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 1273, Sun Jan 5 08:42:02 2014 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  FCorpus <- function(object, readerControl = list(language = "eng")) {  .PCorpus <-
4      if (is.null(readerControl$language))  function(x, cmeta, dmeta, dbcontrol)
5          readerControl$language <- "eng"  {
6        attr(x, "CMetaData") <- cmeta
7      if (!object@Vectorized)      attr(x, "DMetaData") <- dmeta
8          stop("Source is not vectorized")      attr(x, "DBControl") <- dbcontrol
9        class(x) <- c("PCorpus", "Corpus", "list")
10      tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),      x
11                    function(x) readSlim(x[c("content", "uri")],  }
12                                         readerControl$language,  
13                                         as.character(x$id)))  DBControl <-
14    function(x)
15      new("FCorpus", .Data = tdl)      attr(x, "DBControl")
16  }  
17    PCorpus <-
18  PCorpus <- function(object,  function(x,
19                      readerControl = list(reader = object@DefaultReader, language = "eng"),           readerControl = list(reader = x$DefaultReader, language = "en"),
20                      dbControl = list(dbName = "", dbType = "DB1"),           dbControl = list(dbName = "", dbType = "DB1"))
21                      ...) {  {
22      if (is.null(readerControl$reader))      stopifnot(inherits(x, "Source"))
23          readerControl$reader <- object@DefaultReader  
24      if (is(readerControl$reader, "FunctionGenerator"))      readerControl <- prepareReader(readerControl, x$DefaultReader)
25          readerControl$reader <- readerControl$reader(...)  
26      if (is.null(readerControl$language))      if (is.function(readerControl$init))
27          readerControl$language <- "eng"          readerControl$init()
28    
29        if (is.function(readerControl$exit))
30            on.exit(readerControl$exit())
31    
32      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
33          stop("error in creating database")          stop("error in creating database")
34      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
35    
36      # Allocate memory in advance if length is known      # Allocate memory in advance if length is known
37      tdl <- if (object@Length > 0)      tdl <- if (x$Length > 0)
38          vector("list", as.integer(object@Length))          vector("list", as.integer(x$Length))
39      else      else
40          list()          list()
41    
42      counter <- 1      counter <- 1
43      while (!eoi(object)) {      while (!eoi(x)) {
44          object <- stepNext(object)          x <- stepNext(x)
45          elem <- getElem(object)          elem <- getElem(x)
46          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))          id <- if (is.null(x$Names) || is.na(x$Names))
47                    as.character(counter)
48                else
49                    x$Names[counter]
50            doc <- readerControl$reader(elem, readerControl$language, id)
51          filehash::dbInsert(db, ID(doc), doc)          filehash::dbInsert(db, ID(doc), doc)
52          if (object@Length > 0) tdl[[counter]] <- ID(doc)          if (x$Length > 0) tdl[[counter]] <- ID(doc)
53          else tdl <- c(tdl, ID(doc))          else tdl <- c(tdl, ID(doc))
54          counter <- counter + 1          counter <- counter + 1
55      }      }
56        if (!is.null(x$Names) && !is.na(x$Names))
57            names(tdl) <- x$Names
58    
59      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
60      filehash::dbInsert(db, "DMetaData", df)      filehash::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)))
62    
63      cmeta.node <- new("MetaDataNode",      .PCorpus(tdl, .MetaDataNode(), dmeta.df, dbControl)
64                        NodeID = 0,  }
65                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
66                        children = list())  .VCorpus <-
67    function(x, cmeta, dmeta)
68      new("PCorpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl)  {
69  }      attr(x, "CMetaData") <- cmeta
70        attr(x, "DMetaData") <- dmeta
71  # The "..." are additional arguments for the FunctionGenerator reader      class(x) <- c("VCorpus", "Corpus", "list")
72  SCorpus <- Corpus <- function(object,      x
73                      readerControl = list(reader = object@DefaultReader, language = "eng"),  }
74                      ...) {  
75      if (is.null(readerControl$reader))  VCorpus <-
76          readerControl$reader <- object@DefaultReader  Corpus <-
77      if (is(readerControl$reader, "FunctionGenerator"))  function(x, readerControl = list(reader = x$DefaultReader, language = "en"))
78          readerControl$reader <- readerControl$reader(...)  {
79      if (is.null(readerControl$language))      stopifnot(inherits(x, "Source"))
80          readerControl$language <- "eng"  
81        readerControl <- prepareReader(readerControl, x$DefaultReader)
82    
83        if (is.function(readerControl$init))
84            readerControl$init()
85    
86        if (is.function(readerControl$exit))
