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 1315, Mon Mar 31 08:38:05 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$language))  function(x,
5          readerControl$language <- "eng"           readerControl = list(reader = x$defaultreader, language = "en"),
6             dbControl = list(dbName = "", dbType = "DB1"))
7      if (!object@Vectorized)  {
8          stop("Source is not vectorized")      stopifnot(inherits(x, "Source"))
9    
10      tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),      readerControl <- prepareReader(readerControl, x$defaultreader)
11                    function(x) readSlim(x[c("content", "uri")],  
12                                         readerControl$language,      if (is.function(readerControl$init))
13                                         as.character(x$id)))          readerControl$init()
14    
15      new("FCorpus", .Data = tdl)      if (is.function(readerControl$exit))
16  }          on.exit(readerControl$exit())
   
 PCorpus <- function(object,  
                     readerControl = list(reader = object@DefaultReader, language = "eng"),  
                     dbControl = list(dbName = "", dbType = "DB1"),  
                     ...) {  
     if (is.null(readerControl$reader))  
         readerControl$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) vector("list", as.integer(x$length)) else list()
         vector("list", as.integer(object@Length))  
     else  
         list()  
24    
25      counter <- 1      counter <- 1
26      while (!eoi(object)) {      while (!eoi(x)) {
27          object <- stepNext(object)          x <- stepNext(x)
28          elem <- getElem(object)          elem <- getElem(x)
29          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))          id <- if (is.null(x$names) || is.na(x$names))
30          filehash::dbInsert(db, ID(doc), doc)              as.character(counter)
31          if (object@Length > 0) tdl[[counter]] <- ID(doc)          else
32          else tdl <- c(tdl, ID(doc))              x$names[counter]
33            doc <- readerControl$reader(elem, readerControl$language, id)
34            filehash::dbInsert(db, meta(doc, "id"), doc)
35            if (x$length > 0) tdl[[counter]] <- meta(doc, "id")
36            else tdl <- c(tdl, meta(doc, "id"))
37          counter <- counter + 1          counter <- counter + 1
38      }      }
39        if (!is.null(x$names) && !is.na(x$names))
40            names(tdl) <- x$names
41    
42        structure(list(content = tdl,
43                       meta = CorpusMeta(),
44                       dmeta = data.frame(row.names = seq_along(tdl)),
45                       dbcontrol = dbControl),
46                  class = c("PCorpus", "Corpus"))
47    }
48    
49      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)  VCorpus <- Corpus <-
50      filehash::dbInsert(db, "DMetaData", df)  function(x, readerControl = list(reader = x$defaultreader, language = "en"))
51      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))  {
52        stopifnot(inherits(x, "Source"))
53      cmeta.node <- new("MetaDataNode",  
54                        NodeID = 0,      readerControl <- prepareReader(readerControl, x$defaultreader)
55                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
56                        children = list())      if (is.function(readerControl$init))
57            readerControl$init()
58      new("PCorpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl)  
59  }      if (is.function(readerControl$exit))
60            on.exit(readerControl$exit())
 # The "..." are additional arguments for the FunctionGenerator reader  
 SCorpus <- Corpus <- function(object,  
                     readerControl = list(reader = object@DefaultReader, language = "eng"),  
                     ...) {  
     if (is.null(readerControl$reader))  
         readerControl$reader <- object@DefaultReader  
     if (is(readerControl$reader, "FunctionGenerator"))  
         readerControl$reader <- readerControl$reader(...)  
     if (is.null(readerControl$language))  
         readerControl$language <- "eng"  
61    
62      # Allocate memory in advance if length is known      # Allocate memory in advance if length is known
63      tdl <- if (object@Length > 0)      tdl <- if (x$length > 0) vector("list", as.integer(x$length)) else list()
         vector("list", as.integer(object@Length))  
     else  
         list()  
64    
65      if (object@Vectorized)      if (x$vectorized)
66          tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),          tdl <- mapply(function(elem, id)
67                        function(x) readerControl$reader(x[c("content", "uri")],                            readerControl$reader(elem, readerControl$language, id),
68                                                         readerControl$language,                        pGetElem(x),
