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 777 - (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 777 if (is(readerControl$reader, "FunctionGenerator"))
15 : feinerer 722 readerControl$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 767 setMethod("loadDoc",
108 :     signature(object = "StructuredTextDocument"),
109 :     function(object, ...) {
110 :     if (!Cached(object)) {
111 :     warning("load on demand not (yet) supported for StructuredTextDocuments")
112 :     return(object)
113 :     } else
114 :     return(object)
115 :     })
116 : feinerer 49
117 : feinerer 719 setGeneric("tmUpdate", function(object,
118 :     origin,
119 : feinerer 723 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
120 : feinerer 719 ...) standardGeneric("tmUpdate"))
121 : feinerer 72 # Update is only supported for directories
122 :     # At the moment no other LoD devices are available anyway
123 : feinerer 698 setMethod("tmUpdate",
124 : feinerer 72 signature(object = "TextDocCol", origin = "DirSource"),
125 : feinerer 719 function(object, origin,
126 : feinerer 723 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = FALSE),
127 : feinerer 719 ...) {
128 : feinerer 777 if (is(readerControl$reader, "FunctionGenerator"))
129 : feinerer 722 readerControl$reader <- readerControl$reader(...)
130 : feinerer 72
131 :     object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
132 :     new.files <- setdiff(origin@FileList, object.filelist)
133 :    
134 :     for (filename in new.files) {
135 :     elem <- list(content = readLines(filename),
136 :     uri = substitute(file(filename)))
137 : feinerer 722 object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
138 : feinerer 72 }
139 :    
140 :     return(object)
141 :     })
142 :    
143 : feinerer 698 setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))
144 :     setMethod("tmMap",
145 : feinerer 62 signature(object = "TextDocCol", FUN = "function"),
146 : feinerer 49 function(object, FUN, ...) {
147 : feinerer 73 result <- object
148 : feinerer 689 # Note that text corpora are automatically loaded into memory via \code{[[}
149 : feinerer 719 if (DBControl(object)[["useDb"]]) {
150 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
151 : feinerer 728 i <- 1
152 :     for (id in unlist(object)) {
153 :     db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
154 :     i <- i + 1
155 :     }
156 : feinerer 719 }
157 :     else
158 :     result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
159 : feinerer 56 return(result)
160 : feinerer 49 })
161 :    
162 : feinerer 698 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
163 :     setMethod("asPlain",
164 : feinerer 62 signature(object = "PlainTextDocument"),
165 : feinerer 49 function(object, FUN, ...) {
166 :     return(object)
167 :     })
168 : feinerer 698 setMethod("asPlain",
169 : feinerer 62 signature(object = "XMLTextDocument", FUN = "function"),
170 : feinerer 49 function(object, FUN, ...) {
171 : feinerer 56 corpus <- Corpus(object)
172 : feinerer 49
173 :     # As XMLDocument is no native S4 class, restore valid information
174 :     class(corpus) <- "XMLDocument"
175 :     names(corpus) <- c("doc","dtd")
176 :    
177 : feinerer 61 return(FUN(xmlRoot(corpus), ...))
178 : feinerer 49 })
179 : feinerer 725 setMethod("asPlain",
180 : feinerer 757 signature(object = "Reuters21578Document"),
181 :     function(object, FUN, ...) {
182 :     FUN <- convertReut21578XMLPlain
183 :     corpus <- Corpus(object)
184 :    
185 :     # As XMLDocument is no native S4 class, restore valid information
186 :     class(corpus) <- "XMLDocument"
187 :     names(corpus) <- c("doc","dtd")
188 :    
189 :     return(FUN(xmlRoot(corpus), ...))
190 :     })
191 :     setMethod("asPlain",
192 :     signature(object = "RCV1Document"),
193 :     function(object, FUN, ...) {
194 :     FUN <- convertRCV1Plain
195 :     corpus <- Corpus(object)
196 :    
197 :     # As XMLDocument is no native S4 class, restore valid information
198 :     class(corpus) <- "XMLDocument"
199 :     names(corpus) <- c("doc","dtd")
200 :    
201 :     return(FUN(xmlRoot(corpus), ...))
