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 1342, Sat Apr 19 17:06:45 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 = reader(x), language = "en"),
6             dbControl = list(dbName = "", dbType = "DB1"))
7      if (!object@Vectorized)  {
8          stop("Source is not vectorized")      stopifnot(inherits(x, "Source"))
   
     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)  
 }  
   
 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$language <- "eng"  
9    
10      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))      readerControl <- prepareReader(readerControl, reader(x))
         stop("error in creating database")  
     db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)  
11    
12      # Allocate memory in advance if length is known      if (is.function(readerControl$init))
13      tdl <- if (object@Length > 0)          readerControl$init()
         vector("list", as.integer(object@Length))  
     else  
         list()  
14    
15      counter <- 1      if (is.function(readerControl$exit))
16      while (!eoi(object)) {          on.exit(readerControl$exit())
         object <- stepNext(object)  
         elem <- getElem(object)  
         doc <- readerControl$reader(elem, readerControl$language, as.character(counter))  
         filehash::dbInsert(db, ID(doc), doc)  
         if (object@Length > 0) tdl[[counter]] <- ID(doc)  
         else tdl <- c(tdl, ID(doc))  
         counter <- counter + 1  
     }  
17    
18      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
19      filehash::dbInsert(db, "DMetaData", df)          stop("error in creating database")
20      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
   
     cmeta.node <- new("MetaDataNode",  
                       NodeID = 0,  
                       MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                       children = list())  
   
     new("PCorpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl)  
 }  
   
 # 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$language <- "eng"  
21    
22      # Allocate memory in advance if length is known      # Allocate memory in advance if length is known
23      tdl <- if (object@Length > 0)      tdl <- if (length(x) > 0) vector("list", as.integer(length(x))) else list()
         vector("list", as.integer(object@Length))  
     else  
         list()  
24    
     if (object@Vectorized)  
         tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),  
                       function(x) readerControl$reader(x[c("content", "uri")],  
                                                        readerControl$language,  
                                                        as.character(x$id)))  
     else {  
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(names(x)) || is.na(names(x)))
30              if (object@Length > 0)              as.character(counter)
31                  tdl[[counter]] <- doc          else
32              else              names(x)[counter]
33                  tdl <- c(tdl, list(doc))          doc <- readerControl$reader(elem, readerControl$language, id)
34            filehash::dbInsert(db, meta(doc, "id"), doc)
35            tdl[[counter]] <- meta(doc, "id")
36              counter <- counter + 1              counter <- counter + 1
37          }          }
38      }      if (!is.null(names(x)) && !is.na(names(x)))
39            names(tdl) <- names(x)
40    
41      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      structure(list(content = tdl,
42      cmeta.node <- new("MetaDataNode",                     meta = CorpusMeta(),
43                        NodeID = 0,                     dmeta = data.frame(row.names = seq_along(tdl)),
44                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),                     dbcontrol = dbControl),
45                        children = list())                class = c("PCorpus", "Corpus"))
   
     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)))  
46                    }                    }
                   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)  
           })  
47    
48  prescindMeta <- function(object, meta) {  VCorpus <-
49      df <- DMetaData(object)  function(x, readerControl = list(reader = reader(x), language = "en"))
50    {
51        stopifnot(inherits(x, "Source"))
52    
53      for (m in meta)      readerControl <- prepareReader(readerControl, reader(x))
         df <- cbind(df, structure(data.frame(I(meta(object, tag = m, type = "local"))), names = m))  
54    
55      df      if (is.function(readerControl$init))
56  }          readerControl$init()
   
 setMethod("[",  
           signature(x = "PCorpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if (missing(i)) return(x)  
   
               x@.Data <- x@.Data[i, ..., drop = FALSE]  
               index <- x@DMetaData[[1 , "subset"]]  
               if (any(is.na(index))) x@DMetaData[[1 , "subset"]] <- i  
               else x@DMetaData[[1 , "subset"]] <- index[i]  
               x  
           })  
57    
58  setMethod("[",      if (is.function(readerControl$exit))
59            signature(x = "SCorpus", i = "ANY", j = "ANY", drop = "ANY"),          on.exit(readerControl$exit())
           function(x, i, j, ... , drop) {  
               if (missing(i)) return(x)  
60    
61                x@.Data <- x@.Data[i, ..., drop = FALSE]      # Allocate memory in advance if length is known
62                DMetaData(x) <- DMetaData(x)[i, , drop = FALSE]      tdl <- if (length(x) > 0) vector("list", as.integer(length(x))) else list()
               x  
           })  
63    
64  setMethod("[<-",      # Check for parallel element access
65            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),      if (is.function(getS3method("pGetElem", class(x), TRUE)))
66            function(x, i, j, ... , value) {          tdl <- mapply(function(elem, id)
67                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])                            readerControl$reader(elem, readerControl$language, id),
68                          pGetElem(x),
69                          id = if (is.null(names(x)) || is.na(names(x)))
70                              as.character(seq_len(length(x)))
71                          else names(x),
72                          SIMPLIFY = FALSE)
73        else {
74                counter <- 1                counter <- 1
75                for (id in x@.Data[i, ...]) {          while (!eoi(x)) {
76                    if (identical(length(value), 1)) db[[id]] <- value              x <- stepNext(x)
77                    else db[[id]] <- value[[counter]]              elem <- getElem(x)
78                id <- if (is.null(names(x)) || is.na(names(x)))
79                    as.character(counter)
80                else
81                    names(x)[counter]
82                doc <- readerControl$reader(elem, readerControl$language, id)
83                tdl[[counter]] <- doc
84                    counter <- counter + 1                    counter <- counter + 1
85                }                }
               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  
               }  
               # Set the value  
               x@.Data[[i, ...]] <- value  
   