69                                                         as.character(x$id)))                        id = if (is.null(x$names) || is.na(x$names))
70                              as.character(seq_len(x$length))
71                          else x$names,
72                          SIMPLIFY = FALSE)
73      else {      else {
74          counter <- 1          counter <- 1
75          while (!eoi(object)) {          while (!eoi(x)) {
76              object <- stepNext(object)              x <- stepNext(x)
77              elem <- getElem(object)              elem <- getElem(x)
78              doc <- readerControl$reader(elem, readerControl$language, as.character(counter))              id <- if (is.null(x$names) || is.na(x$names))
79              if (object@Length > 0)                  as.character(counter)
80                else
81                    x$names[counter]
82                doc <- readerControl$reader(elem, readerControl$language, id)
83                if (x$length > 0)
84                  tdl[[counter]] <- doc                  tdl[[counter]] <- doc
85              else              else
86                  tdl <- c(tdl, list(doc))                  tdl <- c(tdl, list(doc))
87              counter <- counter + 1              counter <- counter + 1
88          }          }
89      }      }
90        if (!is.null(x$names) && !is.na(x$names))
91            names(tdl) <- x$names
92    
93      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      structure(list(content = tdl,
94      cmeta.node <- new("MetaDataNode",                     meta = CorpusMeta(),
95                        NodeID = 0,                     dmeta = data.frame(row.names = seq_along(tdl))),
96                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),                class = c("VCorpus", "Corpus"))
                       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)))  
97                    }                    }
98                    else {  
99                        lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  `[.PCorpus` <-
100                        meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  function(x, i)
101    {
102        if (!missing(i)) {
103            x$content <- x$content[i]
104            x$dmeta <- x$dmeta[i, , drop = FALSE]
105                    }                    }
106        x
107                }                }
108                else {  
109                    result@.Data <- if (clusterAvailable())  `[.VCorpus` <-
110                        snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))  function(x, i)
111                    else  {
112                        lapply(object, FUN, ..., DMetaData = DMetaData(object))      if (!missing(i)) {
113            x$content <- x$content[i]
114            x$dmeta <- x$dmeta[i, , drop = FALSE]
115            if (!is.null(x$lazy))
116                x$lazy$index <- x$lazy$index[i]
117                }                }
118                result      x
           })  
 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)))  
119                }                }
               else  
                   return(FUN(object, ...))  
           })  
120    
121  # TODO: Replace with c(Corpus, TextDocument)?  .map_name_index <-
122  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  function(x, i)
123  setMethod("appendElem",  {
124            signature(object = "Corpus", data = "TextDocument"),      if (is.character(i))
125            function(object, data, meta = NULL) {          match(i, if (is.null(names(x))) meta(x, "id", "local") else names(x))
               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)  
               }  
126                else                else
127                    object@.Data[[length(object)+1]] <- data          i
               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  
128  }  }
129    
130  setMethod("[",  `[[.PCorpus` <-
131            signature(x = "PCorpus", i = "ANY", j = "ANY", drop = "ANY"),  function(x, i)
132            function(x, i, j, ... , drop) {  {
133                if (missing(i)) return(x)      i <- .map_name_index(x, i)
134        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
135                x@.Data <- x@.Data[i, ..., drop = FALSE]      filehash::dbFetch(db, x$content[[i]])
136                index <- x@DMetaData[[1 , "subset"]]  }
137                if (any(is.na(index))) x@DMetaData[[1 , "subset"]] <- i  `[[.VCorpus` <-
138                else x@DMetaData[[1 , "subset"]] <- index[i]  function(x, i)
139    {
140        i <- .map_name_index(x, i)
141        if (!is.null(x$lazy))
142            .Call(copyCorpus, x, materialize(x, i))
143        x$content[[i]]
144    }
145    
146    `[[<-.PCorpus` <-
147    function(x, i, value)
148    {
149        i <- .map_name_index(x, i)
150        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
151        db[[x$content[[i]]]] <- value
152                x                x
           })  
   