202 :     })
203 :     setMethod("asPlain",
204 : feinerer 725 signature(object = "NewsgroupDocument"),
205 :     function(object, FUN, ...) {
206 :     new("PlainTextDocument", .Data = Corpus(object), Cached = TRUE, URI = "", Author = Author(object),
207 :     DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
208 :     Origin = Origin(object), Heading = Heading(object), Language = Language(object))
209 :     })
210 : feinerer 775 setMethod("asPlain",
211 :     signature(object = "StructuredTextDocument"),
212 :     function(object, FUN, ...) {
213 :     new("PlainTextDocument", .Data = unlist(Corpus(object)), Cached = TRUE,
214 :     URI = "", Author = Author(object), DateTimeStamp = DateTimeStamp(object),
215 :     Description = Description(object), ID = ID(object), Origin = Origin(object),
216 :     Heading = Heading(object), Language = Language(object))
217 :     })
218 : feinerer 49
219 : feinerer 698 setGeneric("tmTolower", function(object, ...) standardGeneric("tmTolower"))
220 :     setMethod("tmTolower",
221 : feinerer 67 signature(object = "PlainTextDocument"),
222 :     function(object, ...) {
223 :     Corpus(object) <- tolower(object)
224 :     return(object)
225 :     })
226 :    
227 : feinerer 698 setGeneric("stripWhitespace", function(object, ...) standardGeneric("stripWhitespace"))
228 :     setMethod("stripWhitespace",
229 : feinerer 67 signature(object = "PlainTextDocument"),
230 :     function(object, ...) {
231 :     Corpus(object) <- gsub("[[:space:]]+", " ", object)
232 :     return(object)
233 :     })
234 :    
235 : feinerer 713 setGeneric("stemDoc", function(object, language = "english", ...) standardGeneric("stemDoc"))
236 : feinerer 698 setMethod("stemDoc",
237 : feinerer 62 signature(object = "PlainTextDocument"),
238 : feinerer 713 function(object, language = "english", ...) {
239 : feinerer 49 splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
240 : feinerer 760 stemmedCorpus <- if (require("Rstem", quietly = TRUE))
241 : feinerer 713 Rstem::wordStem(splittedCorpus, language)
242 :     else
243 :     SnowballStemmer(splittedCorpus, Weka_control(S = language))
244 : feinerer 56 Corpus(object) <- paste(stemmedCorpus, collapse = " ")
245 :     return(object)
246 : feinerer 49 })
247 :    
248 : feinerer 722 setGeneric("removePunctuation", function(object, ...) standardGeneric("removePunctuation"))
249 :     setMethod("removePunctuation",
250 :     signature(object = "PlainTextDocument"),
251 :     function(object, ...) {
252 :     Corpus(object) <- gsub("[[:punct:]]+", "", Corpus(object))
253 :     return(object)
254 :     })
255 :    
256 : feinerer 698 setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))
257 :     setMethod("removeWords",
258 : feinerer 60 signature(object = "PlainTextDocument", stopwords = "character"),
259 : feinerer 61 function(object, stopwords, ...) {
260 : feinerer 49 splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
261 :     noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]
262 : feinerer 56 Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")
263 :     return(object)
264 : feinerer 49 })
265 :    
266 : feinerer 755 setGeneric("replaceWords", function(object, words, by, ...) standardGeneric("replaceWords"))
267 :     setMethod("replaceWords",
268 :     signature(object = "PlainTextDocument", words = "character", by = "character"),
269 :     function(object, words, by, ...) {
270 :     pattern <- paste(words, collapse = "|")
271 :     Corpus(object) <- gsub(pattern, by, Corpus(object))
272 :     return(object)
273 :     })
274 :    
275 : feinerer 698 setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
276 :     setMethod("tmFilter",
277 : feinerer 61 signature(object = "TextDocCol"),
278 : feinerer 698 function(object, ..., FUN = sFilter, doclevel = FALSE) {
279 : feinerer 73 if (doclevel)
280 :     return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
281 :     else
282 : feinerer 724 return(object[FUN(object, ...)])
