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

trunk/R/textmin/R/textdoccol.R revision 74, Tue Nov 21 20:04:17 2006 UTC pkg/R/corpus.R revision 950, Thu May 14 15:17:18 2009 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # The "..." are additional arguments for the function_generator parser  FCorpus <- function(object, readerControl = list(language = "eng")) {
4  setGeneric("TextDocCol", function(object, parser = plaintext_parser, ...) standardGeneric("TextDocCol"))      if (is.null(readerControl$language))
5  setMethod("TextDocCol",          readerControl$language <- "eng"
6            signature(object = "Source"),  
7            function(object, parser = plaintext_parser, ...) {      if (!object@Vectorized)
8                if (inherits(parser, "function_generator"))          stop("Source is not vectorized")
9                    parser <- parser(...)  
10        tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),
11                      function(x) readSlim(x[c("content", "uri")],
12                                           readerControl$language,
13                                           as.character(x$id)))
14    
15        new("FCorpus", .Data = tdl)
16    }
17    
18    PCorpus <- function(object,
19                        readerControl = list(reader = object@DefaultReader, language = "eng"),
20                        dbControl = list(dbName = "", dbType = "DB1"),
21                        ...) {
22        if (is.null(readerControl$reader))
23            readerControl$reader <- object@DefaultReader
24        if (is(readerControl$reader, "FunctionGenerator"))
25            readerControl$reader <- readerControl$reader(...)
26        if (is.null(readerControl$language))
27            readerControl$language <- "eng"
28    
29        if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
30            stop("error in creating database")
31        db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
32    
33        # Allocate memory in advance if length is known
34        tdl <- if (object@Length > 0)
35            vector("list", as.integer(object@Length))
36        else
37            list()
38    
               tdl <- list()  
39                counter <- 1                counter <- 1
40                while (!eoi(object)) {                while (!eoi(object)) {
41                    object <- step_next(object)          object <- stepNext(object)
42                    elem <- get_elem(object)          elem <- getElem(object)
43                    # If there is no Load on Demand support          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
44                    # we need to load the corpus into memory at startup          filehash::dbInsert(db, ID(doc), doc)
45                    if (object@LoDSupport)          if (object@Length > 0) tdl[[counter]] <- ID(doc)
46                        load <- object@Load          else tdl <- c(tdl, ID(doc))
                   else  
                       load <- TRUE  
                   tdl <- c(tdl, list(parser(elem, object@LoDSupport, load, as.character(counter))))  
47                    counter <- counter + 1                    counter <- counter + 1
48                }                }
49    
50                dmeta.df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
51                dcmeta.node <- new("MetaDataNode",      filehash::dbInsert(db, "DMetaData", df)
52        dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
53    
54        cmeta.node <- new("MetaDataNode",
55                              NodeID = 0,                              NodeID = 0,
56                              MetaData = list(create_date = date(), creator = Sys.getenv("LOGNAME")),                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
57                              children = list())                              children = list())
58    
59                return(new("TextDocCol", .Data = tdl, DMetaData = dmeta.df, DCMetaData = dcmeta.node))      new("PCorpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl)
           })  
   
 setGeneric("DirSource", function(directory, load = FALSE) standardGeneric("DirSource"))  
 setMethod("DirSource",  
           signature(directory = "character"),  
           function(directory, load = FALSE) {  
               new("DirSource", LoDSupport = TRUE, FileList = dir(directory, full.names = TRUE),  
                   Position = 0, Load = load)  
           })  
   
 setGeneric("CSVSource", function(object) standardGeneric("CSVSource"))  
 setMethod("CSVSource",  
           signature(object = "character"),  
           function(object) {  
               object <- substitute(file(object))  
               con <- eval(object)  
               content <- scan(con, what = "character")  
               close(con)  
               new("CSVSource", LoDSupport = FALSE, URI = object,  
                   Content = content, Position = 0)  
           })  
 setMethod("CSVSource",  
           signature(object = "ANY"),  
           function(object) {  
               object <- substitute(object)  
               con <- eval(object)  
               content <- scan(con, what = "character")  
               close(con)  
               new("CSVSource", LoDSupport = FALSE, URI = object,  
                   Content = content, Position = 0)  
           })  
   
 setGeneric("ReutersSource", function(object) standardGeneric("ReutersSource"))  
 setMethod("ReutersSource",  
           signature(object = "character"),  
           function(object) {  
               object <- substitute(file(object))  
               con <- eval(object)  
               corpus <- paste(readLines(con), "\n", collapse = "")  
               close(con)  
               tree <- xmlTreeParse(corpus, asText = TRUE)  
               content <- xmlRoot(tree)$children  
   
               new("ReutersSource", LoDSupport = FALSE, URI = object,  
                   Content = content, Position = 0)  
           })  
 setMethod("ReutersSource",  
           signature(object = "ANY"),  
           function(object) {  
               object <- substitute(object)  
               con <- eval(object)  
               corpus <- paste(readLines(con), "\n", collapse = "")  
               close(con)  
               tree <- xmlTreeParse(corpus, asText = TRUE)  
               content <- xmlRoot(tree)$children  
   
               new("ReutersSource", LoDSupport = FALSE, URI = object,  
                   Content = content, Position = 0)  
           })  
   