               x  
           })  
   
 # Update \code{NodeID}s of a CMetaData tree  
 update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {  
     # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s  
     set_id <- function(object) {  
         object@NodeID <- id  
         id <<- id + 1  
         level <<- level + 1  
   
         if (length(object@children) > 0) {  
             mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))  
             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]])  
   
             object@children <- list(left, right)  
         }  
         level <<- level - 1  
   
         return(object)  
     }  
   
     return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))  
86  }  }
87        if (!is.null(names(x)) && !is.na(names(x)))
88            names(tdl) <- names(x)
89    
90  # TODO: Implement concatenation for other corpus types      structure(list(content = tdl,
91  setMethod("c",                     meta = CorpusMeta(),
92            signature(x = "Corpus"),                     dmeta = data.frame(row.names = seq_along(tdl))),
93            function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {                class = c("VCorpus", "Corpus"))
94    }
95    
96    `[.PCorpus` <-
97    function(x, i)
98    {
99        if (!missing(i)) {
100            x$content <- x$content[i]
101            x$dmeta <- x$dmeta[i, , drop = FALSE]
102        }
103        x
104    }
105    
106    `[.VCorpus` <-
107    function(x, i)
108    {
109        if (!missing(i)) {
110            x$content <- x$content[i]
111            x$dmeta <- x$dmeta[i, , drop = FALSE]
112            if (!is.null(x$lazy))
113                x$lazy$index <- x$lazy$index[i]
114        }
115        x
116    }
117    
118    .map_name_index <-
119    function(x, i)
120    {
121        if (is.character(i)) {
122            n <- names(x$content)
123            match(i, if (is.null(n)) meta(x, "id", "local") else n)
124        } else
125            i
126    }
127    
128    `[[.PCorpus` <-
129    function(x, i)
130    {
131        i <- .map_name_index(x, i)
132        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
133        filehash::dbFetch(db, x$content[[i]])
134    }
135    `[[.VCorpus` <-
136    function(x, i)
137    {
138        i <- .map_name_index(x, i)
139        if (!is.null(x$lazy))
140            .Call(copyCorpus, x, materialize(x, i))
141        x$content[[i]]
142    }
143    
144    `[[<-.PCorpus` <-
145    function(x, i, value)
146    {
147        i <- .map_name_index(x, i)
148        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
149        db[[x$content[[i]]]] <- value
150        x
151    }
152    `[[<-.VCorpus` <-
153    function(x, i, value)
154    {
155        i <- .map_name_index(x, i)
156        # Mark new objects as inactive for lazy mapping
157        if (!is.null(x$lazy))
158            x$lazy$index[i] <- FALSE
159        x$content[[i]] <- value
160        x
161    }
162    
163    outer_union <-
164    function(x, y, ...)
165    {
166        if (nrow(x) > 0L)
167            x[, setdiff(names(y), names(x))] <- NA
168        if (nrow(y) > 0L)
169            y[, setdiff(names(x), names(y))] <- NA
170        res <- rbind(x, y)
171        if (ncol(res) == 0L)
172            res <- data.frame(row.names = seq_len(nrow(x) + nrow(y)))
173        res
174    }
175    
176    c.VCorpus <-
177    function(..., recursive = FALSE)
178    {
179                args <- list(...)                args <- list(...)
180                if (length(args) == 0)      x <- args[[1L]]
                   return(x)  
   
               if (!all(sapply(args, inherits, "SCorpus")))  
                   stop("not all arguments are standard corpora")  
181    
182                Reduce(c2, base::c(list(x), args))      if (length(args) == 1L)
183            })          return(x)
184    
185  setGeneric("c2", function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))      if (!all(unlist(lapply(args, inherits, class(x)))))
186  setMethod("c2",          stop("not all arguments are of the same corpus type")
           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  
               indices.mapping <- NULL  
               for (m in levels(as.factor(DMetaData(x)$MetaID))) {  
                   indices <- (DMetaData(x)$MetaID == m)  
                   indices.mapping <- c(indices.mapping, list(m = indices))  
                   names(indices.mapping)[length(indices.mapping)] <- m  
               }  
   