283 : feinerer 61 })
284 :    
285 : feinerer 698 setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
286 :     setMethod("tmIndex",
287 : feinerer 61 signature(object = "TextDocCol"),
288 : feinerer 698 function(object, ..., FUN = sFilter, doclevel = FALSE) {
289 : feinerer 73 if (doclevel)
290 :     return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
291 :     else
292 : feinerer 724 return(FUN(object, ...))
293 : feinerer 49 })
294 :    
295 : feinerer 698 sFilter <- function(object, s, ...) {
296 : feinerer 73 con <- textConnection(s)
297 : feinerer 772 tokens <- scan(con, "character", quiet = TRUE)
298 : feinerer 73 close(con)
299 : feinerer 721 localMetaNames <- unique(names(sapply(object, LocalMetaData)))
300 :     localMetaTokens <- localMetaNames[localMetaNames %in% tokens]
301 : feinerer 729 n <- names(DMetaData(object))
302 :     tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)
303 :     query.df <- DMetaData(prescindMeta(object, tags))
304 :     if (DBControl(object)[["useDb"]])
305 :     DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = FALSE]
306 : feinerer 721 # Rename to avoid name conflicts
307 :     names(query.df)[names(query.df) == "Author"] <- "author"
308 :     names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"
309 :     names(query.df)[names(query.df) == "Description"] <- "description"
310 :     names(query.df)[names(query.df) == "ID"] <- "identifier"
311 :     names(query.df)[names(query.df) == "Origin"] <- "origin"
312 :     names(query.df)[names(query.df) == "Heading"] <- "heading"
313 :     names(query.df)[names(query.df) == "Language"] <- "language"
314 : feinerer 73 attach(query.df)
315 : feinerer 74 try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
316 : feinerer 73 detach(query.df)
317 :     return(result)
318 : feinerer 61 }
319 :    
320 : feinerer 698 setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))
321 :     setMethod("searchFullText",
322 : feinerer 61 signature(object = "PlainTextDocument", pattern = "character"),
323 :     function(object, pattern, ...) {
324 :     return(any(grep(pattern, Corpus(object))))
325 :     })
326 :    
327 : feinerer 698 setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
328 :     setMethod("appendElem",
329 : feinerer 72 signature(object = "TextDocCol", data = "TextDocument"),
330 :     function(object, data, meta = NULL) {
331 : feinerer 712 if (DBControl(object)[["useDb"]]) {
332 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
333 :     if (dbExists(db, ID(data)))
334 :     warning("document with identical ID already exists")
335 :     dbInsert(db, ID(data), data)
336 :     object@.Data[[length(object)+1]] <- ID(data)
337 :     }
338 :     else
339 :     object@.Data[[length(object)+1]] <- data
340 :     DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
341 : feinerer 52 return(object)
342 :     })
343 :    
344 : feinerer 698 setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
345 :     setMethod("appendMeta",
346 : feinerer 72 signature(object = "TextDocCol"),
347 : feinerer 698 function(object, cmeta = NULL, dmeta = NULL) {
348 : feinerer 712 object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
349 :     if (!is.null(dmeta)) {
350 : feinerer 719 DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
351 : feinerer 712 }
352 : feinerer 52 return(object)
353 :     })
354 : feinerer 53
355 : feinerer 698 setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
356 :     setMethod("removeMeta",
357 : feinerer 77 signature(object = "TextDocCol"),
358 : feinerer 698 function(object, cname = NULL, dname = NULL) {
359 : feinerer 729 if (!is.null(cname))
360 : feinerer 698 object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
361 : feinerer 729 if (!is.null(dname))
362 :     DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
363 : feinerer 77 return(object)
364 :     })
365 : feinerer 69
366 : feinerer 698 setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
367 :     setMethod("prescindMeta",
368 : feinerer 73 signature(object = "TextDocCol", meta = "character"),
369 :     function(object, meta) {
370 :     for (m in meta) {
371 : feinerer 719 if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
372 : feinerer 75 local.m <- lapply(object, m)