 setMethod("[",  
           signature(x = "SCorpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if (missing(i)) return(x)  
   
               x@.Data <- x@.Data[i, ..., drop = FALSE]  
               DMetaData(x) <- DMetaData(x)[i, , drop = FALSE]  
               x  
           })  
   
 setMethod("[<-",  
           signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
               db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])  
               counter <- 1  
               for (id in x@.Data[i, ...]) {  
                   if (identical(length(value), 1)) db[[id]] <- value  
                   else db[[id]] <- value[[counter]]  
                   counter <- counter + 1  
153                }                }
154    `[[<-.VCorpus` <-
155    function(x, i, value)
156    {
157        i <- .map_name_index(x, i)
158        # Mark new objects as inactive for lazy mapping
159        if (!is.null(x$lazy))
160            x$lazy$index[i] <- FALSE
161        x$content[[i]] <- value
162                x                x
           })  
 setMethod("[<-",  
           signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
               x@.Data[i, ...] <- value  
               x  
           })  
   
 setMethod("[[",  
           signature(x = "PCorpus", i = "ANY", j = "ANY"),  
           function(x, i, j, ...) {  
               db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])  
               filehash::dbFetch(db, x@.Data[[i]])  
           })  
 setMethod("[[",  
           signature(x = "SCorpus", i = "ANY", j = "ANY"),  
           function(x, i, j, ...) {  
               # TODO: For which corpora should lazy mapping be available?  
               lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")  
               if (!is.null(lazyTmMap))  
                   .Call("copyCorpus", x, materialize(x, i))  
               x@.Data[[i]]  
           })  
   
 setMethod("[[<-",  
           signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ..., value) {  
               db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])  
               index <- x@.Data[[i]]  
               db[[index]] <- value  
               x  
           })  
 setMethod("[[<-",  
           signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ..., value) {  
               # Mark new objects as not active for lazy mapping  
               lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")  
               if (!is.null(lazyTmMap)) {  
                   lazyTmMap$index[i] <- FALSE  
                   meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
163                }                }
               # Set the value  
               x@.Data[[i, ...]] <- value  
164    
165                x  #c2 <-
166            })  #function(x, y, ...)
167    #{
168    #    # Update the CMetaData tree
169    #    cmeta <- .MetaDataNode(0, list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), list(CMetaData(x), CMetaData(y)))
170    #    update.struct <- .update_id(cmeta)
171    #
172    #    new <- .VCorpus(c(unclass(x), unclass(y)), update.struct$root, NULL)
173    #
174    #    # Find indices to be updated for the left tree
175    #    indices.mapping <- .find_indices(x)
176    #
177    #    # Update the CorpusDMeta data frames for the left tree
178    #    for (i in 1:ncol(update.struct$left.mapping)) {
179    #        map <- update.struct$left.mapping[,i]
180    #        DMetaData(x)$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
181    #    }
182    #
183    #    # Find indices to be updated for the right tree
184    #    indices.mapping <- .find_indices(y)
185    #
186    #    # Update the CorpusDMeta data frames for the right tree
187    #    for (i in 1:ncol(update.struct$right.mapping)) {
188    #        map <- update.struct$right.mapping[,i]
189    #        DMetaData(y)$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
190    #    }
191    #
192    #    # Merge the CorpusDMeta data frames
193    #    labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
194    #    na.matrix <- matrix(NA,
195    #                        nrow = nrow(DMetaData(x)),
196    #                        ncol = length(labels),
197    #                        dimnames = list(row.names(DMetaData(x)), labels))
198    #    x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
199    #    labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
200    #    na.matrix <- matrix(NA,
201    #                        nrow = nrow(DMetaData(y)),
202    #                        ncol = length(labels),
203    #                        dimnames = list(row.names(DMetaData(y)), labels))
204    #    y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
205    #    DMetaData(new) <- rbind(x.dmeta.aug, y.dmeta.aug)
206    #
207    #    new
208    #}
209    
210    c.VCorpus <-
211    function(..., recursive = FALSE)
212    {
213        args <- list(...)
214        x <- args[[1L]]
215    
216  # Update \code{NodeID}s of a CMetaData tree      if (length(args) == 1L)
217  update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {          return(x)
     # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s  
     set_id <- function(object) {  
         object@NodeID <- id  
         id <<- id + 1  
         level <<- level + 1  
218    
219          if (length(object@children) > 0) {      if (!all(unlist(lapply(args, inherits, class(x)))))
220              mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))          stop("not all arguments are of the same corpus type")
             left <- set_id(object@children[[1]])  
             if (level == 1) {  
                 left.mapping <<- mapping  
                 mapping <<- NULL  
             }  
             mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))  
             right <- set_id(object@children[[2]])  
221    
222              object@children <- list(left, right)      if (recursive)
223            Reduce(c2, args)
224        else {
225            args <- do.call("c", lapply(args, content))
226            structure(list(content = args,
227                           meta = CorpusMeta(),
228                           dmeta = data.frame(row.names = seq_along(args))),
229                      class = c("VCorpus", "Corpus"))
230          }          }
         level <<- level - 1  
   