 setGeneric("step_next", function(object) standardGeneric("step_next"))  
 setMethod("step_next",  
           signature(object = "DirSource"),  
           function(object) {  
               object@Position <- object@Position + 1  
               object  
           })  
 setMethod("step_next",  
           signature(object = "CSVSource"),  
           function(object) {  
               object@Position <- object@Position + 1  
               object  
           })  
 setMethod("step_next",  
           signature(object = "ReutersSource"),  
           function(object) {  
               object@Position <- object@Position + 1  
               object  
           })  
   
 setGeneric("get_elem", function(object) standardGeneric("get_elem"))  
 setMethod("get_elem",  
           signature(object = "DirSource"),  
           function(object) {  
               filename <- object@FileList[object@Position]  
               list(content = readLines(filename),  
                    uri = substitute(file(filename)))  
           })  
 setMethod("get_elem",  
           signature(object = "CSVSource"),  
           function(object) {  
               list(content = object@Content[object@Position],  
                    uri = object@URI)  
           })  
 setMethod("get_elem",  
           signature(object = "ReutersSource"),  
           function(object) {  
               # Construct a character representation from the XMLNode  
               con <- textConnection("virtual.file", "w")  
               saveXML(object@Content[[object@Position]], con)  
               close(con)  
   
               list(content = virtual.file, uri = object@URI)  
           })  
   
 setGeneric("eoi", function(object) standardGeneric("eoi"))  
 setMethod("eoi",  
           signature(object = "DirSource"),  
           function(object) {  
               if (length(object@FileList) <= object@Position)  
                   return(TRUE)  
               else  
                   return(FALSE)  
           })  
 setMethod("eoi",  
           signature(object = "CSVSource"),  
           function(object) {  
               if (length(object@Content) <= object@Position)  
                   return(TRUE)  
               else  
                   return(FALSE)  
           })  
 setMethod("eoi",  
           signature(object = "ReutersSource"),  
           function(object) {  
               if (length(object@Content) <= object@Position)  
                   return(TRUE)  
               else  
                   return(FALSE)  
           })  
   
 plaintext_parser <- function(...) {  
     function(elem, lodsupport, load, id) {  
         if (!lodsupport || (lodsupport && load)) {  
             doc <- new("PlainTextDocument", .Data = elem$content, URI = elem$uri, Cached = TRUE,  
                        Author = "", DateTimeStamp = date(), Description = "", ID = id, Origin = "", Heading = "")  
         }  
         else {  
             doc <- new("PlainTextDocument", URI = elem$uri, Cached = FALSE,  
                        Author = "", DateTimeStamp = date(), Description = "", ID = id, Origin = "", Heading = "")  
         }  
   
         return(doc)  
     }  
60  }  }
 class(plaintext_parser) <- "function_generator"  
61    
62  reut21578xml_parser <- function(...) {  # The "..." are additional arguments for the FunctionGenerator reader
63      function(elem, lodsupport, load, id) {  SCorpus <- Corpus <- function(object,
64          corpus <- paste(elem$content, "\n", collapse = "")                      readerControl = list(reader = object@DefaultReader, language = "eng"),
65          tree <- xmlTreeParse(corpus, asText = TRUE)                      ...) {
66          node <- xmlRoot(tree)      if (is.null(readerControl$reader))
67            readerControl$reader <- object@DefaultReader
68          # Mask as list to bypass S4 checks      if (is(readerControl$reader, "FunctionGenerator"))
69          class(tree) <- "list"          readerControl$reader <- readerControl$reader(...)
70        if (is.null(readerControl$language))
71          # The <AUTHOR></AUTHOR> tag is unfortunately NOT obligatory!          readerControl$language <- "eng"
72          if (!is.null(node[["TEXT"]][["AUTHOR"]]))  
73              author <- xmlValue(node[["TEXT"]][["AUTHOR"]])      # Allocate memory in advance if length is known
74          else      tdl <- if (object@Length > 0)
75              author <- ""          vector("list", as.integer(object@Length))
76        else
77          datetimestamp <- xmlValue(node[["DATE"]])          list()
78          description <- ""  
79          id <- xmlAttrs(node)[["NEWID"]]      if (object@Vectorized)
80            tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),
81          # The <TITLE></TITLE> tag is unfortunately NOT obligatory!                        function(x) readerControl$reader(x[c("content", "uri")],
82          if (!is.null(node[["TEXT"]][["TITLE"]]))                                                         readerControl$language,
83              heading <- xmlValue(node[["TEXT"]][["TITLE"]])                                                         as.character(x$id)))
84        else {
85            counter <- 1
86            while (!eoi(object)) {
87                object <- stepNext(object)
88                elem <- getElem(object)
89                doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
90                if (object@Length > 0)
91                    tdl[[counter]] <- doc
92          else          else
93              heading <- ""                  tdl <- c(tdl, list(doc))
94                counter <- counter + 1
         topics <- unlist(xmlApply(node[["TOPICS"]], function(x) xmlValue(x)), use.names = FALSE)  
   
         if (!lodsupport || (lodsupport && load)) {  
             doc <- new("XMLTextDocument", .Data = tree, URI = elem$uri, Cached = TRUE, Author = author,  
                        DateTimeStamp = datetimestamp, Description = "", ID = id, Origin = "Reuters-21578 XML",  
                        Heading = heading, LocalMetaData = list(Topics = topics))  
         } else {  
             doc <- new("XMLTextDocument", URI = elem$uri, Cached = FALSE, Author = author,  
                        DateTimeStamp = datetimestamp, Description = "", ID = id, Origin = "Reuters-21578 XML",  
                        Heading = heading, LocalMetaData = list(Topics = topics))  
         }  
   
