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/tm/R/textdoccol.R revision 875, Sat Dec 6 13:25:03 2008 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 FunctionGenerator reader  FCorpus <- function(object, readerControl = list(language = "eng")) {
4  setGeneric("Corpus", function(object,      if (is.null(readerControl$language))
5                                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),          readerControl$language <- "eng"
6                                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),  
7                                    ...) standardGeneric("Corpus"))      if (!object@Vectorized)
8  setMethod("Corpus",          stop("Source is not vectorized")
9            signature(object = "Source"),  
10            function(object,      tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),
11                     readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),                    function(x) readSlim(x[c("content", "uri")],
12                     dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),                                         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$reader))                if (is.null(readerControl$reader))
23                    readerControl$reader <- object@DefaultReader                    readerControl$reader <- object@DefaultReader
24                if (is(readerControl$reader, "FunctionGenerator"))                if (is(readerControl$reader, "FunctionGenerator"))
25                    readerControl$reader <- readerControl$reader(...)                    readerControl$reader <- readerControl$reader(...)
26                if (is.null(readerControl$language))                if (is.null(readerControl$language))
27                    readerControl$language = "en_US"          readerControl$language <- "eng"
               if (is.null(readerControl$load))  
                   readerControl$load = TRUE  
28    
29                if (dbControl$useDb) {      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
                   if (!dbCreate(dbControl$dbName, dbControl$dbType))  
30                        stop("error in creating database")                        stop("error in creating database")
31                    db <- dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
               }  
32    
33                # Allocate memory in advance if length is known                # Allocate memory in advance if length is known
34                tdl <- if (object@Length > 0)                tdl <- if (object@Length > 0)
# Line 36  Line 40 
40                while (!eoi(object)) {                while (!eoi(object)) {
41                    object <- stepNext(object)                    object <- stepNext(object)
42                    elem <- getElem(object)                    elem <- getElem(object)
43                    # If there is no Load on Demand support          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
44                    # we need to load the corpus into memory at startup          filehash::dbInsert(db, ID(doc), doc)
45                    if (!object@LoDSupport)          if (object@Length > 0) tdl[[counter]] <- ID(doc)
46                        readerControl$load <- TRUE          else tdl <- c(tdl, ID(doc))
                   doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))  
                   if (dbControl$useDb) {  
                       dbInsert(db, ID(doc), doc)  
                       if (object@Length > 0)  
                           tdl[[counter]] <- ID(doc)  
                       else  
                           tdl <- c(tdl, ID(doc))  
                   }  
                   else {  
                       if (object@Length > 0)  
                           tdl[[counter]] <- doc  
                       else  
                           tdl <- c(tdl, list(doc))  
                   }  
47                    counter <- counter + 1                    counter <- counter + 1
48                }                }
49    
50                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
51                if (dbControl$useDb) {      filehash::dbInsert(db, "DMetaData", df)
                   dbInsert(db, "DMetaData", df)  
52                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
               }  
               else  
                   dmeta.df <- df  
53    
54                cmeta.node <- new("MetaDataNode",                cmeta.node <- new("MetaDataNode",
55                              NodeID = 0,                              NodeID = 0,
56                              MetaData = list(create_date = Sys.time(), 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("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))      new("PCorpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl)
           })  
   
 setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))  
 setMethod("loadDoc",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   corpus <- readLines(con)  
                   close(con)  
                   Content(object) <- corpus  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           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"  
                   Content(object) <- doc  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object = "NewsgroupDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   mail <- readLines(con)  
                   close(con)  
                   Cached(object) <- TRUE  
                   for (index in seq_along(mail)) {  
                       if (mail[index] == "")  
                           break  
                   }  
                   Content(object) <- mail[(index + 1):length(mail)]  
                   return(object)  
               } else {  
                   return(object)  
60                }                }
           })  
 setMethod("loadDoc",  
           signature(object = "StructuredTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   warning("load on demand not (yet) supported for StructuredTextDocuments")  
                   return(object)  
               } else  
                   return(object)  
           })  
61    
62  setGeneric("tmUpdate", function(object,  # The "..." are additional arguments for the FunctionGenerator reader
63                                  origin,  SCorpus <- Corpus <- function(object,
64                                  readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),                      readerControl = list(reader = object@DefaultReader, language = "eng"),
                                 ...) standardGeneric("tmUpdate"))  
 # Update is only supported for directories  
 # At the moment no other LoD devices are available anyway  
 setMethod("tmUpdate",  
           signature(object = "Corpus", origin = "DirSource"),  
           function(object, origin,  
                    readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),  
65                     ...) {                     ...) {
66                if (is.null(readerControl$reader))                if (is.null(readerControl$reader))
67                    readerControl$reader <- origin@DefaultReader          readerControl$reader <- object@DefaultReader
68                if (is(readerControl$reader, "FunctionGenerator"))                if (is(readerControl$reader, "FunctionGenerator"))
69                    readerControl$reader <- readerControl$reader(...)                    readerControl$reader <- readerControl$reader(...)
