SCM

SCM Repository

[tm] Annotation of /trunk/tm/R/textdoccol.R
ViewVC logotype

Annotation of /trunk/tm/R/textdoccol.R

Parent Directory Parent Directory | Revision Log Revision Log


Revision 760 - (view) (download)

1 : feinerer 17 # Author: Ingo Feinerer
2 :    
3 : feinerer 722 # The "..." are additional arguments for the FunctionGenerator reader
4 : feinerer 712 setGeneric("TextDocCol", function(object,
5 : feinerer 733 readerControl = list(reader = object@DefaultReader, language = "en_US", load = FALSE),
6 : feinerer 741 dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
7 : feinerer 733 ...) standardGeneric("TextDocCol"))
8 : feinerer 49 setMethod("TextDocCol",
9 : feinerer 63 signature(object = "Source"),
10 : feinerer 717 function(object,
11 : feinerer 733 readerControl = list(reader = object@DefaultReader, language = "en_US", load = FALSE),
12 : feinerer 741 dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
13 : feinerer 733 ...) {
14 : feinerer 722 if (attr(readerControl$reader, "FunctionGenerator"))
15 :     readerControl$reader <- readerControl$reader(...)
16 : feinerer 63
17 : feinerer 712 if (dbControl$useDb) {
18 :     if (!dbCreate(dbControl$dbName, dbControl$dbType))
19 :     stop("error in creating database")
20 :     db <- dbInit(dbControl$dbName, dbControl$dbType)
21 :     }
22 :    
23 : feinerer 63 tdl <- list()
24 :     counter <- 1
25 :     while (!eoi(object)) {
26 : feinerer 698 object <- stepNext(object)
27 :     elem <- getElem(object)
28 : feinerer 63 # If there is no Load on Demand support
29 :     # we need to load the corpus into memory at startup
30 : feinerer 694 if (!object@LoDSupport)
31 : feinerer 722 readerControl$load <- TRUE
32 :     doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))
33 : feinerer 712 if (dbControl$useDb) {
34 :     dbInsert(db, ID(doc), doc)
35 :     tdl <- c(tdl, ID(doc))
36 :     }
37 :     else
38 :     tdl <- c(tdl, list(doc))
39 : feinerer 63 counter <- counter + 1
40 :     }
41 :    
42 : feinerer 712 df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
43 :     if (dbControl$useDb) {
44 :     dbInsert(db, "DMetaData", df)
45 : feinerer 727 dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
46 : feinerer 712 }
47 :     else
48 :     dmeta.df <- df
49 :    
50 : feinerer 698 cmeta.node <- new("MetaDataNode",
51 : feinerer 71 NodeID = 0,
52 : feinerer 689 MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
53 : feinerer 71 children = list())
54 :    
55 : feinerer 712 return(new("TextDocCol", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
56 : feinerer 21 })
57 :    
58 : feinerer 698 setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
59 :     setMethod("loadDoc",
60 : feinerer 62 signature(object = "PlainTextDocument"),
61 : feinerer 65 function(object, ...) {
62 : feinerer 61 if (!Cached(object)) {
63 : feinerer 67 con <- eval(URI(object))
64 : feinerer 65 corpus <- readLines(con)
65 :     close(con)
66 : feinerer 56 Corpus(object) <- corpus
67 : feinerer 60 Cached(object) <- TRUE
68 : feinerer 56 return(object)
69 :     } else {
70 :     return(object)
71 :     }
72 :     })
73 : feinerer 698 setMethod("loadDoc",
74 : feinerer 62 signature(object = "XMLTextDocument"),
75 : feinerer 65 function(object, ...) {
76 : feinerer 61 if (!Cached(object)) {
77 : feinerer 67 con <- eval(URI(object))
78 : feinerer 65 corpus <- paste(readLines(con), "\n", collapse = "")
79 :     close(con)
80 :     doc <- xmlTreeParse(corpus, asText = TRUE)
81 : feinerer 49 class(doc) <- "list"
82 : feinerer 56 Corpus(object) <- doc
83 : feinerer 60 Cached(object) <- TRUE
84 : feinerer 49 return(object)
85 :     } else {
86 :     return(object)
87 :     }
88 :     })
89 : feinerer 698 setMethod("loadDoc",
90 : feinerer 62 signature(object = "NewsgroupDocument"),
91 : feinerer 65 function(object, ...) {
92 : feinerer 61 if (!Cached(object)) {
93 : feinerer 67 con <- eval(URI(object))
94 : feinerer 65 mail <- readLines(con)
95 :     close(con)
96 : feinerer 60 Cached(object) <- TRUE
97 : feinerer 744 for (index in seq_along(mail)) {
98 : feinerer 65 if (mail[index] == "")
99 :     break
100 :     }
101 : feinerer 56 Corpus(object) <- mail[(index + 1):length(mail)]
102 :     return(object)
103 :     } else {
104 :     return(object)
105 :     }
106 :     })
107 : feinerer 49
108 : feinerer 719 setGeneric("tmUpdate", function(object,
109 :     origin,
110 : feinerer 723 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
111 : feinerer 719 ...) standardGeneric("tmUpdate"))
112 : feinerer 72 # Update is only supported for directories
113 :     # At the moment no other LoD devices are available anyway
114 : feinerer 698 setMethod("tmUpdate",
115 : feinerer 72 signature(object = "TextDocCol", origin = "DirSource"),
116 : feinerer 719 function(object, origin,
117 : feinerer 723 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
118 : feinerer 719 ...) {
119 : feinerer 722 if (inherits(readerControl$reader, "FunctionGenerator"))
120 :     readerControl$reader <- readerControl$reader(...)