         return(doc)  
95      }      }
96  }  }
 class(reut21578xml_parser) <- "function_generator"  
   
 rcv1_parser <- function(...) {  
     function(elem, lodsupport, load, id) {  
         corpus <- paste(elem$content, "\n", collapse = "")  
         tree <- xmlTreeParse(corpus, asText = TRUE)  
         node <- xmlRoot(tree)  
97    
98          # Mask as list to bypass S4 checks      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
99          class(tree) <- "list"      cmeta.node <- new("MetaDataNode",
100                          NodeID = 0,
101          datetimestamp <- xmlAttrs(node)[["date"]]                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
102          id <- xmlAttrs(node)[["itemid"]]                        children = list())
         heading <- xmlValue(node[["title"]])  
   
         if (!lodsupport || (lodsupport && load)) {  
             doc <- new("XMLTextDocument", .Data = tree, URI = elem$uri, Cached = TRUE, Author = "",  
                        DateTimeStamp = datetimestamp, Description = "", ID = id, Origin = "Reuters Corpus Volume 1 XML",  
                        Heading = heading)  
         } else {  
             doc <- new("XMLTextDocument", URI = elem$uri, Cached = FALSE, Author = "",  
                        DateTimeStamp = datetimestamp, Description = "", ID = id, Origin = "Reuters Corpus Volume 1 XML",  
                        Heading = heading)  
         }  
103    
104          return(doc)      new("SCorpus", .Data = tdl, DMetaData = df, CMetaData = cmeta.node)
     }  
105  }  }
 class(rcv1_parser) <- "function_generator"  
106    
107  newsgroup_parser <- function(...) {  setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))
108      function(elem, lodsupport, load, id) {  setMethod("tmMap",
109          mail <- elem$content            signature(object = "FCorpus", FUN = "function"),
110          author <- gsub("From: ", "", grep("^From:", mail, value = TRUE))            function(object, FUN, ..., lazy = FALSE) {
111          datetimestamp <- gsub("Date: ", "", grep("^Date:", mail, value = TRUE))                if (lazy)
112          origin <- gsub("Path: ", "", grep("^Path:", mail, value = TRUE))                    warning("lazy mapping is deactivated")
         heading <- gsub("Subject: ", "", grep("^Subject:", mail, value = TRUE))  
         newsgroup <- gsub("Newsgroups: ", "", grep("^Newsgroups:", mail, value = TRUE))  
113    
114          if (!lodsupport || (lodsupport && load)) {                lapply(object, FUN, ..., DMetaData = data.frame())
115              # The header is separated from the body by a blank line.            })
116              # Reference: \url{http://en.wikipedia.org/wiki/E-mail#Internet_e-mail_format}  setMethod("tmMap",
117              for (index in seq(along = mail)) {            signature(object = "SCorpus", FUN = "function"),
118                  if (mail[index] == "")            function(object, FUN, ..., lazy = FALSE) {
119                      break                result <- object
120              }                # Lazy mapping
121              content <- mail[(index + 1):length(mail)]                if (lazy) {
122                      lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
123              doc <- new("NewsgroupDocument", .Data = content, URI = elem$uri, Cached = TRUE,                    if (is.null(lazyTmMap)) {
124                         Author = author, DateTimeStamp = datetimestamp,                        meta(result, tag = "lazyTmMap", type = "corpus") <-
125                         Description = "", ID = id, Origin = origin,                            list(index = rep(TRUE, length(result)),
126                         Heading = heading, Newsgroup = newsgroup)                                 maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
         } else {  
             doc <- new("NewsgroupDocument", URI = elem$uri, Cached = FALSE, Author = author, DateTimeStamp = datetimestamp,  
                        Description = "", ID = id, Origin = origin, Heading = heading, Newsgroup = newsgroup)  
127          }          }
128                      else {
129          return(doc)                        lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
130                          meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
131      }      }
132  }  }
133  class(newsgroup_parser) <- "function_generator"                else {
134                      result@.Data <- if (clusterAvailable())
135  # Parse a <newsitem></newsitem> element from a well-formed RCV1 XML file                        snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))
 rcv1_to_plain <- function(node, ...) {  
     datetimestamp <- xmlAttrs(node)[["date"]]  
     id <- xmlAttrs(node)[["itemid"]]  
     origin <- "Reuters Corpus Volume 1 XML"  
     corpus <- unlist(xmlApply(node[["text"]], xmlValue), use.names = FALSE)  
     heading <- xmlValue(node[["title"]])  
   
     new("PlainTextDocument", .Data = corpus, Cached = TRUE, URI = "", Author = "", DateTimeStamp = datetimestamp,  
         Description = "", ID = id, Origin = "Reuters Corpus Volume 1 XML", Heading = heading)  
 }  
   
 # Parse a <REUTERS></REUTERS> element from a well-formed Reuters-21578 XML file  
 reut21578xml_to_plain <- function(node, ...) {  
     # The <AUTHOR></AUTHOR> tag is unfortunately NOT obligatory!  
     if (!is.null(node[["TEXT"]][["AUTHOR"]]))  
         author <- xmlValue(node[["TEXT"]][["AUTHOR"]])  
     else  
         author <- ""  
   
     datetimestamp <- xmlValue(node[["DATE"]])  
     description <- ""  
     id <- xmlAttrs(node)[["NEWID"]]  
   
     origin <- "Reuters-21578 XML"  
   
