...) {  
4                if (is.null(readerControl$reader))                if (is.null(readerControl$reader))
5                    readerControl$reader <- object@DefaultReader          readerControl$reader <- defaultReader
6                if (is(readerControl$reader, "FunctionGenerator"))      if (inherits(readerControl$reader, "FunctionGenerator"))
7                    readerControl$reader <- readerControl$reader(...)                    readerControl$reader <- readerControl$reader(...)
8                if (is.null(readerControl$language))                if (is.null(readerControl$language))
9                    readerControl$language = "en_US"          readerControl$language <- "eng"
10                if (is.null(readerControl$load))      readerControl
11                    readerControl$load = TRUE  }
12    
13                if (dbControl$useDb && require("filehash")) {  # Node ID, actual meta data, and possibly other nodes as children
14                    if (!dbCreate(dbControl$dbName, dbControl$dbType))  .MetaDataNode <- function(node = 0, meta = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")), children = NULL) {
15                        stop("error in creating database")      attr(node, "MetaData") <- meta
16                    db <- dbInit(dbControl$dbName, dbControl$dbType)      attr(node, "Children") <- children
17        class(node) <- c("MetaDataNode", "numeric")
18        node
19    }
20    
21    print.MetaDataNode <- function(x, ...)
22        print(attr(x, "MetaData"))
23    
24    .PCorpus <- function(x, cmeta, dmeta, dbcontrol) {
25        attr(x, "CMetaData") <- cmeta
26        attr(x, "DMetaData") <- dmeta
27        attr(x, "DBControl") <- dbcontrol
28        class(x) <- c("PCorpus", "Corpus", "list")
29        x
30                }                }
31    
32    PCorpus <- function(x,
33                        readerControl = list(reader = x$DefaultReader, language = "eng"),
34                        dbControl = list(dbName = "", dbType = "DB1"),
35                        ...) {
36        readerControl <- prepareReader(readerControl, x$DefaultReader, ...)
37    
38        if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
39            stop("error in creating database")
40        db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
41    
42                # Allocate memory in advance if length is known                # Allocate memory in advance if length is known
43                tdl <- if (object@Length > 0)      tdl <- if (x$Length > 0)
44                    vector("list", as.integer(object@Length))          vector("list", as.integer(x$Length))
45                else                else
46                    list()                    list()
47    
48                counter <- 1                counter <- 1
49                while (!eoi(object)) {      while (!eoi(x)) {
50                    object <- stepNext(object)          x <- stepNext(x)
51                    elem <- getElem(object)          elem <- getElem(x)
52                    # If there is no Load on Demand support          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
53                    # we need to load the corpus into memory at startup          filehash::dbInsert(db, ID(doc), doc)
54                    if (!object@LoDSupport)          if (x$Length > 0) tdl[[counter]] <- ID(doc)
55                        readerControl$load <- TRUE          else tdl <- c(tdl, ID(doc))
                   doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))  
                   if (dbControl$useDb && require("filehash")) {  
                       dbInsert(db, ID(doc), doc)  
                       if (object@Length > 0)  
                           tdl[[counter]] <- ID(doc)  
                       else  
                           tdl <- c(tdl, ID(doc))  
                   }  
                   else {  
                       if (object@Length > 0)  
                           tdl[[counter]] <- doc  
                       else  
                           tdl <- c(tdl, list(doc))  
                   }  
56                    counter <- counter + 1                    counter <- counter + 1
57                }                }
58    
59                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
60                if (dbControl$useDb && require("filehash")) {      filehash::dbInsert(db, "DMetaData", df)
                   dbInsert(db, "DMetaData", df)  
61                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
               }  
               else  
                   dmeta.df <- df  
62    
63                cmeta.node <- new("MetaDataNode",      .PCorpus(tdl, .MetaDataNode(), dmeta.df, dbControl)
                             NodeID = 0,  
                             MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                             children = list())  
   
               return(new("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))  
           })  
   
 setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))  
 setMethod("loadDoc",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   corpus <- readLines(con)  
                   close(con)  
                   Content(object) <- corpus  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object =  "XMLTextDocument"),  
           function(object, ...) {  
               if (!Cached(object) && require("XML")) {  
                   con <- eval(URI(object))  
                   corpus <- paste(readLines(con), "\n", collapse = "")  
                   close(con)  
                   doc <- xmlTreeParse(corpus, asText = TRUE)  
                   class(doc) <- "list"  
                   Content(object) <- doc  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object = "NewsgroupDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   mail <- readLines(con)  
                   close(con)  
                   Cached(object) <- TRUE  
                   for (index in seq_along(mail)) {  
                       if (mail[index] == "")  
                           break  
                   }  
                   Content(object) <- mail[(index + 1):length(mail)]  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object = "StructuredTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   warning("load on demand not (yet) supported for StructuredTextDocuments")  
                   return(object)  
               } else  
                   return(object)  
           })  
   
 setGeneric("tmUpdate", function(object,  
                                 origin,  
                                 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),  
                                 ...) standardGeneric("tmUpdate"))  
 # Update is only supported for directories  
 # At the moment no other LoD devices are available anyway  
 setMethod("tmUpdate",  
           signature(object = "Corpus", origin = "DirSource"),  
           function(object, origin,  
                    readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),  
                    ...) {  
               if (is.null(readerControl$reader))  
                   readerControl$reader <- origin@DefaultReader  
               if (is(readerControl$reader, "FunctionGenerator"))  
                   readerControl$reader <- readerControl$reader(...)  
               if (is.null(readerControl$language))  
                   readerControl$language = "en_US"  
               if (is.null(readerControl$load))  
                   readerControl$load = TRUE  
   
               object.filelist <- unlist(lapply(object, function(x) {summary(eval(URI(x)))$description}))  
               new.files <- setdiff(origin@FileList, object.filelist)  
   
               for (filename in new.files) {  
                   encoding <- origin@Encoding  
                   elem <- list(content = readLines(filename, encoding = encoding),  
                                uri = substitute(file(filename, encoding = encoding)))  
                   object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))  
               }  
   
               return(object)  
           })  
   
 setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))  
 setMethod("tmMap",  
           signature(object = "Corpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               result <- object  
               # Note that text corpora are automatically loaded into memory via \code{[[}  
               if (DBControl(object)[["useDb"]] && require("filehash")) {  
                   if (lazy)  
                       warning("lazy mapping is deactived when using database backend")  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   i <- 1  
                   for (id in unlist(object)) {  
                       db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))  
                       i <- i + 1  
                   }  
                   # Suggested by Christian Buchta  
                   dbReorganize(db)  
               }  
               else {  
                   # Lazy mapping  
                   if (lazy) {  
                       lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")  
                       if (is.null(lazyTmMap)) {  
                           meta(result, tag = "lazyTmMap", type = "corpus") <-  
                               list(index = rep(TRUE, length(result)),  
                                    maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  
                       }  
                       else {  
                           lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  
                           meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
                       }  
                   }  
                   else {  
                       result@.Data <- if (clusterAvailable())  
                           snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))  
                       else  
                           lapply(object, FUN, ..., DMetaData = DMetaData(object))  
64                    }                    }
               }  
               return(result)  
           })  
65    
66  # Materialize lazy mappings  .VCorpus <- function(x, cmeta, dmeta) {
67  # Improvements by Christian Buchta      attr(x, "CMetaData") <- cmeta
68  materialize <- function(corpus, range = seq_along(corpus)) {      attr(x, "DMetaData") <- dmeta
69      lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")      class(x) <- c("VCorpus", "Corpus", "list")
70      if (!is.null(lazyTmMap)) {      x
        # 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))])  
71                }                }
               else  
                   return(object[FUN(object, ...)])  
           })  
72    
73  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))  # The "..." are additional arguments for the FunctionGenerator reader
74  setMethod("tmIndex",  VCorpus <- Corpus <- function(x,
75            signature(object = "Corpus"),                      readerControl = list(reader = x$DefaultReader, language = "eng"),
76            function(object, ..., FUN = searchFullText, doclevel = TRUE) {                      ...) {
77                if (!is.null(attr(FUN, "doclevel")))      readerControl <- prepareReader(readerControl, x$DefaultReader, ...)
                   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)))  
               }  
               else  
                   return(FUN(object, ...))  
           })  
78    
79  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))      # Allocate memory in advance if length is known
80  setMethod("appendElem",      tdl <- if (x$Length > 0)
81            signature(object = "Corpus", data = "TextDocument"),          vector("list", as.integer(x$Length))
           function(object, data, meta = NULL) {  
               if (DBControl(object)[["useDb"]] && require("filehash")) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   if (dbExists(db, ID(data)))  
                       warning("document with identical ID already exists")  
                   dbInsert(db, ID(data), data)  
                   object@.Data[[length(object)+1]] <- ID(data)  
               }  
82                else                else
83                    object@.Data[[length(object)+1]] <- data          list()
84                DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))  
85                return(object)      if (x$Vectorized)
86            })          tdl <- lapply(mapply(c, pGetElem(x), id = seq_len(x$Length), SIMPLIFY = FALSE),
87                          function(x) readerControl$reader(x[c("content", "uri")],
88  setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))                                                         readerControl$language,
89  setMethod("appendMeta",                                                         as.character(x$id)))
           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  
                   }  
90                    else {                    else {
91                        local.meta <- lapply(object, LocalMetaData)          counter <- 1
92                        local.m <- lapply(local.meta, "[[", m)          while (!eoi(x)) {
93                        local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))              x <- stepNext(x)
94                        if (length(local.m) == length(unlist(local.m)))              elem <- getElem(x)
95                            local.m <- unlist(local.m)              doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
96                if (x$Length > 0)
97                    tdl[[counter]] <- doc
98                        else                        else
99                            local.m <- I(local.m)                  tdl <- c(tdl, list(doc))
100                        DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))              counter <- counter + 1
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m  
101                    }                    }
102                }                }
               return(object)  
           })  
   