70                if (is.null(readerControl$language))                if (is.null(readerControl$language))
71                    readerControl$language = "en_US"          readerControl$language <- "eng"
72                if (is.null(readerControl$load))  
73                    readerControl$load = TRUE      # Allocate memory in advance if length is known
74        tdl <- if (object@Length > 0)
75                object.filelist <- unlist(lapply(object, function(x) {summary(eval(URI(x)))$description}))          vector("list", as.integer(object@Length))
76                new.files <- setdiff(origin@FileList, object.filelist)      else
77            list()
78                for (filename in new.files) {  
79                    encoding <- origin@Encoding      if (object@Vectorized)
80                    elem <- list(content = readLines(filename, encoding = encoding),          tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),
81                                 uri = substitute(file(filename, encoding = encoding)))                        function(x) readerControl$reader(x[c("content", "uri")],
82                    object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))                                                         readerControl$language,
83                                                           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
93                    tdl <- c(tdl, list(doc))
94                counter <- counter + 1
95            }
96                }                }
97    
98                return(object)      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
99            })      cmeta.node <- new("MetaDataNode",
100                          NodeID = 0,
101                          MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
102                          children = list())
103    
104        new("SCorpus", .Data = tdl, DMetaData = df, CMetaData = cmeta.node)
105    }
106    
107  setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))  setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))
108  setMethod("tmMap",  setMethod("tmMap",
109            signature(object = "Corpus", FUN = "function"),            signature(object = "FCorpus", FUN = "function"),
110            function(object, FUN, ..., lazy = FALSE) {            function(object, FUN, ..., lazy = FALSE) {
               result <- object  
               # Note that text corpora are automatically loaded into memory via \code{[[}  
               if (DBControl(object)[["useDb"]]) {  
111                    if (lazy)                    if (lazy)
112                        warning("lazy mapping is deactived when using database backend")                    warning("lazy mapping is deactivated")
113                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
114                    i <- 1                lapply(object, FUN, ..., DMetaData = data.frame())
115                    for (id in unlist(object)) {            })
116                        db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))  setMethod("tmMap",
117                        i <- i + 1            signature(object = "SCorpus", FUN = "function"),
118                    }            function(object, FUN, ..., lazy = FALSE) {
119                    # Suggested by Christian Buchta                result <- object
                   dbReorganize(db)  
               }  
               else {  
120                    # Lazy mapping                    # Lazy mapping
121                    if (lazy) {                    if (lazy) {
122                        lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")                        lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
# Line 203  Line 136 
136                        else                        else
137                            lapply(object, FUN, ..., DMetaData = DMetaData(object))                            lapply(object, FUN, ..., DMetaData = DMetaData(object))
138                    }                    }
139                  result
140              })
141    setMethod("tmMap",
142              signature(object = "PCorpus", FUN = "function"),
143              function(object, FUN, ..., lazy = FALSE) {
144                  # TODO: When should lazy mapping be conceptually available?