     # The <BODY></BODY> tag is unfortunately NOT obligatory!  
     if (!is.null(node[["TEXT"]][["BODY"]]))  
         corpus <- xmlValue(node[["TEXT"]][["BODY"]])  
     else  
         corpus <- ""  
   
     # The <TITLE></TITLE> tag is unfortunately NOT obligatory!  
     if (!is.null(node[["TEXT"]][["TITLE"]]))  
         heading <- xmlValue(node[["TEXT"]][["TITLE"]])  
136      else      else
137          heading <- ""                        lapply(object, FUN, ..., DMetaData = DMetaData(object))
   
     topics <- unlist(xmlApply(node[["TOPICS"]], function(x) xmlValue(x)), use.names = FALSE)  
   
     new("PlainTextDocument", .Data = corpus, Cached = TRUE, URI = "", Author = author, DateTimeStamp = datetimestamp,  
         Description = description, ID = id, Origin = origin, Heading = heading, LocalMetaData = list(Topics = topics))  
 }  
   
 setGeneric("load_doc", function(object, ...) standardGeneric("load_doc"))  
 setMethod("load_doc",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   corpus <- readLines(con)  
                   close(con)  
                   Corpus(object) <- corpus  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("load_doc",  
           signature(object =  "XMLTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   corpus <- paste(readLines(con), "\n", collapse = "")  
                   close(con)  
                   doc <- xmlTreeParse(corpus, asText = TRUE)  
                   class(doc) <- "list"  
                   Corpus(object) <- doc  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
138                }                }
139                  result
140            })            })
141  setMethod("load_doc",  setMethod("tmMap",
142            signature(object = "NewsgroupDocument"),            signature(object = "PCorpus", FUN = "function"),
143            function(object, ...) {            function(object, FUN, ..., lazy = FALSE) {
144                if (!Cached(object)) {                # TODO: When should lazy mapping be conceptually available?
145                    con <- eval(URI(object))                if (lazy)
146                    mail <- readLines(con)                    warning("lazy mapping is deactived when using database backend")
147                    close(con)                db <- filehash::dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
148                    Cached(object) <- TRUE                i <- 1
149                    for (index in seq(along = mail)) {                for (id in unlist(object)) {
150                        if (mail[index] == "")                    db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
151                            break                    i <- i + 1
                   }  
                   Corpus(object) <- mail[(index + 1):length(mail)]  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
   
 setGeneric("tm_update", function(object, origin, parser = plaintext_parser, ...) standardGeneric("tm_update"))  
 # Update is only supported for directories  
 # At the moment no other LoD devices are available anyway  
 setMethod("tm_update",  
           signature(object = "TextDocCol", origin = "DirSource"),  
           function(object, origin, parser = plaintext_parser, ...) {  
               if (inherits(parser, "function_generator"))  
                   parser <- parser(...)  
   
               object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))  
               new.files <- setdiff(origin@FileList, object.filelist)  
   
               for (filename in new.files) {  
                   elem <- list(content = readLines(filename),  
                                uri = substitute(file(filename)))  
                   object <- append_doc(object, parser(elem, TRUE, origin@Load, filename), NA)  
152                }                }
153                  # Suggested by Christian Buchta
154                  filehash::dbReorganize(db)
155    
156                return(object)                object
           })  
   
 setGeneric("tm_transform", function(object, FUN, ...) standardGeneric("tm_transform"))  
 setMethod("tm_transform",  
           signature(object = "TextDocCol", FUN = "function"),  
           function(object, FUN, ...) {  
               result <- object  
               result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))  
               return(result)  
157            })            })
158    
159  setGeneric("as.plaintext_doc", function(object, FUN, ...) standardGeneric("as.plaintext_doc"))  # Materialize lazy mappings
160  setMethod("as.plaintext_doc",  # Improvements by Christian Buchta
161            signature(object = "PlainTextDocument"),  materialize <- function(corpus, range = seq_along(corpus)) {
162            function(object, FUN, ...) {      lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")
163                return(object)      if (!is.null(lazyTmMap)) {
164            })         # Make valid and lazy index
165  setMethod("as.plaintext_doc",         idx <- (seq_along(corpus) %in% range) & lazyTmMap$index
166            signature(object = "XMLTextDocument", FUN = "function"),         if (any(idx)) {
167               res <- corpus@.Data[idx]
168               for (m in lazyTmMap$maps)
169                   res <- lapply(res, m, DMetaData = DMetaData(corpus))
170               corpus@.Data[idx] <- res
171               lazyTmMap$index[idx] <- FALSE
172           }
173        }
174        # Clean up if everything is materialized
175        if (!any(lazyTmMap$index))
176            lazyTmMap <- NULL
177        meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
178        corpus
179    }
180    
181    setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
182    setMethod("asPlain", signature(object = "PlainTextDocument"),
183              function(object, FUN, ...) object)
184    setMethod("asPlain",
185              signature(object = "XMLTextDocument"),
186            function(object, FUN, ...) {            function(object, FUN, ...) {
187                if (!Cached(object))                require("XML")
                   object <- load_doc(object)  
188    
189                corpus <- Corpus(object)                corpus <- Content(object)
190    
191                # As XMLDocument is no native S4 class, restore valid information                # As XMLDocument is no native S4 class, restore valid information
192                class(corpus) <- "XMLDocument"                class(corpus) <- "XMLDocument"
# Line 423  Line 194 
194    
195                return(FUN(xmlRoot(corpus), ...))                return(FUN(xmlRoot(corpus), ...))
196            })            })
197    setMethod("asPlain",
198              signature(object = "Reuters21578Document"),
199              function(object, FUN, ...) {
200                  require("XML")
201    
202  setGeneric("tm_tolower", function(object, ...) standardGeneric("tm_tolower"))                FUN <- convertReut21578XMLPlain
203  setMethod("tm_tolower",                corpus <- Content(object)
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               if (!Cached(object))  
                   object <- load_doc(object)  
   