 setMethod("[",  
           signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if(missing(i))  
                   return(x)  
103    
104                object <- x      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
105                object@.Data <- x@.Data[i, ..., drop = FALSE]      .VCorpus(tdl, .MetaDataNode(), df)
               if (DBControl(object)[["useDb"]] && require("filehash")) {  
                   index <- object@DMetaData[[1 , "subset"]]  
                   if (any(is.na(index)))  
                       object@DMetaData[[1 , "subset"]] <- i  
                   else  
                       object@DMetaData[[1 , "subset"]] <- index[i]  
106                }                }
107                else  
108                    DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]  `[.PCorpus` <- function(x, i) {
109                return(object)      if (missing(i)) return(x)
110            })      cmeta <- CMetaData(x)
111        index <- attr(x, "DMetaData")[[1 , "subset"]]
112  setMethod("[<-",      attr(x, "DMetaData")[[1 , "subset"]] <- if (is.numeric(index)) index[i] else i
113            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),      dmeta <- attr(x, "DMetaData")
114            function(x, i, j, ... , value) {      dbcontrol <- DBControl(x)
115                object <- x      class(x) <- "list"
116                if (DBControl(object)[["useDb"]] && require("filehash")) {      .PCorpus(x[i, drop = FALSE], cmeta, dmeta, dbcontrol)
117                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  }
118                    counter <- 1  
119                    for (id in object@.Data[i, ...]) {  `[.VCorpus` <- function(x, i) {
120                        if (length(value) == 1)      if (missing(i)) return(x)
121                            db[[id]] <- value      cmeta <- CMetaData(x)
122                        else {      dmeta <- DMetaData(x)[i, , drop = FALSE]
123                            db[[id]] <- value[[counter]]      class(x) <- "list"
124        .VCorpus(x[i, drop = FALSE], cmeta, dmeta)
125                        }                        }
126    
127    `[<-.PCorpus` <- function(x, i, value) {
128        db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
129        counter <- 1
130        for (id in unclass(x)[i]) {
131            if (identical(length(value), 1)) db[[id]] <- value
132            else db[[id]] <- value[[counter]]
133                        counter <- counter + 1                        counter <- counter + 1
134                    }                    }
135        x
136                }                }
137                else  
138                    object@.Data[i, ...] <- value  `[[.PCorpus` <-  function(x, i) {
139                return(object)      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
140            })      class(x) <- "list"
141        filehash::dbFetch(db, x[[i]])
 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))  
142                }                }
143                else {  `[[.VCorpus` <-  function(x, i) {
144                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
145                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
146                        .Call("copyCorpus", x, materialize(x, i))                        .Call("copyCorpus", x, materialize(x, i))
147                    return(loadDoc(x@.Data[[i]]))      class(x) <- "list"
148        x[[i]]
149                }                }
           })  
150    
151  setMethod("[[<-",  `[[<-.PCorpus` <-  function(x, i, value) {
152            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
153            function(x, i, j, ..., value) {      index <- unclass(x)[[i]]
               object <- x  
               if (DBControl(object)[["useDb"]] && require("filehash")) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   index <- object@.Data[[i]]  
154                    db[[index]] <- value                    db[[index]] <- value
155        x
156                }                }
157                else {  `[[<-.VCorpus` <-  function(x, i, value) {
158                    # Mark new objects as not active for lazy mapping                    # Mark new objects as not active for lazy mapping
159                    lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")      lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
160                    if (!is.null(lazyTmMap)) {                    if (!is.null(lazyTmMap)) {
161                        lazyTmMap$index[i] <- FALSE                        lazyTmMap$index[i] <- FALSE
162                        meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap          meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
163                    }                    }
164                    # Set the value                    # Set the value
165                    object@.Data[[i, ...]] <- value      cl <- class(x)
166        class(x) <- "list"
167        x[[i]] <- value
168        class(x) <- cl
169        x
170                }                }
               return(object)  
           })  
171    
172  # Update \code{NodeID}s of a CMetaData tree  # Update \code{NodeID}s of a CMetaData tree
173  update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {  update_id <- function(x, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
174      # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s      # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
175      set_id <- function(object) {      set_id <- function(x) {
176          object@NodeID <- id          attrs <- attributes(x)
177            x <- id
178            attributes(x) <- attrs
179          id <<- id + 1          id <<- id + 1
180          level <<- level + 1          level <<- level + 1
181            if (length(attr(x, "Children")) > 0) {
182          if (length(object@children) > 0) {              mapping <<- cbind(mapping, c(as.numeric(attr(x, "Children")[[1]]), id))
183              mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))              left <- set_id(attr(x, "Children")[[1]])
             left <- set_id(object@children[[1]])  
184              if (level == 1) {              if (level == 1) {
185                  left.mapping <<- mapping                  left.mapping <<- mapping
186                  mapping <<- NULL                  mapping <<- NULL
187              }              }
188              mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))              mapping <<- cbind(mapping, c(as.numeric(attr(x, "Children")[[2]]), id))
189              right <- set_id(object@children[[2]])              right <- set_id(attr(x, "Children")[[2]])
190    
191              object@children <- list(left, right)              attr(x, "Children") <- list(left, right)
192          }          }
193          level <<- level - 1          level <<- level - 1
194            x
         return(object)  
195      }      }
196    
197      return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))      list(root = set_id(x), left.mapping = left.mapping, right.mapping = mapping)
198  }  }
199    
200  setMethod("c",  c2 <- function(x, y, ...) {
           signature(x = "Corpus"),  
           function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  
               args <- list(...)  
               if (length(args) == 0)  
                   return(x)  
   
               if (!all(sapply(args, inherits, "Corpus")))  
                   stop("not all arguments are corpora")  
               if (DBControl(x)[["useDb"]] || any(unlist(sapply(args, DBControl)["useDb", ])))  
                   stop("concatenating corpora with activated database is not supported")  
   