145                  if (lazy)
146                      warning("lazy mapping is deactived when using database backend")
147                  db <- filehash::dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
148                  i <- 1
149                  for (id in unlist(object)) {
150                      db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
151                      i <- i + 1
152                }                }
153                return(result)                # Suggested by Christian Buchta
154                  filehash::dbReorganize(db)
155    
156                  object
157            })            })
158    
159  # Materialize lazy mappings  # Materialize lazy mappings
# Line 215  Line 164 
164         # Make valid and lazy index         # Make valid and lazy index
165         idx <- (seq_along(corpus) %in% range) & lazyTmMap$index         idx <- (seq_along(corpus) %in% range) & lazyTmMap$index
166         if (any(idx)) {         if (any(idx)) {
167             res <- lapply(corpus@.Data[idx], loadDoc)             res <- corpus@.Data[idx]
168             for (m in lazyTmMap$maps)             for (m in lazyTmMap$maps)
169                 res <- lapply(res, m, DMetaData = DMetaData(corpus))                 res <- lapply(res, m, DMetaData = DMetaData(corpus))
170             corpus@.Data[idx] <- res             corpus@.Data[idx] <- res
# Line 226  Line 175 
175      if (!any(lazyTmMap$index))      if (!any(lazyTmMap$index))
176          lazyTmMap <- NULL          lazyTmMap <- NULL
177      meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap      meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
178      return(corpus)      corpus
179  }  }
180    
181  setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))  setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
182  setMethod("asPlain",  setMethod("asPlain", signature(object = "PlainTextDocument"),
183            signature(object = "PlainTextDocument"),            function(object, FUN, ...) object)
           function(object, FUN, ...) {  
               return(object)  
           })  
184  setMethod("asPlain",  setMethod("asPlain",
185            signature(object = "XMLTextDocument"),            signature(object = "XMLTextDocument"),
186            function(object, FUN, ...) {            function(object, FUN, ...) {
187                  require("XML")
188    
189                corpus <- Content(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
# Line 249  Line 197 
197  setMethod("asPlain",  setMethod("asPlain",
198            signature(object = "Reuters21578Document"),            signature(object = "Reuters21578Document"),
199            function(object, FUN, ...) {            function(object, FUN, ...) {
200                  require("XML")
201    
202                FUN <- convertReut21578XMLPlain                FUN <- convertReut21578XMLPlain
203                corpus <- Content(object)                corpus <- Content(object)
204    
# Line 258  Line 208 
208    
209                return(FUN(xmlRoot(corpus), ...))                return(FUN(xmlRoot(corpus), ...))
210            })            })
211  setMethod("asPlain",  setMethod("asPlain", signature(object = "RCV1Document"),
212            signature(object = "RCV1Document"),            function(object, FUN, ...) convertRCV1Plain(object, ...))
           function(object, FUN, ...) {  
               return(convertRCV1Plain(object, ...))  