         return(object)  
231      }      }
232    
233      return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))  c.TextDocument <-
234  }  function(..., recursive = FALSE)
235    {
 # TODO: Implement concatenation for other corpus types  
 setMethod("c",  
           signature(x = "Corpus"),  
           function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  
236                args <- list(...)                args <- list(...)
237                if (length(args) == 0)      x <- args[[1L]]
                   return(x)  
238    
239                if (!all(sapply(args, inherits, "SCorpus")))      if (length(args) == 1L)
240                    stop("not all arguments are standard corpora")          return(x)
241    
242                Reduce(c2, base::c(list(x), args))      if (!all(unlist(lapply(args, inherits, class(x)))))
243            })          stop("not all arguments are text documents")
244    
245  setGeneric("c2", function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))      structure(list(content = args,
246  setMethod("c2",                     meta = CorpusMeta(),
247            signature(x = "SCorpus", y = "SCorpus"),                     dmeta = data.frame(row.names = seq_along(args))),
248            function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {                class = c("VCorpus", "Corpus"))
249                object <- x  }
250                # Concatenate data slots  
251                object@.Data <- c(as(x, "list"), as(y, "list"))  as.list.PCorpus <- as.list.VCorpus <-
252    function(x, ...)
253                # Update the CMetaData tree      content(x)
254                cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))  
255                update.struct <- update_id(cmeta)  content.VCorpus <-
256                object@CMetaData <- update.struct$root  function(x)
257    {
258                # Find indices to be updated for the left tree      if (!is.null(x$lazy))
259                indices.mapping <- NULL          .Call(copyCorpus, x, materialize(x))
260                for (m in levels(as.factor(DMetaData(x)$MetaID))) {      x$content
261                    indices <- (DMetaData(x)$MetaID == m)  }
262                    indices.mapping <- c(indices.mapping, list(m = indices))  
263                    names(indices.mapping)[length(indices.mapping)] <- m  content.PCorpus <-
264                }  function(x)
265    {
266                # Update the DMetaData data frames for the left tree      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
267                for (i in 1:ncol(update.struct$left.mapping)) {      filehash::dbMultiFetch(db, unlist(x$content))
268                    map <- update.struct$left.mapping[,i]  }
269                    x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])  
270                }  length.PCorpus <- length.VCorpus <-
271    function(x)
272                # Find indices to be updated for the right tree      length(x$content)
273                indices.mapping <- NULL  
274                for (m in levels(as.factor(DMetaData(y)$MetaID))) {  print.PCorpus <- print.VCorpus <-
275                    indices <- (DMetaData(y)$MetaID == m)  function(x, ...)
276                    indices.mapping <- c(indices.mapping, list(m = indices))  {
277                    names(indices.mapping)[length(indices.mapping)] <- m      cat(sprintf(ngettext(length(x),
278                }                           "A corpus with %d text document\n\n",
279                             "A corpus with %d text documents\n\n"),
280                # Update the DMetaData data frames for the right tree                  length(x)))
281                for (i in 1:ncol(update.struct$right.mapping)) {  
282                    map <- update.struct$right.mapping[,i]      meta <- meta(x, type = "corpus")
283                    y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])      dmeta <- meta(x, type = "indexed")
284                }  
285        cat("Metadata:\n")
286                # Merge the DMetaData data frames      cat(sprintf("  Tag-value pairs. Tags: %s\n",
287                labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))                  paste(names(meta), collapse = " ")))
288                na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))      cat("  Data frame. Variables:", colnames(dmeta), "\n")
289                x.dmeta.aug <- cbind(DMetaData(x), na.matrix)  
290                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))      invisible(x)
291                na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))  }
292                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)  
293                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)  inspect <-
294    function(x)
295                return(object)      UseMethod("inspect", x)
296            })  inspect.PCorpus <- inspect.VCorpus <-
297    function(x)
298  setMethod("c",  {
299            signature(x = "TextDocument"),      print(x)
           function(x, ..., recursive = TRUE){  
               args <- list(...)  
               if (identical(length(args), 0)) return(x)  
   
               dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)  
               cmeta.node <- new("MetaDataNode",  
                             NodeID = 0,  
                             MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                             children = list())  
   
               new("SCorpus", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node)  
           })  
   
 setMethod("show",  
           signature(object = "Corpus"),  
           function(object){  
               cat(sprintf(ngettext(length(object),  
                                    "A corpus with %d text document\n",  
                                    "A corpus with %d text documents\n"),  
                           length(object)))  
     })  
   
 setMethod("summary",  
           signature(object = "Corpus"),  
           function(object){  
               show(object)  
               if (length(DMetaData(object)) > 0) {  
                   cat(sprintf(ngettext(length(CMetaData(object)@MetaData),  
                                               "\nThe metadata consists of %d tag-value pair and a data frame\n",  
                                               "\nThe metadata consists of %d tag-value pairs and a data frame\n"),  
                                        length(CMetaData(object)@MetaData)))  
                   cat("Available tags are:\n")  
                   cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")  
                   cat("Available variables in the data frame are:\n")  
                   cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")  
               }  
     })  
   
 inspect <- function(x) UseMethod("inspect", x)  
 inspect.PCorpus <- function(x) {  
     summary(x)  
     cat("\n")  
     db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])  
     show(filehash::dbMultiFetch(db, unlist(x)))  
 }  
 inspect.FCorpus <- inspect.SCorpus <- function(x) {  
     summary(x)  
300      cat("\n")      cat("\n")
301      print(noquote(lapply(x, identity)))      print(noquote(content(x)))
302        invisible(x)
303  }  }
304    
305  # No metadata is checked  writeCorpus <-
306  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  function(x, path = ".", filenames = NULL)
307  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, ...) {  
               db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
               lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)  
           })  
   
 setMethod("sapply",  
           signature(X = "SCorpus"),  
           function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {  
               lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")  
               if (!is.null(lazyTmMap))  
                   .Call("copyCorpus", X, materialize(X))  
               base::sapply(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  
     }  
     new("SCorpus", .Data = data,  
         DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),  
         CMetaData = cmeta.node)  
 })  
   
 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  
 setMethod("writeCorpus",  
           signature(object = "Corpus"),  
           function(object, path = ".", filenames = NULL) {  
308                filenames <- file.path(path,                filenames <- file.path(path,
309                                       if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))        if (is.null(filenames))
310              sprintf("%s.txt", as.character(meta(x, "id", "local")))
311                                       else filenames)                                       else filenames)
312                i <- 1  
313                for (o in object) {      stopifnot(length(x) == length(filenames))
314                    writeLines(asPlain(o), filenames[i])  
315                    i <- i + 1      mapply(function(doc, f) writeLines(as.character(doc), f), x, filenames)
316    
317        invisible(x)
318                }                }
           })  

Legend:
Removed from v.950  
changed lines
  Added in v.1315

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