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

revision 950, Thu May 14 15:17:18 2009 UTC revision 1025, Fri Dec 11 08:56:22 2009 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  FCorpus <- function(object, readerControl = list(language = "eng")) {  .PCorpus <- function(x, cmeta, dmeta, dbcontrol) {
4      if (is.null(readerControl$language))      attr(x, "CMetaData") <- cmeta
5          readerControl$language <- "eng"      attr(x, "DMetaData") <- dmeta
6        attr(x, "DBControl") <- dbcontrol
7      if (!object@Vectorized)      class(x) <- c("PCorpus", "Corpus", "list")
8          stop("Source is not vectorized")      x
   
     tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),  
                   function(x) readSlim(x[c("content", "uri")],  
                                        readerControl$language,  
                                        as.character(x$id)))  
   
     new("FCorpus", .Data = tdl)  
9  }  }
10    DBControl <- function(x) attr(x, "DBControl")
11    
12  PCorpus <- function(object,  PCorpus <- function(x,
13                      readerControl = list(reader = object@DefaultReader, language = "eng"),                      readerControl = list(reader = x$DefaultReader, language = "eng"),
14                      dbControl = list(dbName = "", dbType = "DB1"),                      dbControl = list(dbName = "", dbType = "DB1"),
15                      ...) {                      ...) {
16      if (is.null(readerControl$reader))      readerControl <- prepareReader(readerControl, x$DefaultReader, ...)
         readerControl$reader <- object@DefaultReader  
     if (is(readerControl$reader, "FunctionGenerator"))  
         readerControl$reader <- readerControl$reader(...)  
     if (is.null(readerControl$language))  
         readerControl$language <- "eng"  
17    
18      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
19          stop("error in creating database")          stop("error in creating database")
20      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
21    
22      # Allocate memory in advance if length is known      # Allocate memory in advance if length is known
23      tdl <- if (object@Length > 0)      tdl <- if (x$Length > 0)
24          vector("list", as.integer(object@Length))          vector("list", as.integer(x$Length))
25      else      else
26          list()          list()
27    
28      counter <- 1      counter <- 1
29      while (!eoi(object)) {      while (!eoi(x)) {
30          object <- stepNext(object)          x <- stepNext(x)
31          elem <- getElem(object)          elem <- getElem(x)
32          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
33          filehash::dbInsert(db, ID(doc), doc)          filehash::dbInsert(db, ID(doc), doc)
34          if (object@Length > 0) tdl[[counter]] <- ID(doc)          if (x$Length > 0) tdl[[counter]] <- ID(doc)
35          else tdl <- c(tdl, ID(doc))          else tdl <- c(tdl, ID(doc))
36          counter <- counter + 1          counter <- counter + 1
37      }      }
# Line 51  Line 40 
40      filehash::dbInsert(db, "DMetaData", df)      filehash::dbInsert(db, "DMetaData", df)
41      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
42    
43      cmeta.node <- new("MetaDataNode",      .PCorpus(tdl, .MetaDataNode(), dmeta.df, dbControl)
44                        NodeID = 0,  }
                       MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                       children = list())  
45    
46      new("PCorpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl)  .VCorpus <- function(x, cmeta, dmeta) {
47        attr(x, "CMetaData") <- cmeta
48        attr(x, "DMetaData") <- dmeta
49        class(x) <- c("VCorpus", "Corpus", "list")
50        x
51  }  }
52    
53    # Register S3 corpus classes to be recognized by S4 methods. This is
54    # mainly a fix to be compatible with packages which were originally
55    # developed to cooperate with corresponding S4 tm classes. Necessary
56    # since tm's class architecture was changed to S3 since tm version 0.5.
57    setOldClass(c("VCorpus", "Corpus", "list"))
58    
59  # The "..." are additional arguments for the FunctionGenerator reader  # The "..." are additional arguments for the FunctionGenerator reader
60  SCorpus <- Corpus <- function(object,  VCorpus <- Corpus <- function(x,
61                      readerControl = list(reader = object@DefaultReader, language = "eng"),                      readerControl = list(reader = x$DefaultReader, language = "eng"),
62                      ...) {                      ...) {
63      if (is.null(readerControl$reader))      readerControl <- prepareReader(readerControl, x$DefaultReader, ...)
         readerControl$reader <- object@DefaultReader  
     if (is(readerControl$reader, "FunctionGenerator"))  
         readerControl$reader <- readerControl$reader(...)  
     if (is.null(readerControl$language))  
         readerControl$language <- "eng"  
64    
65      # Allocate memory in advance if length is known      # Allocate memory in advance if length is known
66      tdl <- if (object@Length > 0)      tdl <- if (x$Length > 0)
67          vector("list", as.integer(object@Length))          vector("list", as.integer(x$Length))
68      else      else
69          list()          list()
70    
71      if (object@Vectorized)      if (x$Vectorized)
72          tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),          tdl <- mapply(function(x, id) readerControl$reader(x, readerControl$language, id),
73                        function(x) readerControl$reader(x[c("content", "uri")],                        pGetElem(x),
74                                                         readerControl$language,                        id = as.character(seq_len(x$Length)),
75                                                         as.character(x$id)))                        SIMPLIFY = FALSE)
76      else {      else {
77          counter <- 1          counter <- 1
78          while (!eoi(object)) {          while (!eoi(x)) {
79              object <- stepNext(object)              x <- stepNext(x)
80              elem <- getElem(object)              elem <- getElem(x)
81              doc <- readerControl$reader(elem, readerControl$language, as.character(counter))              doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
82              if (object@Length > 0)              if (x$Length > 0)
83                  tdl[[counter]] <- doc                  tdl[[counter]] <- doc
84              else              else
85                  tdl <- c(tdl, list(doc))                  tdl <- c(tdl, list(doc))
# Line 96  Line 88 
88      }      }
89    
90      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
91      cmeta.node <- new("MetaDataNode",      .VCorpus(tdl, .MetaDataNode(), df)
                       NodeID = 0,  
                       MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                       children = list())  
   