               Corpus(object) <- tolower(object)  
               return(object)  
           })  
   
 setGeneric("strip_whitespace", function(object, ...) standardGeneric("strip_whitespace"))  
 setMethod("strip_whitespace",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               if (!Cached(object))  
                   object <- load_doc(object)  
204    
205                Corpus(object) <- gsub("[[:space:]]+", " ", object)                # As XMLDocument is no native S4 class, restore valid information
206                return(object)                class(corpus) <- "XMLDocument"
207            })                names(corpus) <- c("doc","dtd")
208    
209  setGeneric("stem_doc", function(object, ...) standardGeneric("stem_doc"))                return(FUN(xmlRoot(corpus), ...))
 setMethod("stem_doc",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               if (!Cached(object))  
                   object <- load_doc(object)  
   
               require(Rstem)  
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               stemmedCorpus <- wordStem(splittedCorpus)  
               Corpus(object) <- paste(stemmedCorpus, collapse = " ")  
               return(object)  
210            })            })
211    setMethod("asPlain", signature(object = "RCV1Document"),
212  setGeneric("remove_words", function(object, stopwords, ...) standardGeneric("remove_words"))            function(object, FUN, ...) convertRCV1Plain(object, ...))
213  setMethod("remove_words",  setMethod("asPlain",
214            signature(object = "PlainTextDocument", stopwords = "character"),            signature(object = "NewsgroupDocument"),
215            function(object, stopwords, ...) {            function(object, FUN, ...) {
216                if (!Cached(object))                new("PlainTextDocument", .Data = Content(object), Author = Author(object),
217                    object <- load_doc(object)                    DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
218                      Origin = Origin(object), Heading = Heading(object), Language = Language(object),
219                require(Rstem)                    LocalMetaData = LocalMetaData(object))
               splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))  
               noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]  
               Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")  
               return(object)  
220            })            })
221    setMethod("asPlain",
222  setGeneric("tm_filter", function(object, ..., FUN = s_filter, doclevel = FALSE) standardGeneric("tm_filter"))            signature(object = "StructuredTextDocument"),
223  setMethod("tm_filter",            function(object, FUN, ...) {
224            signature(object = "TextDocCol"),                new("PlainTextDocument", .Data = unlist(Content(object)),
225            function(object, ..., FUN = s_filter, doclevel = FALSE) {                    Author = Author(object), DateTimeStamp = DateTimeStamp(object),
226                if (doclevel)                    Description = Description(object), ID = ID(object), Origin = Origin(object),
227                    return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])                    Heading = Heading(object), Language = Language(object),
228                      LocalMetaData = LocalMetaData(object))
229              })
230    
231    setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))
232    setMethod("tmFilter", signature(object = "Corpus"),
233              function(object, ..., FUN = searchFullText, doclevel = TRUE)
234                  object[tmIndex(object, ..., FUN = FUN, doclevel = doclevel)])
235    
236    setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))
237    setMethod("tmIndex",
238              signature(object = "Corpus"),
239              function(object, ..., FUN = searchFullText, doclevel = TRUE) {
240                  if (!is.null(attr(FUN, "doclevel")))
241                      doclevel <- attr(FUN, "doclevel")
242                  if (doclevel) {
243                      if (clusterAvailable())
244                          return(snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))
245                else                else
                   return(object[FUN(object, ...)])  
           })  
   
 setGeneric("tm_index", function(object, ..., FUN = s_filter, doclevel = FALSE) standardGeneric("tm_index"))  
 setMethod("tm_index",  
           signature(object = "TextDocCol"),  
           function(object, ..., FUN = s_filter, doclevel = FALSE) {  
               if (doclevel)  
246                    return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))                    return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
247                  }
248                else                else
249                    return(FUN(object, ...))                    return(FUN(object, ...))
250            })            })
251    
252  s_filter <- function(object, s, ...) {  # TODO: Replace with c(Corpus, TextDocument)?
253      query.df <- DMetaData(object)  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
254      con <- textConnection(s)  setMethod("appendElem",
255      tokens <- scan(con, "character")            signature(object = "Corpus", data = "TextDocument"),
     close(con)  
     local.meta <- lapply(object, LocalMetaData)  
     local.used.meta <- lapply(local.meta, function(x) names(x) %in% tokens)  
     l.meta <- NULL  
     for (i in 1:length(object)) {  
         l.meta <- c(l.meta, list(local.meta[[i]][local.used.meta[[i]]]))  
     }  
     # Load local meta data from text documents into data frame  
     for (i in 1:length(l.meta)) {  
         l.meta[[i]] <- c(l.meta[[i]], list(author = Author(object[[i]])))  
         l.meta[[i]] <- c(l.meta[[i]], list(datetimestamp = DateTimeStamp(object[[i]])))  
         l.meta[[i]] <- c(l.meta[[i]], list(description = Description(object[[i]])))  
         l.meta[[i]] <- c(l.meta[[i]], list(identifier = ID(object[[i]])))  
         l.meta[[i]] <- c(l.meta[[i]], list(origin = Origin(object[[i]])))  
         l.meta[[i]] <- c(l.meta[[i]], list(heading = Heading(object[[i]])))  
     }  
     # TODO: Handle entries (\code{m} with length greater 1, i.e., lists)  
     for (i in 1:length(l.meta)) {  
         for (j in 1:length(l.meta[[i]])) {  
             m <- l.meta[[i]][[j]]  
             m.name <- names(l.meta[[i]][j])  
             if (!(m.name %in% names(query.df))) {  
                 before <- rep(NA, i - 1)  
                 after <- rep(NA, length(l.meta) - i)  
                 insert <- c(before, m, after)  
                 query.df <- cbind(query.df, insert, stringsAsFactors = FALSE)  
                 names(query.df)[length(query.df)] <- m.name  
             }  
             else {  
                 if (is.null(m))  
                     m <- NA  
                 #if (length(m) > 1)  
                 #    query.df[i,names(l.meta[[i]])] <- list(m)  
                 #else  
                     query.df[i,m.name] <- m  
             }  
         }  
     }  
     attach(query.df)  
     try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))  
     detach(query.df)  
     return(result)  
 }  
   