121 : feinerer 72
122 :     object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
123 :     new.files <- setdiff(origin@FileList, object.filelist)
124 :    
125 :     for (filename in new.files) {
126 :     elem <- list(content = readLines(filename),
127 :     uri = substitute(file(filename)))
128 : feinerer 722 object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
129 : feinerer 72 }
130 :    
131 :     return(object)
132 :     })
133 :    
134 : feinerer 698 setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))
135 :     setMethod("tmMap",
136 : feinerer 62 signature(object = "TextDocCol", FUN = "function"),
137 : feinerer 49 function(object, FUN, ...) {
138 : feinerer 73 result <- object
139 : feinerer 689 # Note that text corpora are automatically loaded into memory via \code{[[}
140 : feinerer 719 if (DBControl(object)[["useDb"]]) {
141 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
142 : feinerer 728 i <- 1
143 :     for (id in unlist(object)) {
144 :     db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
145 :     i <- i + 1
146 :     }
147 : feinerer 719 }
148 :     else
149 :     result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
150 : feinerer 56 return(result)
151 : feinerer 49 })
152 :    
153 : feinerer 698 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
154 :     setMethod("asPlain",
155 : feinerer 62 signature(object = "PlainTextDocument"),
156 : feinerer 49 function(object, FUN, ...) {
157 :     return(object)
158 :     })
159 : feinerer 698 setMethod("asPlain",
160 : feinerer 62 signature(object = "XMLTextDocument", FUN = "function"),
161 : feinerer 49 function(object, FUN, ...) {
162 : feinerer 56 corpus <- Corpus(object)
163 : feinerer 49
164 :     # As XMLDocument is no native S4 class, restore valid information
165 :     class(corpus) <- "XMLDocument"
166 :     names(corpus) <- c("doc","dtd")
167 :    
168 : feinerer 61 return(FUN(xmlRoot(corpus), ...))
169 : feinerer 49 })
170 : feinerer 725 setMethod("asPlain",
171 : feinerer 757 signature(object = "Reuters21578Document"),
172 :     function(object, FUN, ...) {
173 :     FUN <- convertReut21578XMLPlain
174 :     corpus <- Corpus(object)
175 :    
176 :     # As XMLDocument is no native S4 class, restore valid information
177 :     class(corpus) <- "XMLDocument"
178 :     names(corpus) <- c("doc","dtd")
179 :    
180 :     return(FUN(xmlRoot(corpus), ...))
181 :     })
182 :     setMethod("asPlain",
183 :     signature(object = "RCV1Document"),
184 :     function(object, FUN, ...) {
185 :     FUN <- convertRCV1Plain
186 :     corpus <- Corpus(object)
187 :    
188 :     # As XMLDocument is no native S4 class, restore valid information
189 :     class(corpus) <- "XMLDocument"
190 :     names(corpus) <- c("doc","dtd")
191 :    
192 :     return(FUN(xmlRoot(corpus), ...))