               # Update the DMetaData data frames for the left tree  
               for (i in 1:ncol(update.struct$left.mapping)) {  
                   map <- update.struct$left.mapping[,i]  
                   x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])  
               }  
   
               # Find indices to be updated for the right tree  
               indices.mapping <- NULL  
               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  
               }  
   
               # Update the DMetaData data frames for the right tree  
               for (i in 1:ncol(update.struct$right.mapping)) {  
                   map <- update.struct$right.mapping[,i]  
                   y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])  
               }  
   
               # Merge the DMetaData data frames  
               labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))  
               na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))  
               x.dmeta.aug <- cbind(DMetaData(x), na.matrix)  
               labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))  
               na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))  
               y.dmeta.aug <- cbind(DMetaData(y), na.matrix)  
               object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)  
   
               return(object)  
           })  
   
 setMethod("c",  
           signature(x = "TextDocument"),  
           function(x, ..., recursive = TRUE){  
               args <- list(...)  
               if (identical(length(args), 0)) return(x)  
187    
188                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      structure(list(content = do.call("c", lapply(args, content)),
189                cmeta.node <- new("MetaDataNode",                     meta = structure(do.call("c",
190                              NodeID = 0,                       lapply(args, function(a) meta(a, type = "corpus"))),
191                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),                                      class = "CorpusMeta"),
192                              children = list())                     dmeta = Reduce(outer_union, lapply(args, meta))),
193                  class = c("VCorpus", "Corpus"))
194                new("SCorpus", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node)  }
195            })  
196    as.list.PCorpus <- as.list.VCorpus <-
197  setMethod("show",  function(x, ...)
198            signature(object = "Corpus"),      content(x)
199            function(object){  
200                cat(sprintf(ngettext(length(object),  content.VCorpus <-
201                                     "A corpus with %d text document\n",  function(x)
202                                     "A corpus with %d text documents\n"),  {
203                            length(object)))      if (!is.null(x$lazy))
204      })          .Call(copyCorpus, x, materialize(x))
205        x$content
206  setMethod("summary",  }
207            signature(object = "Corpus"),  
208            function(object){  content.PCorpus <-
209                show(object)  function(x)
210                if (length(DMetaData(object)) > 0) {  {
211                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
212                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",      filehash::dbMultiFetch(db, unlist(x$content))
213                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),  }
214                                         length(CMetaData(object)@MetaData)))  
215                    cat("Available tags are:\n")  length.PCorpus <- length.VCorpus <-
216                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")  function(x)
217                    cat("Available variables in the data frame are:\n")      length(x$content)
218                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")  
219                }  print.PCorpus <- print.VCorpus <-
220      })  function(x, ...)
221    {
222  inspect <- function(x) UseMethod("inspect", x)      writeLines(sprintf("<<%s (documents: %d, metadata (corpus/indexed): %d/%d)>>",
223  inspect.PCorpus <- function(x) {                         class(x)[1],
224      summary(x)                         length(x),
225                           length(meta(x, type = "corpus")),
226                           ncol(meta(x, type = "indexed"))))
227        invisible(x)
228    }
229    
230    inspect <-
231    function(x)
232        UseMethod("inspect", x)
233    inspect.PCorpus <- inspect.VCorpus <-
234    function(x)
235    {
236        print(x)
237      cat("\n")      cat("\n")
238      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])      print(noquote(content(x)))
239      show(filehash::dbMultiFetch(db, unlist(x)))      invisible(x)
 }  
 inspect.FCorpus <- inspect.SCorpus <- function(x) {  
     summary(x)  
     cat("\n")  
     print(noquote(lapply(x, identity)))  
240  }  }
241    
242  # No metadata is checked  writeCorpus <-
243  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  function(x, path = ".", filenames = NULL)
244  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) {  
245                filenames <- file.path(path,                filenames <- file.path(path,
246                                       if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))        if (is.null(filenames))
247              sprintf("%s.txt", as.character(meta(x, "id", "local")))
248                                       else filenames)                                       else filenames)
249                i <- 1  
250                for (o in object) {      stopifnot(length(x) == length(filenames))
251                    writeLines(asPlain(o), filenames[i])  
252                    i <- i + 1      mapply(function(doc, f) writeLines(as.character(doc), f), x, filenames)
253    
254        invisible(x)
255                }                }
           })  

Legend:
Removed from v.950  
changed lines
  Added in v.1342

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