     new("SCorpus", .Data = tdl, DMetaData = df, CMetaData = cmeta.node)  
 }  
   
 setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))  
 setMethod("tmMap",  
           signature(object = "FCorpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               if (lazy)  
                   warning("lazy mapping is deactivated")  
   
               lapply(object, FUN, ..., DMetaData = data.frame())  
           })  
 setMethod("tmMap",  
           signature(object = "SCorpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               result <- object  
               # 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))  
92                }                }
               result  
           })  
 setMethod("tmMap",  
           signature(object = "PCorpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               # TODO: When should lazy mapping be conceptually available?  
               if (lazy)  
                   warning("lazy mapping is deactived when using database backend")  
               db <- filehash::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  
               filehash::dbReorganize(db)  
   
               object  
           })  
   
 # Materialize lazy mappings  
 # Improvements by Christian Buchta  
 materialize <- function(corpus, range = seq_along(corpus)) {  
     lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")  
     if (!is.null(lazyTmMap)) {  
        # Make valid and lazy index  
        idx <- (seq_along(corpus) %in% range) & lazyTmMap$index  
        if (any(idx)) {  
            res <- corpus@.Data[idx]  
            for (m in lazyTmMap$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  
     corpus  
 }  
   
 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))  
 setMethod("asPlain", signature(object = "PlainTextDocument"),  
           function(object, FUN, ...) 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, ...) convertRCV1Plain(object, ...))  
 setMethod("asPlain",  
           signature(object = "NewsgroupDocument"),  
           function(object, FUN, ...) {  
               new("PlainTextDocument", .Data = Content(object), 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)),  
                   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)  
               object[tmIndex(object, ..., FUN = FUN, doclevel = doclevel)])  
   
 setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))  
 setMethod("tmIndex",  
           signature(object = "Corpus"),  
           function(object, ..., FUN = searchFullText, doclevel = TRUE) {  
               if (!is.null(attr(FUN, "doclevel")))  
                   doclevel <- attr(FUN, "doclevel")  
               if (doclevel) {  
                   if (clusterAvailable())  
                       return(snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))  
                   else  
                       return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))  
               }  
               else  
                   return(FUN(object, ...))  
           })  
   
 # TODO: Replace with c(Corpus, TextDocument)?  
 setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  
 setMethod("appendElem",  
           signature(object = "Corpus", data = "TextDocument"),  
           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)  
               }  
               else  
                   object@.Data[[length(object)+1]] <- data  
               DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))  
               return(object)  
           })  
93    
94  prescindMeta <- function(object, meta) {  `[.PCorpus` <- function(x, i) {
     df <- DMetaData(object)  
   
     for (m in meta)  
         df <- cbind(df, structure(data.frame(I(meta(object, tag = m, type = "local"))), names = m))  
   