193 :     })
194 :     setMethod("asPlain",
195 : feinerer 725 signature(object = "NewsgroupDocument"),
196 :     function(object, FUN, ...) {
197 :     new("PlainTextDocument", .Data = Corpus(object), Cached = TRUE, URI = "", Author = Author(object),
198 :     DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
199 :     Origin = Origin(object), Heading = Heading(object), Language = Language(object))
200 :     })
201 : feinerer 49
202 : feinerer 698 setGeneric("tmTolower", function(object, ...) standardGeneric("tmTolower"))
203 :     setMethod("tmTolower",
204 : feinerer 67 signature(object = "PlainTextDocument"),
205 :     function(object, ...) {
206 :     Corpus(object) <- tolower(object)
207 :     return(object)
208 :     })
209 :    
210 : feinerer 698 setGeneric("stripWhitespace", function(object, ...) standardGeneric("stripWhitespace"))
211 :     setMethod("stripWhitespace",
212 : feinerer 67 signature(object = "PlainTextDocument"),
213 :     function(object, ...) {
214 :     Corpus(object) <- gsub("[[:space:]]+", " ", object)
215 :     return(object)
216 :     })
217 :    
218 : feinerer 713 setGeneric("stemDoc", function(object, language = "english", ...) standardGeneric("stemDoc"))
219 : feinerer 698 setMethod("stemDoc",
220 : feinerer 62 signature(object = "PlainTextDocument"),
221 : feinerer 713 function(object, language = "english", ...) {
222 : feinerer 49 splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
223 : feinerer 760 stemmedCorpus <- if (require("Rstem", quietly = TRUE))
224 : feinerer 713 Rstem::wordStem(splittedCorpus, language)
225 :     else
226 :     SnowballStemmer(splittedCorpus, Weka_control(S = language))
227 : feinerer 56 Corpus(object) <- paste(stemmedCorpus, collapse = " ")
228 :     return(object)
229 : feinerer 49 })
230 :    
231 : feinerer 722 setGeneric("removePunctuation", function(object, ...) standardGeneric("removePunctuation"))
232 :     setMethod("removePunctuation",
233 :     signature(object = "PlainTextDocument"),
234 :     function(object, ...) {
235 :     Corpus(object) <- gsub("[[:punct:]]+", "", Corpus(object))
236 :     return(object)
237 :     })
238 :    
239 : feinerer 698 setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))
240 :     setMethod("removeWords",
241 : feinerer 60 signature(object = "PlainTextDocument", stopwords = "character"),
242 : feinerer 61 function(object, stopwords, ...) {
243 : feinerer 49 splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
244 :     noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]
245 : feinerer 56 Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")
246 :     return(object)
247 : feinerer 49 })
248 :    
249 : feinerer 755 setGeneric("replaceWords", function(object, words, by, ...) standardGeneric("replaceWords"))
250 :     setMethod("replaceWords",
251 :     signature(object = "PlainTextDocument", words = "character", by = "character"),
252 :     function(object, words, by, ...) {
253 :     pattern <- paste(words, collapse = "|")
254 :     Corpus(object) <- gsub(pattern, by, Corpus(object))
255 :     return(object)
256 :     })
257 :    
258 : feinerer 698 setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
259 :     setMethod("tmFilter",
260 : feinerer 61 signature(object = "TextDocCol"),
261 : feinerer 698 function(object, ..., FUN = sFilter, doclevel = FALSE) {
262 : feinerer 73 if (doclevel)
263 :     return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
264 :     else
265 : feinerer 724 return(object[FUN(object, ...)])
266 : feinerer 61 })
267 :    
268 : feinerer 698 setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
269 :     setMethod("tmIndex",
270 : feinerer 61 signature(object = "TextDocCol"),
271 : feinerer 698 function(object, ..., FUN = sFilter, doclevel = FALSE) {
272 : feinerer 73 if (doclevel)
273 :     return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
274 :     else
275 : feinerer 724 return(FUN(object, ...))