87            on.exit(readerControl$exit())
88    
89      # Allocate memory in advance if length is known      # Allocate memory in advance if length is known
90      tdl <- if (object@Length > 0)      tdl <- if (x$Length > 0)
91          vector("list", as.integer(object@Length))          vector("list", as.integer(x$Length))
92      else      else
93          list()          list()
94    
95      if (object@Vectorized)      if (x$Vectorized)
96          tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),          tdl <- mapply(function(x, id) readerControl$reader(x, readerControl$language, id),
97                        function(x) readerControl$reader(x[c("content", "uri")],                        pGetElem(x),
98                                                         readerControl$language,                        id = if (is.null(x$Names) || is.na(x$Names)) as.character(seq_len(x$Length)) else x$Names,
99                                                         as.character(x$id)))                        SIMPLIFY = FALSE)
100      else {      else {
101          counter <- 1          counter <- 1
102          while (!eoi(object)) {          while (!eoi(x)) {
103              object <- stepNext(object)              x <- stepNext(x)
104              elem <- getElem(object)              elem <- getElem(x)
105              doc <- readerControl$reader(elem, readerControl$language, as.character(counter))              id <- if (is.null(x$Names) || is.na(x$Names))
106              if (object@Length > 0)                  as.character(counter)
107                else
108                    x$Names[counter]
109                doc <- readerControl$reader(elem, readerControl$language, id)
110                if (x$Length > 0)
111                  tdl[[counter]] <- doc                  tdl[[counter]] <- doc
112              else              else
113                  tdl <- c(tdl, list(doc))                  tdl <- c(tdl, list(doc))
114              counter <- counter + 1              counter <- counter + 1
115          }          }
116      }      }
117        if (!is.null(x$Names) && !is.na(x$Names))
118            names(tdl) <- x$Names
119      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
120      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))  
               }  
               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)  
           })  
   
 prescindMeta <- function(object, meta) {  
     df <- DMetaData(object)  
   
     for (m in meta)  
         df <- cbind(df, structure(data.frame(I(meta(object, tag = m, type = "local"))), names = m))  
   
     df  
121  }  }
122    
123  setMethod("[",  `[.PCorpus` <-
124            signature(x = "PCorpus", i = "ANY", j = "ANY", drop = "ANY"),  function(x, i)
125            function(x, i, j, ... , drop) {  {
126                if (missing(i)) return(x)                if (missing(i)) return(x)
127        index <- attr(x, "DMetaData")[[1 , "subset"]]
128        attr(x, "DMetaData")[[1 , "subset"]] <- if (is.numeric(index)) index[i] else i
129        dmeta <- attr(x, "DMetaData")
130        .PCorpus(NextMethod("["), CMetaData(x), dmeta, DBControl(x))
131    }
132    
133                x@.Data <- x@.Data[i, ..., drop = FALSE]  `[.VCorpus` <-
134                index <- x@DMetaData[[1 , "subset"]]  function(x, i)
135                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) {  
136                if (missing(i)) return(x)                if (missing(i)) return(x)
137        .VCorpus(NextMethod("["), CMetaData(x), DMetaData(x)[i, , drop = FALSE])
138    }
139    
140                x@.Data <- x@.Data[i, ..., drop = FALSE]  `[<-.PCorpus` <-
141                DMetaData(x) <- DMetaData(x)[i, , drop = FALSE]  function(x, i, value)
142                x  {
           })  
   
 setMethod("[<-",  
           signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
143                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
144                counter <- 1                counter <- 1
145                for (id in x@.Data[i, ...]) {      for (id in unclass(x)[i]) {
146                    if (identical(length(value), 1)) db[[id]] <- value          if (identical(length(value), 1L)) db[[id]] <- value
147                    else db[[id]] <- value[[counter]]                    else db[[id]] <- value[[counter]]
148                    counter <- counter + 1                    counter <- counter + 1
149                }                }
150                x                x
151            })  }
152  setMethod("[<-",  
153            signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),  .map_name_index <-
154            function(x, i, j, ... , value) {  function(x, i)
155                x@.Data[i, ...] <- value  {
156                x      if (is.character(i)) {
157            })          if (is.null(names(x)))
158                match(i, meta(x, "ID", type = "local"))
159            else
160                match(i, names(x))
161        }
162        i
163    }
164    
165  setMethod("[[",  `[[.PCorpus` <-
166            signature(x = "PCorpus", i = "ANY", j = "ANY"),  function(x, i)