 #s_filter <- function(object, s, ..., DMetaData) {  
 #    b <- TRUE  
 #    for (tag in names(s)) {  
 #        if (tag %in% names(LocalMetaData(object))) {  
 #            b <- b && any(grep(s[[tag]], LocalMetaData(object)[[tag]]))  
 #        } else if (tag %in% names(DMetaData)){  
 #            b <- b && any(grep(s[[tag]], DMetaData[[tag]]))  
 #        } else {  
 #            b <- b && any(grep(s[[tag]], eval(call(tag, object))))  
 #        }  
 #    }  
 #    return(b)  
 #}  
   
 setGeneric("fulltext_search_filter", function(object, pattern, ...) standardGeneric("fulltext_search_filter"))  
 setMethod("fulltext_search_filter",  
           signature(object = "PlainTextDocument", pattern = "character"),  
           function(object, pattern, ...) {  
               if (!Cached(object))  
                   object <- load_doc(object)  
   
               return(any(grep(pattern, Corpus(object))))  
           })  
   
 setGeneric("attach_data", function(object, data) standardGeneric("attach_data"))  
 setGeneric("attach_metadata", function(object, name, metadata) standardGeneric("attach_metadata"))  
   
 setGeneric("append_doc", function(object, data, meta = NULL) standardGeneric("append_doc"))  
 setMethod("append_doc",  
           signature(object = "TextDocCol", data = "TextDocument"),  
256            function(object, data, meta = NULL) {            function(object, data, meta = NULL) {
257                object@.Data <- c(object@.Data, list(data))                if (DBControl(object)[["useDb"]] && require("filehash")) {
258                if (length(meta) > 0)                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
259                    object@DMetaData <- rbind(object@DMetaData, c(MetaID = DCMetaData(object)@NodeID, meta))                    if (dbExists(db, ID(data)))
260                          warning("document with identical ID already exists")
261                      dbInsert(db, ID(data), data)
262                      object@.Data[[length(object)+1]] <- ID(data)
263                  }
264                  else
265                      object@.Data[[length(object)+1]] <- data
266                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
267                return(object)                return(object)
268            })            })
269    
270  setGeneric("append_meta", function(object, dcmeta = list(), dmeta = NULL) standardGeneric("append_meta"))  prescindMeta <- function(object, meta) {
271  setMethod("append_meta",      df <- DMetaData(object)
           signature(object = "TextDocCol"),  
           function(object, dcmeta = list(), dmeta = NULL) {  
               object@DCMetaData@MetaData <- c(object@DCMetaData@MetaData, dcmeta)  
               if (length(dmeta) > 0)  
                   object@DMetaData <- cbind(object@DMetaData, dmeta)  
               return(object)  
           })  
272    
273  setGeneric("remove_metadata", function(object, name) standardGeneric("remove_metadata"))      for (m in meta)
274  #setMethod("remove_metadata",          df <- cbind(df, structure(data.frame(I(meta(object, tag = m, type = "local"))), names = m))
275  #          signature(object = "TextDocCol"),  
276  #          function(object, name) {      df
 #              object@DMetaData <- DMetaData(object)[names(DMetaData(object)) != name]  
 #              return(object)  
 #          })  
   
 setGeneric("modify_metadata", function(object, name, metadata) standardGeneric("modify_metadata"))  
 #setMethod("modify_metadata",  
 #          signature(object = "TextDocCol"),  
 #          function(object, name, metadata) {  
 #              object@DMetaData[[name]] <- metadata  
 #              return(object)  
 #          })  
   