           })  
213  setMethod("asPlain",  setMethod("asPlain",
214            signature(object = "NewsgroupDocument"),            signature(object = "NewsgroupDocument"),
215            function(object, FUN, ...) {            function(object, FUN, ...) {
216                new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = NULL, Author = Author(object),                new("PlainTextDocument", .Data = Content(object), Author = Author(object),
217                    DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),                    DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
218                    Origin = Origin(object), Heading = Heading(object), Language = Language(object),                    Origin = Origin(object), Heading = Heading(object), Language = Language(object),
219                    LocalMetaData = LocalMetaData(object))                    LocalMetaData = LocalMetaData(object))
# Line 274  Line 221 
221  setMethod("asPlain",  setMethod("asPlain",
222            signature(object = "StructuredTextDocument"),            signature(object = "StructuredTextDocument"),
223            function(object, FUN, ...) {            function(object, FUN, ...) {
224                new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,                new("PlainTextDocument", .Data = unlist(Content(object)),
225                    URI = NULL, Author = Author(object), DateTimeStamp = DateTimeStamp(object),                    Author = Author(object), DateTimeStamp = DateTimeStamp(object),
226                    Description = Description(object), ID = ID(object), Origin = Origin(object),                    Description = Description(object), ID = ID(object), Origin = Origin(object),
227                    Heading = Heading(object), Language = Language(object),                    Heading = Heading(object), Language = Language(object),
228                    LocalMetaData = LocalMetaData(object))                    LocalMetaData = LocalMetaData(object))
229            })            })
230    
231  setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))  setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))
232  setMethod("tmFilter",  setMethod("tmFilter", signature(object = "Corpus"),
233            signature(object = "Corpus"),            function(object, ..., FUN = searchFullText, doclevel = TRUE)
234            function(object, ..., FUN = searchFullText, doclevel = TRUE) {                object[tmIndex(object, ..., FUN = FUN, doclevel = doclevel)])
               if (!is.null(attr(FUN, "doclevel")))  
                   doclevel <- attr(FUN, "doclevel")  
               if (doclevel) {  
                   if (clusterAvailable())  
                       return(object[snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))])  
                   else  
                       return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])  
               }  
               else  
                   return(object[FUN(object, ...)])  
           })  
235    
236  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))
237  setMethod("tmIndex",  setMethod("tmIndex",
# Line 313  Line 249 
249                    return(FUN(object, ...))                    return(FUN(object, ...))
250            })            })
251    
252    # TODO: Replace with c(Corpus, TextDocument)?
253  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
254  setMethod("appendElem",  setMethod("appendElem",
255            signature(object = "Corpus", data = "TextDocument"),            signature(object = "Corpus", data = "TextDocument"),
256            function(object, data, meta = NULL) {            function(object, data, meta = NULL) {
257                if (DBControl(object)[["useDb"]]) {                if (DBControl(object)[["useDb"]] && require("filehash")) {
258                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
259                    if (dbExists(db, ID(data)))                    if (dbExists(db, ID(data)))
260                        warning("document with identical ID already exists")                        warning("document with identical ID already exists")
# Line 330  Line 267 
267                return(object)                return(object)
268            })            })
269    
270  setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))  prescindMeta <- function(object, meta) {
271  setMethod("appendMeta",      df <- DMetaData(object)
           signature(object = "Corpus"),  
           function(object, cmeta = NULL, dmeta = NULL) {  
               object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)  
               if (!is.null(dmeta)) {  
                   DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))  
               }  
               return(object)  
           })  
272    
273  setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))      for (m in meta)
274  setMethod("removeMeta",          df <- cbind(df, structure(data.frame(I(meta(object, tag = m, type = "local"))), names = m))
           signature(object = "Corpus"),  
           function(object, cname = NULL, dname = NULL) {  
               if (!is.null(cname))  
                   object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]  
               if (!is.null(dname))  
                   DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]  
               return(object)  
           })  
275    
276  setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))      df
 setMethod("prescindMeta",  
           signature(object = "Corpus", meta = "character"),  
           function(object, meta) {  