167            function(x, i, j, ...) {  {
168        i <- .map_name_index(x, i)
169                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
170                filehash::dbFetch(db, x@.Data[[i]])      filehash::dbFetch(db, NextMethod("[["))
171            })  }
172  setMethod("[[",  `[[.VCorpus` <-
173            signature(x = "SCorpus", i = "ANY", j = "ANY"),  function(x, i)
174            function(x, i, j, ...) {  {
175                # TODO: For which corpora should lazy mapping be available?      i <- .map_name_index(x, i)
176                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
177                if (!is.null(lazyTmMap))                if (!is.null(lazyTmMap))
178                    .Call("copyCorpus", x, materialize(x, i))                    .Call("copyCorpus", x, materialize(x, i))
179                x@.Data[[i]]      NextMethod("[[")
180            })  }
181    
182  setMethod("[[<-",  `[[<-.PCorpus` <-
183            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),  function(x, i, value)
184            function(x, i, j, ..., value) {  {
185        i <- .map_name_index(x, i)
186                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
187                index <- x@.Data[[i]]      index <- unclass(x)[[i]]
188                db[[index]] <- value                db[[index]] <- value
189                x                x
190            })  }
191  setMethod("[[<-",  `[[<-.VCorpus` <-
192            signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),  function(x, i, value)
193            function(x, i, j, ..., value) {  {
194        i <- .map_name_index(x, i)
195                # Mark new objects as not active for lazy mapping                # Mark new objects as not active for lazy mapping
196                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
197                if (!is.null(lazyTmMap)) {                if (!is.null(lazyTmMap)) {
# Line 351  Line 199 
199                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
200                }                }
201                # Set the value                # Set the value
202                x@.Data[[i, ...]] <- value      cl <- class(x)
203        y <- NextMethod("[[<-")
204                x      class(y) <- cl
205            })      y
206    }
207    
208  # Update \code{NodeID}s of a CMetaData tree  # Update NodeIDs of a CMetaData tree
209  update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {  .update_id <-
210      # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s  function(x, id = 0, mapping = NULL, left.mapping = NULL, level = 0)
211      set_id <- function(object) {  {
212          object@NodeID <- id      # Traversal of (binary) CMetaData tree with setup of NodeIDs
213        set_id <- function(x) {
214            x$NodeID <- id
215          id <<- id + 1          id <<- id + 1
216          level <<- level + 1          level <<- level + 1
217            if (length(x$Children) > 0) {
218          if (length(object@children) > 0) {              mapping <<- cbind(mapping, c(x$Children[[1]]$NodeID, id))
219              mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))              left <- set_id(x$Children[[1]])
             left <- set_id(object@children[[1]])  
220              if (level == 1) {              if (level == 1) {
221                  left.mapping <<- mapping                  left.mapping <<- mapping
222                  mapping <<- NULL                  mapping <<- NULL
223              }              }
224              mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))              mapping <<- cbind(mapping, c(x$Children[[2]]$NodeID, id))
225              right <- set_id(object@children[[2]])              right <- set_id(x$Children[[2]])
226    
227              object@children <- list(left, right)              x$Children <- list(left, right)
228          }          }
229          level <<- level - 1          level <<- level - 1
230            x
         return(object)  
231      }      }
232        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))  
233  }  }
234    
235  # TODO: Implement concatenation for other corpus types  # Find indices to be updated for a CMetaData tree
236  setMethod("c",  .find_indices <-
237            signature(x = "Corpus"),  function(x)
238            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  
239                indices.mapping <- NULL                indices.mapping <- NULL
240                for (m in levels(as.factor(DMetaData(x)$MetaID))) {                for (m in levels(as.factor(DMetaData(x)$MetaID))) {
241                    indices <- (DMetaData(x)$MetaID == m)                    indices <- (DMetaData(x)$MetaID == m)
242                    indices.mapping <- c(indices.mapping, list(m = indices))                    indices.mapping <- c(indices.mapping, list(m = indices))
243                    names(indices.mapping)[length(indices.mapping)] <- m                    names(indices.mapping)[length(indices.mapping)] <- m
244                }                }
245        indices.mapping
246    }
247    
248    c2 <-
249    function(x, y, ...)