               Reduce(c2, base::c(list(x), args))  
           })  
   
 setGeneric("c2", function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))  
 setMethod("c2",  
           signature(x = "Corpus", y = "Corpus"),  
           function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  
               object <- x  
               # Concatenate data slots  
               object@.Data <- c(as(x, "list"), as(y, "list"))  
   
               # Set the DBControl slot  
               object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")  
   
201                # Update the CMetaData tree                # Update the CMetaData tree
202                cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))      cmeta <- .MetaDataNode(0, list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), list(CMetaData(x), CMetaData(y)))
203                update.struct <- update_id(cmeta)                update.struct <- update_id(cmeta)
204                object@CMetaData <- update.struct$root  
205        new <- .VCorpus(c(unclass(x), unclass(y)), update.struct$root, NULL)
206    
207                # Find indices to be updated for the left tree                # Find indices to be updated for the left tree
208                indices.mapping <- NULL                indices.mapping <- NULL
# Line 533  Line 215 
215                # Update the DMetaData data frames for the left tree                # Update the DMetaData data frames for the left tree
216                for (i in 1:ncol(update.struct$left.mapping)) {                for (i in 1:ncol(update.struct$left.mapping)) {
217                    map <- update.struct$left.mapping[,i]                    map <- update.struct$left.mapping[,i]
218                    x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          DMetaData(x)$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
219                }                }
220    
221                # Find indices to be updated for the right tree                # Find indices to be updated for the right tree
# Line 547  Line 229 
229                # Update the DMetaData data frames for the right tree                # Update the DMetaData data frames for the right tree
230                for (i in 1:ncol(update.struct$right.mapping)) {                for (i in 1:ncol(update.struct$right.mapping)) {
231                    map <- update.struct$right.mapping[,i]                    map <- update.struct$right.mapping[,i]
232                    y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          DMetaData(y)$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
233                }                }
234    
235                # Merge the DMetaData data frames                # Merge the DMetaData data frames
# Line 557  Line 239 
239                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
240                na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))                na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
241                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
242                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)      DMetaData(new) <- rbind(x.dmeta.aug, y.dmeta.aug)
243    
244                return(object)      new
245            })  }
246    
247  setMethod("c",  c.Corpus <-
248            signature(x = "TextDocument"),  function(x, ..., recursive = FALSE)
249            function(x, ..., recursive = TRUE){  {
250                args <- list(...)                args <- list(...)
251                if(length(args) == 0)  
252        if (identical(length(args), 0))
253                    return(x)                    return(x)
254    
255                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      if (!all(unlist(lapply(args, inherits, class(x)))))
256                cmeta.node <- new("MetaDataNode",          stop("not all arguments are of the same corpus type")
257                              NodeID = 0,  
258                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),      if (inherits(x, "PCorpus"))
259                              children = list())          stop("concatenation of corpora with underlying databases is not supported")
260    
261                return(new("Corpus",      Reduce(c2, base::c(list(x), args))
262                           .Data = list(x, ...),  }
263                           DMetaData = dmeta.df,  
264                           CMetaData = cmeta.node,  c.TextDocument <- function(x, ..., recursive = FALSE) {
265                           DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))      args <- list(...)
266            })  
267        if (identical(length(args), 0))
268  setMethod("length",          return(x)
269            signature(x = "Corpus"),  
270            function(x){      if (!all(unlist(lapply(args, inherits, class(x)))))
271                return(length(as(x, "list")))          stop("not all arguments are text documents")
272      })  
273        dmeta <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
274  setMethod("show",      .VCorpus(list(x, ...), .MetaDataNode(), dmeta)
275            signature(object = "Corpus"),  }
276            function(object){  
277                cat(sprintf(ngettext(length(object),  print.Corpus <- function(x, ...) {
278        cat(sprintf(ngettext(length(x),
279                                     "A corpus with %d text document\n",                                     "A corpus with %d text document\n",
280                                     "A corpus with %d text documents\n"),                                     "A corpus with %d text documents\n"),
281                            length(object)))                  length(x)))
282      })      invisible(x)
283    }
284    
285  setMethod("summary",  summary.Corpus <- function(x, ...) {
286            signature(object = "Corpus"),      print(x)
287            function(object){      if (length(DMetaData(x)) > 0) {
288                show(object)          cat(sprintf(ngettext(length(attr(CMetaData(x), "MetaData")),
               if (length(DMetaData(object)) > 0) {  
                   cat(sprintf(ngettext(length(CMetaData(object)@MetaData),  
289                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",
290                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
291                                         length(CMetaData(object)@MetaData)))                      length(attr(CMetaData(x), "MetaData"))))
292                    cat("Available tags are:\n")                    cat("Available tags are:\n")
293                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")          cat(strwrap(paste(names(attr(CMetaData(x), "MetaData")), collapse = " "), indent = 2, exdent = 2), "\n")
294                    cat("Available variables in the data frame are:\n")                    cat("Available variables in the data frame are:\n")
295                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")          cat(strwrap(paste(names(DMetaData(x)), collapse = " "), indent = 2, exdent = 2), "\n")
296                }                }
     })  
   