 # TODO: Handle metadata in document slots  
 setGeneric("prescind_meta", function(object, meta) standardGeneric("prescind_meta"))  
 setMethod("prescind_meta",  
           signature(object = "TextDocCol", meta = "character"),  
           function(object, meta) {  
               for (m in meta) {  
                   local.meta <- lapply(object, LocalMetaData)  
                   local.m <- lapply(local.meta, "[[", m)  
                   local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))  
                   if (length(local.m) == length(unlist(local.m)))  
                       local.m <- unlist(local.m)  
                   else  
                       local.m <- I(local.m)  
                   object@DMetaData <- cbind(DMetaData(object), data.frame(m = local.m), stringsAsFactors = FALSE)  
                   names(object@DMetaData)[length(object@DMetaData)] <- m  
277                }                }
278                return(object)  
279    setMethod("[",
280              signature(x = "PCorpus", i = "ANY", j = "ANY", drop = "ANY"),
281              function(x, i, j, ... , drop) {
282                  if (missing(i)) return(x)
283    
284                  x@.Data <- x@.Data[i, ..., drop = FALSE]
285                  index <- x@DMetaData[[1 , "subset"]]
286                  if (any(is.na(index))) x@DMetaData[[1 , "subset"]] <- i
287                  else x@DMetaData[[1 , "subset"]] <- index[i]
288                  x
289            })            })
290    
291  setMethod("[",  setMethod("[",
292            signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),            signature(x = "SCorpus", i = "ANY", j = "ANY", drop = "ANY"),
293            function(x, i, j, ... , drop) {            function(x, i, j, ... , drop) {
294                if(missing(i))                if (missing(i)) return(x)
                   return(x)  
295    
296                object <- x                x@.Data <- x@.Data[i, ..., drop = FALSE]
297                object@.Data <- x@.Data[i, ..., drop = FALSE]                DMetaData(x) <- DMetaData(x)[i, , drop = FALSE]
298                object@DMetaData <- DMetaData(object)[i, ]                x
               return(object)  
299            })            })
300    
301  setMethod("[<-",  setMethod("[<-",
302            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),
303            function(x, i, j, ... , value) {            function(x, i, j, ... , value) {
304                object <- x                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
305                object@.Data[i, ...] <- value                counter <- 1
306                return(object)                for (id in x@.Data[i, ...]) {
307                      if (identical(length(value), 1)) db[[id]] <- value
308                      else db[[id]] <- value[[counter]]
309                      counter <- counter + 1
310                  }
311                  x
312              })
313    setMethod("[<-",
314              signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),
315              function(x, i, j, ... , value) {
316                  x@.Data[i, ...] <- value
317                  x
318            })            })
319    
320  setMethod("[[",  setMethod("[[",
321            signature(x = "TextDocCol", i = "ANY", j = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY"),
322              function(x, i, j, ...) {
323                  db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
324                  filehash::dbFetch(db, x@.Data[[i]])
325              })
326    setMethod("[[",
327              signature(x = "SCorpus", i = "ANY", j = "ANY"),
328            function(x, i, j, ...) {            function(x, i, j, ...) {
329                return(x@.Data[[i, ...]])                # TODO: For which corpora should lazy mapping be available?
330                  lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
331                  if (!is.null(lazyTmMap))
332                      .Call("copyCorpus", x, materialize(x, i))
333                  x@.Data[[i]]
334            })            })
335    
336  setMethod("[[<-",  setMethod("[[<-",
337            signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),
338            function(x, i, j, ..., value) {            function(x, i, j, ..., value) {
339                object <- x                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
340                object@.Data[[i, ...]] <- value                index <- x@.Data[[i]]
341                return(object)                db[[index]] <- value
342                  x
343            })            })
344    setMethod("[[<-",
345  # Update \code{NodeID}s of a DCMetaData tree            signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),
346  # TODO: Avoid global variables outside of update_id function            function(x, i, j, ..., value) {
347  update_id <- function(object) {                # Mark new objects as not active for lazy mapping
348      id <<- 0                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
349      mapping <<- left.mapping <<- NULL                if (!is.null(lazyTmMap)) {
350      level <<- 0                    lazyTmMap$index[i] <- FALSE
351      return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
352  }  }
353                  # Set the value
354                  x@.Data[[i, ...]] <- value
355    
356  # Traversal of (binary) DCMetaData tree with setup of \code{NodeID}s                x
357              })
358    
359    # Update \code{NodeID}s of a CMetaData tree
360    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
361        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
362  set_id <- function(object) {  set_id <- function(object) {
363      object@NodeID <- id      object@NodeID <- id
364      id <<- id + 1      id <<- id + 1
# Line 690  Line 381 
381      return(object)      return(object)
382  }  }
383    
384        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
385    }
386    
387    # TODO: Implement concatenation for other corpus types
388  setMethod("c",  setMethod("c",
389            signature(x = "TextDocCol"),            signature(x = "Corpus"),
390            function(x, y, ..., meta = list(merge_date = date(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {            function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
391                if (!inherits(y, "TextDocCol"))                args <- list(...)
392                    stop("invalid argument")                if (length(args) == 0)
393                      return(x)
394    
395                  if (!all(sapply(args, inherits, "SCorpus")))
396                      stop("not all arguments are standard corpora")
397    
398                  Reduce(c2, base::c(list(x), args))
399              })
400    
401    setGeneric("c2", function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
402    setMethod("c2",
403              signature(x = "SCorpus", y = "SCorpus"),
404              function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
405                object <- x                object <- x
406                # Concatenate data slots                # Concatenate data slots
407                object@.Data <- c(as(x, "list"), as(y, "list"))                object@.Data <- c(as(x, "list"), as(y, "list"))
408    
409                # Update the DCMetaData tree                # Update the CMetaData tree
410                dcmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(DCMetaData(x), DCMetaData(y)))                cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
411                update.struct <- update_id(dcmeta)                update.struct <- update_id(cmeta)
412                object@DCMetaData <- update.struct$root                object@CMetaData <- update.struct$root
413    
414                # Find indices to be updated for the left tree                # Find indices to be updated for the left tree
415                indices.mapping <- NULL                indices.mapping <- NULL
# Line 744  Line 450 
450    
451                return(object)                return(object)
452            })            })
453    
454  setMethod("c",  setMethod("c",
455            signature(x = "TextDocument"),            signature(x = "TextDocument"),
456            function(x, ..., recursive = TRUE){            function(x, ..., recursive = TRUE){
457                args <- list(...)                args <- list(...)
458                if(length(args) == 0)                if (identical(length(args), 0)) return(x)
                   return(x)  
459    
460                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
461                dcmeta.node <- new("MetaDataNode",                cmeta.node <- new("MetaDataNode",
462                              NodeID = 0,                              NodeID = 0,
463                              MetaData = list(create_date = date(), creator = Sys.getenv("LOGNAME")),                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
464                              children = list())                              children = list())
465    
466                return(new("TextDocCol", .Data = list(x, ...), DMetaData = dmeta.df, DCMetaData = dcmeta.node))                new("SCorpus", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node)
           })  
   