250    {
251        # Update the CMetaData tree
252        cmeta <- .MetaDataNode(0, list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), list(CMetaData(x), CMetaData(y)))
253        update.struct <- .update_id(cmeta)
254    
255        new <- .VCorpus(c(unclass(x), unclass(y)), update.struct$root, NULL)
256    
257        # Find indices to be updated for the left tree
258        indices.mapping <- .find_indices(x)
259    
260                # Update the DMetaData data frames for the left tree                # Update the DMetaData data frames for the left tree
261                for (i in 1:ncol(update.struct$left.mapping)) {                for (i in 1:ncol(update.struct$left.mapping)) {
262                    map <- update.struct$left.mapping[,i]                    map <- update.struct$left.mapping[,i]
263                    x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          DMetaData(x)$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
264                }                }
265    
266                # Find indices to be updated for the right tree                # Find indices to be updated for the right tree
267                indices.mapping <- NULL      indices.mapping <- .find_indices(y)
               for (m in levels(as.factor(DMetaData(y)$MetaID))) {  
                   indices <- (DMetaData(y)$MetaID == m)  
                   indices.mapping <- c(indices.mapping, list(m = indices))  
                   names(indices.mapping)[length(indices.mapping)] <- m  
               }  
268    
269                # Update the DMetaData data frames for the right tree                # Update the DMetaData data frames for the right tree
270                for (i in 1:ncol(update.struct$right.mapping)) {                for (i in 1:ncol(update.struct$right.mapping)) {
271                    map <- update.struct$right.mapping[,i]                    map <- update.struct$right.mapping[,i]
272                    y@DMetaData$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])
273                }                }
274    
275                # Merge the DMetaData data frames                # Merge the DMetaData data frames
276                labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))                labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
277                na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))      na.matrix <- matrix(NA,
278                            nrow = nrow(DMetaData(x)),
279                            ncol = length(labels),
280                            dimnames = list(row.names(DMetaData(x)), labels))
281                x.dmeta.aug <- cbind(DMetaData(x), na.matrix)                x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
282                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
283                na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))      na.matrix <- matrix(NA,
284                            nrow = nrow(DMetaData(y)),
285                            ncol = length(labels),
286                            dimnames = list(row.names(DMetaData(y)), labels))
287                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
288                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)      DMetaData(new) <- rbind(x.dmeta.aug, y.dmeta.aug)
289    
290                return(object)      new
291            })  }
292    
293  setMethod("c",  c.Corpus <-
294            signature(x = "TextDocument"),  function(..., recursive = FALSE)
295            function(x, ..., recursive = TRUE){  {
296                args <- list(...)                args <- list(...)
297                if (identical(length(args), 0)) return(x)      x <- args[[1L]]
298    
299        if(length(args) == 1L)
300            return(x)
301    
302        if (!all(unlist(lapply(args, inherits, class(x)))))
303            stop("not all arguments are of the same corpus type")
304    
305                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      if (inherits(x, "PCorpus"))
306                cmeta.node <- new("MetaDataNode",          stop("concatenation of corpora with underlying databases is not supported")
307                              NodeID = 0,  
308                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),      if (recursive)
309                              children = list())          Reduce(c2, args)
310        else {
311                new("SCorpus", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node)          args <- do.call("c", lapply(args, unclass))
312            })          .VCorpus(args,
313                     cmeta = .MetaDataNode(),
314  setMethod("show",                   dmeta = data.frame(MetaID = rep(0, length(args)),
315            signature(object = "Corpus"),                                      stringsAsFactors = FALSE))
316            function(object){      }
317                cat(sprintf(ngettext(length(object),  }
318    
319    c.TextDocument <-
320    function(..., recursive = FALSE)
321    {
322        args <- list(...)