 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)))  
297                }                }
               else  
                   print(noquote(lapply(object, identity)))  
           })  
298    
299  # No metadata is checked  inspect <- function(x) UseMethod("inspect", x)
300  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  inspect.PCorpus <- function(x) {
301  setMethod("%IN%",      summary(x)
302            signature(x = "TextDocument", y = "Corpus"),      cat("\n")
303            function(x, y) {      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
304                if (DBControl(y)[["useDb"]] && require("filehash")) {      show(filehash::dbMultiFetch(db, unlist(x)))
                   db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])  
                   result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))  
               }  
               else  
                   result <- x %in% y  
               return(result)  
           })  
   
 setMethod("lapply",  
           signature(X = "Corpus"),  
           function(X, FUN, ...) {  
               if (DBControl(X)[["useDb"]] && require("filehash")) {  
                   db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
                   result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)  
305                }                }
306                else {  inspect.VCorpus <- function(x) {
307                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")      summary(x)
308                    if (!is.null(lazyTmMap))      cat("\n")
309                        .Call("copyCorpus", X, materialize(X))      print(noquote(lapply(x, identity)))
                   result <- base::lapply(X, FUN, ...)  
310                }                }
               return(result)  
           })  
311    
312  setMethod("sapply",  # No metadata is checked
313            signature(X = "Corpus"),  `%IN%` <- function(x, y) UseMethod("%IN%", y)
314            function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {  `%IN%.PCorpus` <- function(x, y) {
315                if (DBControl(X)[["useDb"]] && require("filehash")) {      db <- filehash::dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
316                    db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])      any(unlist(lapply(y, function(x, z) {x %in% Content(z)}, x)))
317                    result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)  }
318    `%IN%.VCorpus` <- function(x, y) x %in% y
319    
320    lapply.PCorpus <- function(X, FUN, ...) {
321        db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
322        lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
323                }                }
324                else {  lapply.VCorpus <- function(X, FUN, ...) {
325                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
326                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
327                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
328                    result <- base::sapply(X, FUN, ...)      base::lapply(X, FUN, ...)
329                }                }
               return(result)  
           })  
330    
331  setAs("list", "Corpus", function(from) {  writeCorpus <-  function(x, path = ".", filenames = NULL) {
     cmeta.node <- new("MetaDataNode",  
                       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) {  
332                filenames <- file.path(path,                filenames <- file.path(path,
333                                       if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))                             if (is.null(filenames)) unlist(lapply(x, function(x) sprintf("%s.txt", ID(x))))
334                                       else filenames)                                       else filenames)
335                i <- 1                i <- 1
336                for (o in object) {      for (o in x) {
337                    writeLines(asPlain(o), filenames[i])          writeLines(as.PlainTextDocument(o), filenames[i])
338                    i <- i + 1                    i <- i + 1
339                }                }
340            })  }

Legend:
Removed from v.905  
changed lines
  Added in v.985

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