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 1383, Thu May 29 07:32:14 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    {
8        stopifnot(inherits(x, "Source"))
9    
10      if (!object@Vectorized)      readerControl <- prepareReader(readerControl, reader(x))
         stop("Source is not vectorized")  
   
     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$language <- "eng"  
11    
12      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
13          stop("error in creating database")          stop("error in creating database")
14      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
15    
16      # Allocate memory in advance if length is known      tdl <- vector("list", length(x))
     tdl <- if (object@Length > 0)  
         vector("list", as.integer(object@Length))  
     else  
         list()  
   
17      counter <- 1      counter <- 1
18      while (!eoi(object)) {      while (!eoi(x)) {
19          object <- stepNext(object)          x <- stepNext(x)
20          elem <- getElem(object)          elem <- getElem(x)
21          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))          doc <- readerControl$reader(elem,
22          filehash::dbInsert(db, ID(doc), doc)                                      readerControl$language,
23          if (object@Length > 0) tdl[[counter]] <- ID(doc)                                      as.character(counter))
24          else tdl <- c(tdl, ID(doc))          filehash::dbInsert(db, meta(doc, "id"), doc)
25            tdl[[counter]] <- meta(doc, "id")
26          counter <- counter + 1          counter <- counter + 1
27      }      }
28    
29      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      structure(list(content = tdl,
30      filehash::dbInsert(db, "DMetaData", df)                     meta = CorpusMeta(),
31      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))                     dmeta = data.frame(row.names = seq_along(tdl)),
32                       dbcontrol = dbControl),
33      cmeta.node <- new("MetaDataNode",                class = c("PCorpus", "Corpus"))
34                        NodeID = 0,  }
35                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
36                        children = list())  Corpus <-
37    VCorpus <-
38      new("PCorpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl)  function(x, readerControl = list(reader = reader(x), language = "en"))
39  }  {
40        stopifnot(inherits(x, "Source"))
41  # The "..." are additional arguments for the FunctionGenerator reader  
42  SCorpus <- Corpus <- function(object,      readerControl <- prepareReader(readerControl, reader(x))
43                      readerControl = list(reader = object@DefaultReader, language = "eng"),  
44                      ...) {      tdl <- vector("list", length(x))
45      if (is.null(readerControl$reader))      # Check for parallel element access
46          readerControl$reader <- object@DefaultReader      if (is.function(getS3method("pGetElem", class(x), TRUE)))
47      if (is(readerControl$reader, "FunctionGenerator"))          tdl <- mapply(function(elem, id)
48          readerControl$reader <- readerControl$reader(...)                            readerControl$reader(elem, readerControl$language, id),
49      if (is.null(readerControl$language))                        pGetElem(x),
50          readerControl$language <- "eng"                        id = as.character(seq_along(x)),
51                          SIMPLIFY = FALSE)
     # Allocate memory in advance if length is known  
     tdl <- if (object@Length > 0)  
         vector("list", as.integer(object@Length))  
     else  
         list()  
   