               for (m in meta) {  
                   if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {  
                       local.m <- lapply(object, m)  
                       local.m <- sapply(local.m, paste, collapse = " ")  
                       local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))  
                       local.m <- unlist(local.m)  
                       DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))  
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m  
                   }  
                   else {  
                       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)  
                       DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))  
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- 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 = "Corpus", 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                if (DBControl(object)[["useDb"]]) {                x
                   index <- object@DMetaData[[1 , "subset"]]  
                   if (any(is.na(index)))  
                       object@DMetaData[[1 , "subset"]] <- i  
                   else  
                       object@DMetaData[[1 , "subset"]] <- index[i]  
               }  
               else  
                   DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]  
               return(object)  
299            })            })
300    
301  setMethod("[<-",  setMethod("[<-",
302            signature(x = "Corpus", 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"]])
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
305                    counter <- 1                    counter <- 1
306                    for (id in object@.Data[i, ...]) {                for (id in x@.Data[i, ...]) {
307                        if (length(value) == 1)                    if (identical(length(value), 1)) db[[id]] <- value
308                            db[[id]] <- value                    else db[[id]] <- value[[counter]]
                       else {  
                           db[[id]] <- value[[counter]]  
                       }  
309                        counter <- counter + 1                        counter <- counter + 1
310                    }                    }
311                }                x
312                else            })
313                    object@.Data[i, ...] <- value  setMethod("[<-",
314                return(object)            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 = "Corpus", i = "ANY", j = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY"),
322            function(x, i, j, ...) {            function(x, i, j, ...) {
323                if (DBControl(x)[["useDb"]]) {                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
324                    db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])                filehash::dbFetch(db, x@.Data[[i]])
325                    result <- dbFetch(db, x@.Data[[i]])            })
326                    return(loadDoc(result))  setMethod("[[",
327                }            signature(x = "SCorpus", i = "ANY", j = "ANY"),
328                else {            function(x, i, j, ...) {
329                  # TODO: For which corpora should lazy mapping be available?
330                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
331                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
332                        .Call("copyCorpus", x, materialize(x, i))                        .Call("copyCorpus", x, materialize(x, i))
333                    return(loadDoc(x@.Data[[i]]))                x@.Data[[i]]
               }  
334            })            })
335    
336  setMethod("[[<-",  setMethod("[[<-",
337            signature(x = "Corpus", 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                if (DBControl(object)[["useDb"]]) {                index <- x@.Data[[i]]
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   index <- object@.Data[[i]]  
341                    db[[index]] <- value                    db[[index]] <- value
342                }                x
343                else {            })
344    setMethod("[[<-",
345              signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),
346              function(x, i, j, ..., value) {
347                    # Mark new objects as not active for lazy mapping                    # Mark new objects as not active for lazy mapping
348                    lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
349                    if (!is.null(lazyTmMap)) {                    if (!is.null(lazyTmMap)) {
350                        lazyTmMap$index[i] <- FALSE                        lazyTmMap$index[i] <- FALSE
351                        meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
352                    }                    }
353                    # Set the value                    # Set the value
354                    object@.Data[[i, ...]] <- value                x@.Data[[i, ...]] <- value
355                }  
356                return(object)                x
357            })            })
358    
359  # Update \code{NodeID}s of a CMetaData tree  # Update \code{NodeID}s of a CMetaData tree
# Line 487  Line 384 
384      return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))      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 = "Corpus"),            signature(x = "Corpus"),
390            function(x, ..., meta = list(merge_date = Sys.time(), 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                args <- list(...)                args <- list(...)