276 : feinerer 49 })
277 :    
278 : feinerer 698 sFilter <- function(object, s, ...) {
279 : feinerer 73 con <- textConnection(s)
280 :     tokens <- scan(con, "character")
281 :     close(con)
282 : feinerer 721 localMetaNames <- unique(names(sapply(object, LocalMetaData)))
283 :     localMetaTokens <- localMetaNames[localMetaNames %in% tokens]
284 : feinerer 729 n <- names(DMetaData(object))
285 :     tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)
286 :     query.df <- DMetaData(prescindMeta(object, tags))
287 :     if (DBControl(object)[["useDb"]])
288 :     DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = FALSE]
289 : feinerer 721 # Rename to avoid name conflicts
290 :     names(query.df)[names(query.df) == "Author"] <- "author"
291 :     names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"
292 :     names(query.df)[names(query.df) == "Description"] <- "description"
293 :     names(query.df)[names(query.df) == "ID"] <- "identifier"
294 :     names(query.df)[names(query.df) == "Origin"] <- "origin"
295 :     names(query.df)[names(query.df) == "Heading"] <- "heading"
296 :     names(query.df)[names(query.df) == "Language"] <- "language"
297 : feinerer 73 attach(query.df)
298 : feinerer 74 try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
299 : feinerer 73 detach(query.df)
300 :     return(result)
301 : feinerer 61 }
302 :    
303 : feinerer 698 setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))
304 :     setMethod("searchFullText",
305 : feinerer 61 signature(object = "PlainTextDocument", pattern = "character"),
306 :     function(object, pattern, ...) {
307 :     return(any(grep(pattern, Corpus(object))))
308 :     })
309 :    
310 : feinerer 698 setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
311 :     setMethod("appendElem",
312 : feinerer 72 signature(object = "TextDocCol", data = "TextDocument"),
313 :     function(object, data, meta = NULL) {
314 : feinerer 712 if (DBControl(object)[["useDb"]]) {
315 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
316 :     if (dbExists(db, ID(data)))
317 :     warning("document with identical ID already exists")
318 :     dbInsert(db, ID(data), data)
319 :     object@.Data[[length(object)+1]] <- ID(data)
320 :     }
321 :     else
322 :     object@.Data[[length(object)+1]] <- data
323 :     DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
324 : feinerer 52 return(object)
325 :     })
326 :    
327 : feinerer 698 setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
328 :     setMethod("appendMeta",
329 : feinerer 72 signature(object = "TextDocCol"),
330 : feinerer 698 function(object, cmeta = NULL, dmeta = NULL) {
331 : feinerer 712 object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
332 :     if (!is.null(dmeta)) {
333 : feinerer 719 DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
334 : feinerer 712 }
335 : feinerer 52 return(object)
336 :     })
337 : feinerer 53
338 : feinerer 698 setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
339 :     setMethod("removeMeta",
340 : feinerer 77 signature(object = "TextDocCol"),
341 : feinerer 698 function(object, cname = NULL, dname = NULL) {
342 : feinerer 729 if (!is.null(cname))
343 : feinerer 698 object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
344 : feinerer 729 if (!is.null(dname))
345 :     DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
346 : feinerer 77 return(object)
347 :     })
348 : feinerer 69
349 : feinerer 698 setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
350 :     setMethod("prescindMeta",
351 : feinerer 73 signature(object = "TextDocCol", meta = "character"),
352 :     function(object, meta) {
353 :     for (m in meta) {
354 : feinerer 719 if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
355 : feinerer 75 local.m <- lapply(object, m)
356 :     local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
357 : feinerer 73 local.m <- unlist(local.m)
358 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
359 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
360 : feinerer 75 }
361 :     else {
362 :     local.meta <- lapply(object, LocalMetaData)
363 :     local.m <- lapply(local.meta, "[[", m)
364 :     local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
365 :     if (length(local.m) == length(unlist(local.m)))
366 :     local.m <- unlist(local.m)
367 :     else
368 :     local.m <- I(local.m)
369 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
370 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
371 : feinerer 75 }
372 : feinerer 73 }
373 :     return(object)
374 :     })
375 :    
376 : feinerer 53 setMethod("[",
377 :     signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),
378 :     function(x, i, j, ... , drop) {
379 :     if(missing(i))
380 :     return(x)
381 :    
382 :     object <- x
383 :     object@.Data <- x@.Data[i, ..., drop = FALSE]
384 : feinerer 724 if (DBControl(object)[["useDb"]]) {
385 : feinerer 727 index <- object@DMetaData[[1 , "subset"]]
386 :     if (any(is.na(index)))
387 :     object@DMetaData[[1 , "subset"]] <- i
388 : feinerer 724 else
389 : feinerer 727 object@DMetaData[[1 , "subset"]] <- index[i]
390 : feinerer 724 }
391 : feinerer 729 else
392 :     DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
393 : feinerer 53 return(object)
394 :     })
395 :    
396 : feinerer 63 setMethod("[<-",
397 :     signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
398 :     function(x, i, j, ... , value) {
399 :     object <- x
400 : feinerer 724 if (DBControl(object)[["useDb"]]) {
401 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
402 :     counter <- 1
403 :     for (id in object@.Data[i, ...]) {