373 :     local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
374 : feinerer 73 local.m <- unlist(local.m)
375 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
376 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
377 : feinerer 75 }
378 :     else {
379 :     local.meta <- lapply(object, LocalMetaData)
380 :     local.m <- lapply(local.meta, "[[", m)
381 :     local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
382 :     if (length(local.m) == length(unlist(local.m)))
383 :     local.m <- unlist(local.m)
384 :     else
385 :     local.m <- I(local.m)
386 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
387 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
388 : feinerer 75 }
389 : feinerer 73 }
390 :     return(object)
391 :     })
392 :    
393 : feinerer 53 setMethod("[",
394 :     signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),
395 :     function(x, i, j, ... , drop) {
396 :     if(missing(i))
397 :     return(x)
398 :    
399 :     object <- x
400 :     object@.Data <- x@.Data[i, ..., drop = FALSE]
401 : feinerer 724 if (DBControl(object)[["useDb"]]) {
402 : feinerer 727 index <- object@DMetaData[[1 , "subset"]]
403 :     if (any(is.na(index)))
404 :     object@DMetaData[[1 , "subset"]] <- i
405 : feinerer 724 else
406 : feinerer 727 object@DMetaData[[1 , "subset"]] <- index[i]
407 : feinerer 724 }
408 : feinerer 729 else
409 :     DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
410 : feinerer 53 return(object)
411 :     })
412 :    
413 : feinerer 63 setMethod("[<-",
414 :     signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
415 :     function(x, i, j, ... , value) {
416 :     object <- x
417 : feinerer 724 if (DBControl(object)[["useDb"]]) {
418 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
419 :     counter <- 1
420 :     for (id in object@.Data[i, ...]) {
421 :     if (length(value) == 1)
422 :     db[[id]] <- value
423 :     else {
424 :     db[[id]] <- value[[counter]]
425 :     }
426 :     counter <- counter + 1
427 :     }
428 :     }
429 :     else
430 :     object@.Data[i, ...] <- value
431 : feinerer 63 return(object)
432 :     })
433 :    
434 :     setMethod("[[",
435 :     signature(x = "TextDocCol", i = "ANY", j = "ANY"),
436 :     function(x, i, j, ...) {
437 : feinerer 712 if (DBControl(x)[["useDb"]]) {
438 :     db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
439 :     result <- dbFetch(db, x@.Data[[i]])
440 :     return(loadDoc(result))
441 :     }
442 :     else
443 :     return(loadDoc(x@.Data[[i]]))
444 : feinerer 63 })
445 :    
446 :     setMethod("[[<-",
447 :     signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
448 :     function(x, i, j, ..., value) {
449 :     object <- x
450 : feinerer 712 if (DBControl(object)[["useDb"]]) {
451 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
452 :     index <- object@.Data[[i]]
453 :     db[[index]] <- value
454 :     }
455 :     else
456 :     object@.Data[[i, ...]] <- value
457 : feinerer 63 return(object)
458 :     })
459 :    
460 : feinerer 698 # Update \code{NodeID}s of a CMetaData tree
461 : feinerer 697 update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
462 : feinerer 698 # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
463 : feinerer 697 set_id <- function(object) {
464 :     object@NodeID <- id
465 :     id <<- id + 1
466 :     level <<- level + 1
467 : feinerer 71
468 : feinerer 697 if (length(object@children) > 0) {
469 :     mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
470 :     left <- set_id(object@children[[1]])
471 :     if (level == 1) {
472 :     left.mapping <<- mapping
473 :     mapping <<- NULL
474 :     }
475 :     mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
476 :     right <- set_id(object@children[[2]])
477 : feinerer 71
478 : feinerer 697 object@children <- list(left, right)
479 : feinerer 71 }
480 : feinerer 697 level <<- level - 1
481 : feinerer 71
482 : feinerer 697 return(object)
483 : feinerer 71 }
484 :    
485 : feinerer 697 return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
486 : feinerer 71 }
487 :    
488 : feinerer 53 setMethod("c",
489 :     signature(x = "TextDocCol"),
490 : feinerer 689 function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
491 :     args <- list(...)