392                if (length(args) == 0)                if (length(args) == 0)
393                    return(x)                    return(x)
394    
395                if (!all(sapply(args, inherits, "Corpus")))                if (!all(sapply(args, inherits, "SCorpus")))
396                    stop("not all arguments are text document collections")                    stop("not all arguments are standard corpora")
               if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))  
                   stop("concatenating text document collections with activated database is not supported")  
397    
398                result <- x                Reduce(c2, base::c(list(x), args))
               for (c in args) {  
                   result <- c2(result, c)  
               }  
               return(result)  
399            })            })
400    
401  setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))  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",  setMethod("c2",
403            signature(x = "Corpus", y = "Corpus"),            signature(x = "SCorpus", y = "SCorpus"),
404            function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {            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    
               # Set the DBControl slot  
               object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")  
   
409                # Update the CMetaData tree                # Update the CMetaData tree
410                cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))                cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
411                update.struct <- update_id(cmeta)                update.struct <- update_id(cmeta)
# Line 566  Line 455 
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                cmeta.node <- new("MetaDataNode",                cmeta.node <- new("MetaDataNode",
462                              NodeID = 0,                              NodeID = 0,
463                              MetaData = list(create_date = Sys.time(), 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("Corpus",                new("SCorpus", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node)
                          .Data = list(x, ...),  
                          DMetaData = dmeta.df,  
                          CMetaData = cmeta.node,  
                          DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))  
           })  
   
 setMethod("length",  
           signature(x = "Corpus"),  
           function(x){  
               return(length(as(x, "list")))  
467      })      })
468    
469  setMethod("show",  setMethod("show",
470            signature(object = "Corpus"),            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    
# Line 613  Line 491 
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("Corpus"),      summary(x)
           function(object) {  
               summary(object)  
497                cat("\n")                cat("\n")
498                if (DBControl(object)[["useDb"]]) {      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
499                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])      show(filehash::dbMultiFetch(db, unlist(x)))
500                    show(dbMultiFetch(db, unlist(object)))  }
501    inspect.FCorpus <- inspect.SCorpus <- function(x) {
502        summary(x)
503        cat("\n")
504        print(noquote(lapply(x, identity)))
505                }                }
               else  
                   print(noquote(lapply(object, identity)))  
           })  
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 = "Corpus"),  
510            function(x, y) {            function(x, y) {
511                if (DBControl(y)[["useDb"]]) {                db <- filehash::dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
512                    db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])                any(sapply(y, function(x, z) {x %in% Content(z)}, x))
                   result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))  
               }  
               else  
                   result <- x %in% y  
               return(result)  
513            })            })
514    setMethod("%IN%", signature(x = "TextDocument", y = "SCorpus"),
515              function(x, y) x %in% y)
516    
517  setMethod("lapply",  setMethod("lapply",
518            signature(X = "Corpus"),            signature(X = "SCorpus"),
519            function(X, FUN, ...) {            function(X, FUN, ...) {
               if (DBControl(X)[["useDb"]]) {  
                   db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
                   result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)  
               }  
               else {  
520                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
521                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
522                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
523                    result <- base::lapply(X, FUN, ...)                base::lapply(X, FUN, ...)
524                }            })
525                return(result)  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",  setMethod("sapply",
533            signature(X = "Corpus"),            signature(X = "SCorpus"),
534            function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {            function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
               if (DBControl(X)[["useDb"]]) {  
                   db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
                   result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)  
               }  
               else {  
535                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
536                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
537                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
538                    result <- base::sapply(X, FUN, ...)                base::sapply(X, FUN, ...)
539                }            })
540                return(result)  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", "Corpus", function(from) {  setAs("list", "SCorpus", function(from) {
548      cmeta.node <- new("MetaDataNode",      cmeta.node <- new("MetaDataNode",
549                        NodeID = 0,                        NodeID = 0,
550                        MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
551                        children = list())                        children = list())
552      data <- list()      data <- list()
553      counter <- 1      counter <- 1
554      for (f in from) {      for (f in from) {
555          doc <- new("PlainTextDocument",          doc <- new("PlainTextDocument",
556                     .Data = f, URI = NULL, Cached = TRUE,                     .Data = f,
557                     Author = "", DateTimeStamp = Sys.time(),                     Author = "", DateTimeStamp = as.POSIXlt(Sys.time(), tz = "GMT"),
558                     Description = "", ID = as.character(counter),                     Description = "", ID = as.character(counter),
559                     Origin = "", Heading = "", Language = "en_US")                     Origin = "", Heading = "", Language = "eng")
560          data <- c(data, list(doc))          data <- c(data, list(doc))
561          counter <- counter + 1          counter <- counter + 1
562      }      }
563      return(new("Corpus", .Data = data,      new("SCorpus", .Data = data,
564                 DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),                 DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),
565                 CMetaData = cmeta.node,          CMetaData = cmeta.node)
                DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))  
566  })  })
567    
568  setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))

Legend:
Removed from v.875  
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