404 :     if (length(value) == 1)
405 :     db[[id]] <- value
406 :     else {
407 :     db[[id]] <- value[[counter]]
408 :     }
409 :     counter <- counter + 1
410 :     }
411 :     }
412 :     else
413 :     object@.Data[i, ...] <- value
414 : feinerer 63 return(object)
415 :     })
416 :    
417 :     setMethod("[[",
418 :     signature(x = "TextDocCol", i = "ANY", j = "ANY"),
419 :     function(x, i, j, ...) {
420 : feinerer 712 if (DBControl(x)[["useDb"]]) {
421 :     db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
422 :     result <- dbFetch(db, x@.Data[[i]])
423 :     return(loadDoc(result))
424 :     }
425 :     else
426 :     return(loadDoc(x@.Data[[i]]))
427 : feinerer 63 })
428 :    
429 :     setMethod("[[<-",
430 :     signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
431 :     function(x, i, j, ..., value) {
432 :     object <- x
433 : feinerer 712 if (DBControl(object)[["useDb"]]) {
434 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
435 :     index <- object@.Data[[i]]
436 :     db[[index]] <- value
437 :     }
438 :     else
439 :     object@.Data[[i, ...]] <- value
440 : feinerer 63 return(object)
441 :     })
442 :    
443 : feinerer 698 # Update \code{NodeID}s of a CMetaData tree
444 : feinerer 697 update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
445 : feinerer 698 # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
446 : feinerer 697 set_id <- function(object) {
447 :     object@NodeID <- id
448 :     id <<- id + 1
449 :     level <<- level + 1
450 : feinerer 71
451 : feinerer 697 if (length(object@children) > 0) {
452 :     mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
453 :     left <- set_id(object@children[[1]])
454 :     if (level == 1) {
455 :     left.mapping <<- mapping
456 :     mapping <<- NULL
457 :     }
458 :     mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
459 :     right <- set_id(object@children[[2]])
460 : feinerer 71
461 : feinerer 697 object@children <- list(left, right)
462 : feinerer 71 }
463 : feinerer 697 level <<- level - 1
464 : feinerer 71
465 : feinerer 697 return(object)
466 : feinerer 71 }
467 :    
468 : feinerer 697 return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
469 : feinerer 71 }
470 :    
471 : feinerer 53 setMethod("c",
472 :     signature(x = "TextDocCol"),
473 : feinerer 689 function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
474 :     args <- list(...)
475 : feinerer 720 if (length(args) == 0)
476 : feinerer 689 return(x)
477 : feinerer 71
478 : feinerer 720 if (!all(sapply(args, inherits, "TextDocCol")))
479 :     stop("not all arguments are text document collections")
480 : feinerer 730 if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
481 : feinerer 720 stop("concatenating text document collections with activated database is not supported")
482 :    
483 : feinerer 689 result <- x
484 :     for (c in args) {
485 :     result <- c2(result, c)
486 :     }
487 :     return(result)
488 :     })
489 :    
490 :     setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
491 :     setMethod("c2",
492 :     signature(x = "TextDocCol", y = "TextDocCol"),
493 :     function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
494 : feinerer 71 object <- x
495 :     # Concatenate data slots
496 :     object@.Data <- c(as(x, "list"), as(y, "list"))
497 :    
498 : feinerer 720 # Set the DBControl slot
499 : feinerer 741 object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
500 : feinerer 720
501 : feinerer 698 # Update the CMetaData tree
502 :     cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
503 :     update.struct <- update_id(cmeta)
504 :     object@CMetaData <- update.struct$root
505 : feinerer 71
506 :     # Find indices to be updated for the left tree
507 :     indices.mapping <- NULL
508 :     for (m in levels(as.factor(DMetaData(x)$MetaID))) {
509 :     indices <- (DMetaData(x)$MetaID == m)
510 :     indices.mapping <- c(indices.mapping, list(m = indices))
511 :     names(indices.mapping)[length(indices.mapping)] <- m
512 :     }
513 :    
514 :     # Update the DMetaData data frames for the left tree
515 :     for (i in 1:ncol(update.struct$left.mapping)) {
516 :     map <- update.struct$left.mapping[,i]
517 :     x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
518 :     }
519 :    
520 :     # Find indices to be updated for the right tree
521 :     indices.mapping <- NULL
522 :     for (m in levels(as.factor(DMetaData(y)$MetaID))) {
523 :     indices <- (DMetaData(y)$MetaID == m)
524 :     indices.mapping <- c(indices.mapping, list(m = indices))
525 :     names(indices.mapping)[length(indices.mapping)] <- m
526 :     }
527 :    
528 :     # Update the DMetaData data frames for the right tree
529 :     for (i in 1:ncol(update.struct$right.mapping)) {
530 :     map <- update.struct$right.mapping[,i]
531 :     y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
532 :     }
533 :    
534 :     # Merge the DMetaData data frames
535 :     labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
536 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
537 :     x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
538 :     labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
539 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
540 :     y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
541 :     object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
542 :    
543 :     return(object)
544 : feinerer 72 })
545 : feinerer 689
546 : feinerer 72 setMethod("c",
547 :     signature(x = "TextDocument"),
548 :     function(x, ..., recursive = TRUE){
549 :     args <- list(...)