     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$id)))  
52      else {      else {
53          counter <- 1          counter <- 1
54          while (!eoi(object)) {          while (!eoi(x)) {
55              object <- stepNext(object)              x <- stepNext(x)
56              elem <- getElem(object)              elem <- getElem(x)
57              doc <- readerControl$reader(elem, readerControl$language, as.character(counter))              doc <- readerControl$reader(elem,
58              if (object@Length > 0)                                          readerControl$language,
59                                            as.character(counter))
60                  tdl[[counter]] <- doc                  tdl[[counter]] <- doc
             else  
                 tdl <- c(tdl, list(doc))  
61              counter <- counter + 1              counter <- counter + 1
62          }          }
63      }      }
64    
65      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      structure(list(content = tdl,
66      cmeta.node <- new("MetaDataNode",                     meta = CorpusMeta(),
67                        NodeID = 0,                     dmeta = data.frame(row.names = seq_along(tdl))),
68                        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)))  
69                    }                    }
70                    else {  
71                        lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  `[.PCorpus` <-
72                        meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  function(x, i)
73    {
74        if (!missing(i)) {
75            x$content <- x$content[i]
76            x$dmeta <- x$dmeta[i, , drop = FALSE]
77                    }                    }
78        x
79                }                }
80                else {  
81                    result@.Data <- if (clusterAvailable())  `[.VCorpus` <-
82                        snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))  function(x, i)
83                    else  {
84                        lapply(object, FUN, ..., DMetaData = DMetaData(object))      if (!missing(i)) {
85            x$content <- x$content[i]
86            x$dmeta <- x$dmeta[i, , drop = FALSE]
87            if (!is.null(x$lazy))
88                x$lazy$index <- x$lazy$index[i]
89                }                }
90                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)))  
91                }                }
               else  
                   return(FUN(object, ...))  
           })  
92    
93  # TODO: Replace with c(Corpus, TextDocument)?  .map_name_index <-
94  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  function(x, i)
95  setMethod("appendElem",  {
96            signature(object = "Corpus", data = "TextDocument"),      if (is.character(i))
97            function(object, data, meta = NULL) {          match(i, meta(x, "id", "local"))
               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)  
               }  
98                else                else
99                    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  
100  }  }
101    
102  setMethod("[",  `[[.PCorpus` <-
103            signature(x = "PCorpus", i = "ANY", j = "ANY", drop = "ANY"),  function(x, i)
104            function(x, i, j, ... , drop) {  {
105                if (missing(i)) return(x)      i <- .map_name_index(x, i)
106        db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
107                x@.Data <- x@.Data[i, ..., drop = FALSE]      filehash::dbFetch(db, x$content[[i]])
108                index <- x@DMetaData[[1 , "subset"]]  }
109                if (any(is.na(index))) x@DMetaData[[1 , "subset"]] <- i  `[[.VCorpus` <-
110                else x@DMetaData[[1 , "subset"]] <- index[i]  function(x, i)
111                x  {
112            })      i <- .map_name_index(x, i)
113        if (!is.null(x$lazy))
114  setMethod("[",          .Call(copyCorpus, x, materialize(x, i))
115            signature(x = "SCorpus", i = "ANY", j = "ANY", drop = "ANY"),      x$content[[i]]
           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  
116                }                }
               x  
           })  
 setMethod("[<-",  
           signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
               x@.Data[i, ...] <- value  
               x  
           })  
117    
118  setMethod("[[",  `[[<-.PCorpus` <-
119            signature(x = "PCorpus", i = "ANY", j = "ANY"),  function(x, i, value)
120            function(x, i, j, ...) {  {
121                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])      i <- .map_name_index(x, i)
122                filehash::dbFetch(db, x@.Data[[i]])      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
123            })      db[[x$content[[i]]]] <- value
 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  
124                x                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$index[i] <- FALSE  
                   meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
125                }                }
126                # Set the value  `[[<-.VCorpus` <-
127                x@.Data[[i, ...]] <- value  function(x, i, value)
128    {
129        i <- .map_name_index(x, i)
130        # Mark new objects as inactive for lazy mapping
131        if (!is.null(x$lazy))
132            x$lazy$index[i] <- FALSE
133        x$content[[i]] <- value
134                x                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  
135              }              }
             mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))  
             right <- set_id(object@children[[2]])  
136    
137              object@children <- list(left, right)  as.list.PCorpus <- as.list.VCorpus <-
138          }  function(x, ...)
139          level <<- level - 1      content(x)
140    
141          return(object)  as.VCorpus <-
142      }  function(x)
143        UseMethod("as.VCorpus")
144    as.VCorpus.VCorpus <- identity
145    
146      return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))  outer_union <-
147    function(x, y, ...)
148    {
149        if (nrow(x) > 0L)
150            x[, setdiff(names(y), names(x))] <- NA
151        if (nrow(y) > 0L)
152            y[, setdiff(names(x), names(y))] <- NA
153        res <- rbind(x, y)
154        if (ncol(res) == 0L)
155            res <- data.frame(row.names = seq_len(nrow(x) + nrow(y)))
156        res
157  }  }
158    
159  # TODO: Implement concatenation for other corpus types  c.VCorpus <-
160  setMethod("c",  function(..., recursive = FALSE)
161            signature(x = "Corpus"),  {
           function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  
162                args <- list(...)                args <- list(...)
163                if (length(args) == 0)      x <- args[[1L]]
                   return(x)  
164    
165                if (!all(sapply(args, inherits, "SCorpus")))      if (length(args) == 1L)
166                    stop("not all arguments are standard corpora")          return(x)
   