323        x <- args[[1L]]
324    
325        if(length(args) == 1L)
326            return(x)
327    
328        if (!all(unlist(lapply(args, inherits, class(x)))))
329            stop("not all arguments are text documents")
330    
331        dmeta <- data.frame(MetaID = rep(0, length(args)),
332                            stringsAsFactors = FALSE)
333        .VCorpus(args, .MetaDataNode(), dmeta)
334    }
335    
336    print.Corpus <-
337    function(x, ...)
338    {
339        cat(sprintf(ngettext(length(x),
340                                     "A corpus with %d text document\n",                                     "A corpus with %d text document\n",
341                                     "A corpus with %d text documents\n"),                                     "A corpus with %d text documents\n"),
342                            length(object)))                  length(x)))
343      })      invisible(x)
344    }
345    
346  setMethod("summary",  summary.Corpus <-
347            signature(object = "Corpus"),  function(object, ...)
348            function(object){  {
349                show(object)      print(object)
350                if (length(DMetaData(object)) > 0) {                if (length(DMetaData(object)) > 0) {
351                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),          cat(sprintf(ngettext(length(attr(CMetaData(object), "MetaData")),
352                                                "\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",
353                                                "\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"),
354                                         length(CMetaData(object)@MetaData)))                      length(CMetaData(object)$MetaData)))
355                    cat("Available tags are:\n")                    cat("Available tags are:\n")
356                    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")
357                    cat("Available variables in the data frame are:\n")                    cat("Available variables in the data frame are:\n")
358                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
359                }                }
360      })  }
361    
362  inspect <- function(x) UseMethod("inspect", x)  inspect <-
363  inspect.PCorpus <- function(x) {  function(x)
364        UseMethod("inspect", x)
365    inspect.PCorpus <-
366    function(x)
367    {
368      summary(x)      summary(x)
369      cat("\n")      cat("\n")
370      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
371      show(filehash::dbMultiFetch(db, unlist(x)))      show(filehash::dbMultiFetch(db, unlist(x)))
372  }  }
373  inspect.FCorpus <- inspect.SCorpus <- function(x) {  inspect.VCorpus <-
374    function(x)
375    {
376      summary(x)      summary(x)
377      cat("\n")      cat("\n")
378      print(noquote(lapply(x, identity)))      print(noquote(lapply(x, identity)))
379  }  }
380    
381  # No metadata is checked  lapply.PCorpus <-
382  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  function(X, FUN, ...)
383  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, ...) {  
384                db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])                db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
385                lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)                lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
386            })  }
387    lapply.VCorpus <-
388  setMethod("sapply",  function(X, FUN, ...)
389            signature(X = "SCorpus"),  {
           function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {  
390                lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
391                if (!is.null(lazyTmMap))                if (!is.null(lazyTmMap))
392                    .Call("copyCorpus", X, materialize(X))                    .Call("copyCorpus", X, materialize(X))
393                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  
394      }      }
395      new("SCorpus", .Data = data,  
396          DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),  writeCorpus <-
397          CMetaData = cmeta.node)  function(x, path = ".", filenames = NULL)
398  })  {
   
 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  
 setMethod("writeCorpus",  
           signature(object = "Corpus"),  
           function(object, path = ".", filenames = NULL) {  
399                filenames <- file.path(path,                filenames <- file.path(path,
400                                       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))))
401                                       else filenames)                                       else filenames)
402                i <- 1                i <- 1
403                for (o in object) {      for (o in x) {
404                    writeLines(asPlain(o), filenames[i])          writeLines(as.PlainTextDocument(o), filenames[i])
405                    i <- i + 1                    i <- i + 1
406                }                }
407            })  }

Legend:
Removed from v.950  
changed lines
  Added in v.1273

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