550 :     if(length(args) == 0)
551 :     return(x)
552 : feinerer 54
553 : feinerer 73 dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
554 : feinerer 698 cmeta.node <- new("MetaDataNode",
555 : feinerer 72 NodeID = 0,
556 : feinerer 689 MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
557 : feinerer 72 children = list())
558 :    
559 : feinerer 720 return(new("TextDocCol",
560 :     .Data = list(x, ...),
561 :     DMetaData = dmeta.df,
562 :     CMetaData = cmeta.node,
563 : feinerer 741 DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
564 : feinerer 72 })
565 :    
566 : feinerer 54 setMethod("length",
567 :     signature(x = "TextDocCol"),
568 :     function(x){
569 :     return(length(as(x, "list")))
570 :     })
571 :    
572 :     setMethod("show",
573 :     signature(object = "TextDocCol"),
574 :     function(object){
575 : feinerer 70 cat(sprintf(ngettext(length(object),
576 :     "A text document collection with %d text document\n",
577 :     "A text document collection with %d text documents\n"),
578 :     length(object)))
579 : feinerer 54 })
580 :    
581 :     setMethod("summary",
582 :     signature(object = "TextDocCol"),
583 :     function(object){
584 :     show(object)
585 : feinerer 71 if (length(DMetaData(object)) > 0) {
586 : feinerer 698 cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
587 : feinerer 77 "\nThe metadata consists of %d tag-value pair and a data frame\n",
588 :     "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
589 : feinerer 698 length(CMetaData(object)@MetaData)))
590 : feinerer 54 cat("Available tags are:\n")
591 : feinerer 722 cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
592 : feinerer 77 cat("Available variables in the data frame are:\n")
593 : feinerer 722 cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
594 : feinerer 54 }
595 :     })
596 : feinerer 55
597 :     setGeneric("inspect", function(object) standardGeneric("inspect"))
598 :     setMethod("inspect",
599 : feinerer 65 signature("TextDocCol"),
600 : feinerer 55 function(object) {
601 :     summary(object)
602 :     cat("\n")
603 : feinerer 719 if (DBControl(object)[["useDb"]]) {
604 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
605 :     show(dbMultiFetch(db, unlist(object)))
606 :     }
607 :     else
608 :     show(object@.Data)
609 : feinerer 55 })
610 : feinerer 65
611 :     # No metadata is checked
612 :     setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
613 :     setMethod("%IN%",
614 :     signature(x = "TextDocument", y = "TextDocCol"),
615 :     function(x, y) {
616 : feinerer 729 if (DBControl(y)[["useDb"]]) {
617 :     db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
618 :     result <- any(sapply(y, function(x, z) {x %in% Corpus(z)}, x))
619 :     }
620 :     else
621 :     result <- x %in% y
622 :     return(result)
623 : feinerer 65 })
624 : feinerer 719
625 :     setMethod("lapply",
626 :     signature(X = "TextDocCol"),
627 :     function(X, FUN, ...) {
628 :     if (DBControl(X)[["useDb"]]) {
629 :     db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
630 :     result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
631 :     }
632 :     else
633 :     result <- base::lapply(X, FUN, ...)
634 :     return(result)
635 :     })
636 :    
637 :     setMethod("sapply",
638 :     signature(X = "TextDocCol"),
639 :     function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
640 :     if (DBControl(X)[["useDb"]]) {
641 :     db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
642 :     result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
643 :     }
644 :     else
645 :     result <- base::sapply(X, FUN, ...)
646 :     return(result)
647 :     })

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