     df  
 }  
   
 setMethod("[",  
           signature(x = "PCorpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
95                if (missing(i)) return(x)                if (missing(i)) return(x)
96        index <- attr(x, "DMetaData")[[1 , "subset"]]
97        attr(x, "DMetaData")[[1 , "subset"]] <- if (is.numeric(index)) index[i] else i
98        dmeta <- attr(x, "DMetaData")
99        .PCorpus(NextMethod("["), CMetaData(x), dmeta, DBControl(x))
100    }
101    
102                x@.Data <- x@.Data[i, ..., drop = FALSE]  `[.VCorpus` <- function(x, i) {
               index <- x@DMetaData[[1 , "subset"]]  
               if (any(is.na(index))) x@DMetaData[[1 , "subset"]] <- i  
               else x@DMetaData[[1 , "subset"]] <- index[i]  
               x  
           })  
   
 setMethod("[",  
           signature(x = "SCorpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
103                if (missing(i)) return(x)                if (missing(i)) return(x)
104        .VCorpus(NextMethod("["), CMetaData(x), DMetaData(x)[i, , drop = FALSE])
105    }
106    
107                x@.Data <- x@.Data[i, ..., drop = FALSE]  `[<-.PCorpus` <- function(x, i, value) {
               DMetaData(x) <- DMetaData(x)[i, , drop = FALSE]  
               x  
           })  
   
 setMethod("[<-",  
           signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
108                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
109                counter <- 1                counter <- 1
110                for (id in x@.Data[i, ...]) {      for (id in unclass(x)[i]) {
111                    if (identical(length(value), 1)) db[[id]] <- value          if (identical(length(value), 1L)) db[[id]] <- value
112                    else db[[id]] <- value[[counter]]                    else db[[id]] <- value[[counter]]
113                    counter <- counter + 1                    counter <- counter + 1
114                }                }
115                x                x
116            })  }
 setMethod("[<-",  
           signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
               x@.Data[i, ...] <- value  
               x  
           })  
117    
118  setMethod("[[",  `[[.PCorpus` <-  function(x, i) {
           signature(x = "PCorpus", i = "ANY", j = "ANY"),  
           function(x, i, j, ...) {  
119                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
120                filehash::dbFetch(db, x@.Data[[i]])      filehash::dbFetch(db, NextMethod("[["))
121            })  }
122  setMethod("[[",  `[[.VCorpus` <-  function(x, i) {
           signature(x = "SCorpus", i = "ANY", j = "ANY"),  
           function(x, i, j, ...) {  
               # TODO: For which corpora should lazy mapping be available?  
123                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
124                if (!is.null(lazyTmMap))                if (!is.null(lazyTmMap))
125                    .Call("copyCorpus", x, materialize(x, i))                    .Call("copyCorpus", x, materialize(x, i))
126                x@.Data[[i]]      NextMethod("[[")
127            })  }
128    
129  setMethod("[[<-",  `[[<-.PCorpus` <-  function(x, i, value) {
           signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ..., value) {  
130                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
131                index <- x@.Data[[i]]      index <- unclass(x)[[i]]
132                db[[index]] <- value                db[[index]] <- value
133                x                x
134            })  }
135  setMethod("[[<-",  `[[<-.VCorpus` <-  function(x, i, value) {
           signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ..., value) {  
136                # Mark new objects as not active for lazy mapping                # Mark new objects as not active for lazy mapping
137                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
138                if (!is.null(lazyTmMap)) {                if (!is.null(lazyTmMap)) {
# Line 351  Line 140 
140                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
141                }                }
142                # Set the value                # Set the value
143                x@.Data[[i, ...]] <- value      cl <- class(x)
144        y <- NextMethod("[[<-")
145                x      class(y) <- cl
146            })      y
147    }
148    
149  # Update \code{NodeID}s of a CMetaData tree  # Update NodeIDs of a CMetaData tree
150  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) {
151      # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s      # Traversal of (binary) CMetaData tree with setup of NodeIDs
152      set_id <- function(object) {      set_id <- function(x) {
153          object@NodeID <- id          x$NodeID <- id
154          id <<- id + 1          id <<- id + 1
155          level <<- level + 1          level <<- level + 1
156            if (length(x$Children) > 0) {
157          if (length(object@children) > 0) {              mapping <<- cbind(mapping, c(x$Children[[1]]$NodeID, id))
158              mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))              left <- set_id(x$Children[[1]])
             left <- set_id(object@children[[1]])  
159              if (level == 1) {              if (level == 1) {
160                  left.mapping <<- mapping                  left.mapping <<- mapping
161                  mapping <<- NULL                  mapping <<- NULL
162              }              }
163              mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))              mapping <<- cbind(mapping, c(x$Children[[2]]$NodeID, id))
164              right <- set_id(object@children[[2]])              right <- set_id(x$Children[[2]])
165    
166              object@children <- list(left, right)              x$Children <- list(left, right)
167          }          }
168          level <<- level - 1          level <<- level - 1
169            x
         return(object)  
170      }      }
171        list(root = set_id(x), left.mapping = left.mapping, right.mapping = mapping)
     return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))  
172  }  }
173    
174  # TODO: Implement concatenation for other corpus types  # Find indices to be updated for a CMetaData tree
175  setMethod("c",  .find_indices <- function(x) {
           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, "SCorpus")))  
                   stop("not all arguments are standard corpora")  
   