               Reduce(c2, base::c(list(x), args))  
           })  
167    
168  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)))))
169  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)  
170    
171                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      structure(list(content = do.call("c", lapply(args, content)),
172                cmeta.node <- new("MetaDataNode",                     meta = CorpusMeta(meta = do.call("c",
173                              NodeID = 0,                       lapply(args, function(a) meta(a, type = "corpus")))),
174                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),                     dmeta = Reduce(outer_union, lapply(args, meta))),
175                              children = list())                class = c("VCorpus", "Corpus"))
176    }
177                new("SCorpus", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node)  
178            })  content.VCorpus <-
179    function(x)
180  setMethod("show",  {
181            signature(object = "Corpus"),      if (!is.null(x$lazy))
182            function(object){          .Call(copyCorpus, x, materialize(x))
183                cat(sprintf(ngettext(length(object),      x$content
184                                     "A corpus with %d text document\n",  }
185                                     "A corpus with %d text documents\n"),  
186                            length(object)))  content.PCorpus <-
187      })  function(x)
188    {
189  setMethod("summary",      db <- filehash::dbInit(x$dbcontrol[["dbName"]], x$dbcontrol[["dbType"]])
190            signature(object = "Corpus"),      filehash::dbMultiFetch(db, unlist(x$content))
191            function(object){  }
192                show(object)  
193                if (length(DMetaData(object)) > 0) {  inspect <-
194                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),  function(x)
195                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",      UseMethod("inspect", x)
196                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),  inspect.PCorpus <- inspect.VCorpus <-
197                                         length(CMetaData(object)@MetaData)))  function(x)
198                    cat("Available tags are:\n")  {
199                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")      print(x)
                   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)  
200      cat("\n")      cat("\n")
201      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])      print(noquote(content(x)))
202      show(filehash::dbMultiFetch(db, unlist(x)))      invisible(x)
203  }  }
204  inspect.FCorpus <- inspect.SCorpus <- function(x) {  
205      summary(x)  length.PCorpus <- length.VCorpus <-
206      cat("\n")  function(x)
207      print(noquote(lapply(x, identity)))      length(x$content)
208    
209    names.PCorpus <- names.VCorpus <-
210    function(x)
211        as.character(meta(x, "id", "local"))
212    
213    `names<-.PCorpus` <- `names<-.VCorpus` <-
214    function(x, value)
215    {
216        meta(x, "id", "local") <- as.character(value)
217        x
218  }  }
219    
220  # No metadata is checked  print.PCorpus <- print.VCorpus <-
221  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  function(x, ...)
222  setMethod("%IN%", signature(x = "TextDocument", y = "PCorpus"),  {
223            function(x, y) {      writeLines(sprintf("<<%s (documents: %d, metadata (corpus/indexed): %d/%d)>>",
224                db <- filehash::dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])                         class(x)[1],
225                any(sapply(y, function(x, z) {x %in% Content(z)}, x))                         length(x),
226            })                         length(meta(x, type = "corpus")),
227  setMethod("%IN%", signature(x = "TextDocument", y = "SCorpus"),                         ncol(meta(x, type = "indexed"))))
228            function(x, y) x %in% y)      invisible(x)
   
 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  
229      }      }
230      new("SCorpus", .Data = data,  
231          DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),  writeCorpus <-
232          CMetaData = cmeta.node)  function(x, path = ".", filenames = NULL)
233  })  {
   
 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  
 setMethod("writeCorpus",  
           signature(object = "Corpus"),  
           function(object, path = ".", filenames = NULL) {  
234                filenames <- file.path(path,                filenames <- file.path(path,
235                                       if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))        if (is.null(filenames))
236              sprintf("%s.txt", as.character(meta(x, "id", "local")))
237                                       else filenames)                                       else filenames)
238                i <- 1  
239                for (o in object) {      stopifnot(length(x) == length(filenames))
240                    writeLines(asPlain(o), filenames[i])  
241                    i <- i + 1      mapply(function(doc, f) writeLines(as.character(doc), f), x, filenames)
242    
243        invisible(x)
244                }                }
           })  

Legend:
Removed from v.950  
changed lines
  Added in v.1383

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