 setMethod("length",  
           signature(x = "TextDocCol"),  
           function(x){  
               return(length(as(x, "list")))  
467      })      })
468    
469  setMethod("show",  setMethod("show",
470            signature(object = "TextDocCol"),            signature(object = "Corpus"),
471            function(object){            function(object){
472                cat(sprintf(ngettext(length(object),                cat(sprintf(ngettext(length(object),
473                                     "A text document collection with %d text document\n",                                     "A corpus with %d text document\n",
474                                     "A text document collection with %d text documents\n"),                                     "A corpus with %d text documents\n"),
475                            length(object)))                            length(object)))
476      })      })
477    
478  setMethod("summary",  setMethod("summary",
479            signature(object = "TextDocCol"),            signature(object = "Corpus"),
480            function(object){            function(object){
481                show(object)                show(object)
482                if (length(DMetaData(object)) > 0) {                if (length(DMetaData(object)) > 0) {
483                    cat(sprintf(ngettext(length(DMetaData(object)),                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
484                                                "\nThe global metadata consists of %d tag-value pair\n",                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",
485                                                "\nThe global metadata consists of %d tag-value pairs\n"),                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
486                                         length(DMetaData(object))))                                         length(CMetaData(object)@MetaData)))
487                    cat("Available tags are:\n")                    cat("Available tags are:\n")
488                    cat(names(DMetaData(object)), "\n")                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
489                      cat("Available variables in the data frame are:\n")
490                      cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
491                }                }
492      })      })
493    
494  setGeneric("inspect", function(object) standardGeneric("inspect"))  inspect <- function(x) UseMethod("inspect", x)
495  setMethod("inspect",  inspect.PCorpus <- function(x) {
496            signature("TextDocCol"),      summary(x)
           function(object) {  
               summary(object)  
497                cat("\n")                cat("\n")
498                show(as(object, "list"))      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
499            })      show(filehash::dbMultiFetch(db, unlist(x)))
500    }
501    inspect.FCorpus <- inspect.SCorpus <- function(x) {
502        summary(x)
503        cat("\n")
504        print(noquote(lapply(x, identity)))
505    }
506    
507  # No metadata is checked  # No metadata is checked
508  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
509  setMethod("%IN%",  setMethod("%IN%", signature(x = "TextDocument", y = "PCorpus"),
           signature(x = "TextDocument", y = "TextDocCol"),  
510            function(x, y) {            function(x, y) {
511                x %in% y                db <- filehash::dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
512                  any(sapply(y, function(x, z) {x %in% Content(z)}, x))
513              })
514    setMethod("%IN%", signature(x = "TextDocument", y = "SCorpus"),
515              function(x, y) x %in% y)
516    
517    setMethod("lapply",
518              signature(X = "SCorpus"),
519              function(X, FUN, ...) {
520                  lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
521                  if (!is.null(lazyTmMap))
522                      .Call("copyCorpus", X, materialize(X))
523                  base::lapply(X, FUN, ...)
524              })
525    setMethod("lapply",
526              signature(X = "PCorpus"),
527              function(X, FUN, ...) {
528                  db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
529                  lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
530              })
531    
532    setMethod("sapply",
533              signature(X = "SCorpus"),
534              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
535                  lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
536                  if (!is.null(lazyTmMap))
537                      .Call("copyCorpus", X, materialize(X))
538                  base::sapply(X, FUN, ...)
539              })
540    setMethod("sapply",
541              signature(X = "PCorpus"),
542              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
543                  db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
544                  sapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
545              })
546    
547    setAs("list", "SCorpus", function(from) {
548        cmeta.node <- new("MetaDataNode",
549                          NodeID = 0,
550                          MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
551                          children = list())
552        data <- list()
553        counter <- 1
554        for (f in from) {
555            doc <- new("PlainTextDocument",
556                       .Data = f,
557                       Author = "", DateTimeStamp = as.POSIXlt(Sys.time(), tz = "GMT"),
558                       Description = "", ID = as.character(counter),
559                       Origin = "", Heading = "", Language = "eng")
560            data <- c(data, list(doc))
561            counter <- counter + 1
562        }
563        new("SCorpus", .Data = data,
564            DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),
565            CMetaData = cmeta.node)
566    })
567    
568    setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))
569    setMethod("writeCorpus",
570              signature(object = "Corpus"),
571              function(object, path = ".", filenames = NULL) {
572                  filenames <- file.path(path,
573                                         if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))
574                                         else filenames)
575                  i <- 1
576                  for (o in object) {
577                      writeLines(asPlain(o), filenames[i])
578                      i <- i + 1
579                  }
580            })            })

Legend:
Removed from v.74  
changed lines
  Added in v.950

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