               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 = "SCorpus", y = "SCorpus"),  
           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"))  
   
               # Update the CMetaData tree  
               cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))  
               update.struct <- update_id(cmeta)  
               object@CMetaData <- update.struct$root  
   
               # Find indices to be updated for the left tree  
176                indices.mapping <- NULL                indices.mapping <- NULL
177                for (m in levels(as.factor(DMetaData(x)$MetaID))) {                for (m in levels(as.factor(DMetaData(x)$MetaID))) {
178                    indices <- (DMetaData(x)$MetaID == m)                    indices <- (DMetaData(x)$MetaID == m)
179                    indices.mapping <- c(indices.mapping, list(m = indices))                    indices.mapping <- c(indices.mapping, list(m = indices))
180                    names(indices.mapping)[length(indices.mapping)] <- m                    names(indices.mapping)[length(indices.mapping)] <- m
181                }                }
182        indices.mapping
183    }
184    
185    c2 <- function(x, y, ...) {
186        # Update the CMetaData tree
187        cmeta <- .MetaDataNode(0, list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), list(CMetaData(x), CMetaData(y)))
188        update.struct <- .update_id(cmeta)
189    
190        new <- .VCorpus(c(unclass(x), unclass(y)), update.struct$root, NULL)
191    
192        # Find indices to be updated for the left tree
193        indices.mapping <- .find_indices(x)
194    
195                # Update the DMetaData data frames for the left tree                # Update the DMetaData data frames for the left tree
196                for (i in 1:ncol(update.struct$left.mapping)) {                for (i in 1:ncol(update.struct$left.mapping)) {
197                    map <- update.struct$left.mapping[,i]                    map <- update.struct$left.mapping[,i]
198                    x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          DMetaData(x)$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
199                }                }
200    
201                # Find indices to be updated for the right tree                # Find indices to be updated for the right tree
202                indices.mapping <- NULL      indices.mapping <- .find_indices(y)
               for (m in levels(as.factor(DMetaData(y)$MetaID))) {  
                   indices <- (DMetaData(y)$MetaID == m)  
                   indices.mapping <- c(indices.mapping, list(m = indices))  
                   names(indices.mapping)[length(indices.mapping)] <- m  
               }  
203    
204                # Update the DMetaData data frames for the right tree                # Update the DMetaData data frames for the right tree
205                for (i in 1:ncol(update.struct$right.mapping)) {                for (i in 1:ncol(update.struct$right.mapping)) {
206                    map <- update.struct$right.mapping[,i]                    map <- update.struct$right.mapping[,i]
207                    y@DMetaData$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])
208                }                }
209    
210                # Merge the DMetaData data frames                # Merge the DMetaData data frames
# Line 446  Line 214 
214                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
215                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))
216                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
217                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)      DMetaData(new) <- rbind(x.dmeta.aug, y.dmeta.aug)
218    
219        new
220    }
221    
222    c.Corpus <-
223    function(x, ..., recursive = FALSE)
224    {
225        args <- list(...)
226    
227        if (identical(length(args), 0L))
228            return(x)
229    
230                return(object)      if (!all(unlist(lapply(args, inherits, class(x)))))
231            })          stop("not all arguments are of the same corpus type")
232    
233  setMethod("c",      if (inherits(x, "PCorpus"))
234            signature(x = "TextDocument"),          stop("concatenation of corpora with underlying databases is not supported")
235            function(x, ..., recursive = TRUE){  
236        Reduce(c2, base::c(list(x), args))
237    }
238    
239    c.TextDocument <- function(x, ..., recursive = FALSE) {
240                args <- list(...)                args <- list(...)
               if (identical(length(args), 0)) return(x)  
241    
242                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      if (identical(length(args), 0L))
243                cmeta.node <- new("MetaDataNode",          return(x)
244                              NodeID = 0,  
245                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),      if (!all(unlist(lapply(args, inherits, class(x)))))
246                              children = list())          stop("not all arguments are text documents")
247    
248                new("SCorpus", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node)      dmeta <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
249            })      .VCorpus(list(x, ...), .MetaDataNode(), dmeta)
250    }
251  setMethod("show",  
252            signature(object = "Corpus"),  print.Corpus <- function(x, ...) {
253            function(object){      cat(sprintf(ngettext(length(x),
               cat(sprintf(ngettext(length(object),  
254                                     "A corpus with %d text document\n",                                     "A corpus with %d text document\n",
255                                     "A corpus with %d text documents\n"),                                     "A corpus with %d text documents\n"),
256                            length(object)))                  length(x)))
257      })      invisible(x)
258    }
259    
260  setMethod("summary",  summary.Corpus <- function(object, ...) {
261            signature(object = "Corpus"),      print(object)
           function(object){  
               show(object)  
262                if (length(DMetaData(object)) > 0) {                if (length(DMetaData(object)) > 0) {
263                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),          cat(sprintf(ngettext(length(attr(CMetaData(object), "MetaData")),
264                                                "\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",
265                                                "\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"),
266                                         length(CMetaData(object)@MetaData)))                      length(CMetaData(object)$MetaData)))
267                    cat("Available tags are:\n")                    cat("Available tags are:\n")
268                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")          cat(strwrap(paste(names(CMetaData(object)$MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
269                    cat("Available variables in the data frame are:\n")                    cat("Available variables in the data frame are:\n")
270                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
271                }                }
272      })  }
273    
274  inspect <- function(x) UseMethod("inspect", x)  inspect <- function(x) UseMethod("inspect", x)
275  inspect.PCorpus <- function(x) {  inspect.PCorpus <- function(x) {
# Line 498  Line 278 
278      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
279      show(filehash::dbMultiFetch(db, unlist(x)))      show(filehash::dbMultiFetch(db, unlist(x)))
280  }  }
281  inspect.FCorpus <- inspect.SCorpus <- function(x) {  inspect.VCorpus <- function(x) {
282      summary(x)      summary(x)
283      cat("\n")      cat("\n")
284      print(noquote(lapply(x, identity)))      print(noquote(lapply(x, identity)))
285  }  }
286    
287  # No metadata is checked  lapply.PCorpus <- function(X, FUN, ...) {
 setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  
 setMethod("%IN%", signature(x = "TextDocument", y = "PCorpus"),  
           function(x, y) {  
               db <- filehash::dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])  
               any(sapply(y, function(x, z) {x %in% Content(z)}, x))  
           })  
 setMethod("%IN%", signature(x = "TextDocument", y = "SCorpus"),  
           function(x, y) x %in% y)  
   
 setMethod("lapply",  
           signature(X = "SCorpus"),  
           function(X, FUN, ...) {  
               lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")  
               if (!is.null(lazyTmMap))  
                   .Call("copyCorpus", X, materialize(X))  
               base::lapply(X, FUN, ...)  
           })  
 setMethod("lapply",  
           signature(X = "PCorpus"),  
           function(X, FUN, ...) {  
288                db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])                db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
289                lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)                lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
290            })  }
291    lapply.VCorpus <- function(X, FUN, ...) {
 setMethod("sapply",  
           signature(X = "SCorpus"),  
           function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {  
292                lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
293                if (!is.null(lazyTmMap))                if (!is.null(lazyTmMap))
294                    .Call("copyCorpus", X, materialize(X))                    .Call("copyCorpus", X, materialize(X))
295                base::sapply(X, FUN, ...)      base::lapply(X, FUN, ...)
           })  
 setMethod("sapply",  
           signature(X = "PCorpus"),  
           function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {  
               db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
               sapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)  
           })  
   
 setAs("list", "SCorpus", function(from) {  
     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,  
                    Author = "", DateTimeStamp = as.POSIXlt(Sys.time(), tz = "GMT"),  
                    Description = "", ID = as.character(counter),  
                    Origin = "", Heading = "", Language = "eng")  
         data <- c(data, list(doc))  
         counter <- counter + 1  
296      }      }
297      new("SCorpus", .Data = data,  
298          DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),  writeCorpus <-  function(x, path = ".", filenames = NULL) {
         CMetaData = cmeta.node)  
 })  
   
 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  
 setMethod("writeCorpus",  
           signature(object = "Corpus"),  
           function(object, path = ".", filenames = NULL) {  
299                filenames <- file.path(path,                filenames <- file.path(path,
300                                       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))))
301                                       else filenames)                                       else filenames)
302                i <- 1                i <- 1
303                for (o in object) {      for (o in x) {
304                    writeLines(asPlain(o), filenames[i])          writeLines(as.PlainTextDocument(o), filenames[i])
305                    i <- i + 1                    i <- i + 1
306                }                }
307            })  }

Legend:
Removed from v.950  
changed lines
  Added in v.1025

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