492 : feinerer 720 if (length(args) == 0)
493 : feinerer 689 return(x)
494 : feinerer 71
495 : feinerer 720 if (!all(sapply(args, inherits, "TextDocCol")))
496 :     stop("not all arguments are text document collections")
497 : feinerer 730 if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
498 : feinerer 720 stop("concatenating text document collections with activated database is not supported")
499 :    
500 : feinerer 689 result <- x
501 :     for (c in args) {
502 :     result <- c2(result, c)
503 :     }
504 :     return(result)
505 :     })
506 :    
507 :     setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
508 :     setMethod("c2",
509 :     signature(x = "TextDocCol", y = "TextDocCol"),
510 :     function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
511 : feinerer 71 object <- x
512 :     # Concatenate data slots
513 :     object@.Data <- c(as(x, "list"), as(y, "list"))
514 :    
515 : feinerer 720 # Set the DBControl slot
516 : feinerer 741 object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
517 : feinerer 720
518 : feinerer 698 # Update the CMetaData tree
519 :     cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
520 :     update.struct <- update_id(cmeta)
521 :     object@CMetaData <- update.struct$root
522 : feinerer 71
523 :     # Find indices to be updated for the left tree
524 :     indices.mapping <- NULL
525 :     for (m in levels(as.factor(DMetaData(x)$MetaID))) {
526 :     indices <- (DMetaData(x)$MetaID == m)
527 :     indices.mapping <- c(indices.mapping, list(m = indices))
528 :     names(indices.mapping)[length(indices.mapping)] <- m
529 :     }
530 :    
531 :     # Update the DMetaData data frames for the left tree
532 :     for (i in 1:ncol(update.struct$left.mapping)) {
533 :     map <- update.struct$left.mapping[,i]
534 :     x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
535 :     }
536 :    
537 :     # Find indices to be updated for the right tree
538 :     indices.mapping <- NULL
539 :     for (m in levels(as.factor(DMetaData(y)$MetaID))) {
540 :     indices <- (DMetaData(y)$MetaID == m)
541 :     indices.mapping <- c(indices.mapping, list(m = indices))
542 :     names(indices.mapping)[length(indices.mapping)] <- m
543 :     }
544 :    
545 :     # Update the DMetaData data frames for the right tree
546 :     for (i in 1:ncol(update.struct$right.mapping)) {
547 :     map <- update.struct$right.mapping[,i]
548 :     y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
549 :     }
550 :    
551 :     # Merge the DMetaData data frames
552 :     labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
553 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
554 :     x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
555 :     labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
556 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
557 :     y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
558 :     object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
559 :    
560 :     return(object)
561 : feinerer 72 })
562 : feinerer 689
563 : feinerer 72 setMethod("c",
564 :     signature(x = "TextDocument"),
565 :     function(x, ..., recursive = TRUE){
566 :     args <- list(...)
567 :     if(length(args) == 0)
568 :     return(x)
569 : feinerer 54
570 : feinerer 73 dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
571 : feinerer 698 cmeta.node <- new("MetaDataNode",
572 : feinerer 72 NodeID = 0,
573 : feinerer 689 MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
574 : feinerer 72 children = list())
575 :    
576 : feinerer 720 return(new("TextDocCol",
577 :     .Data = list(x, ...),
578 :     DMetaData = dmeta.df,
579 :     CMetaData = cmeta.node,
580 : feinerer 741 DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
581 : feinerer 72 })
582 :    
583 : feinerer 54 setMethod("length",
584 :     signature(x = "TextDocCol"),
585 :     function(x){
586 :     return(length(as(x, "list")))
587 :     })
588 :    
589 :     setMethod("show",
590 :     signature(object = "TextDocCol"),
591 :     function(object){
592 : feinerer 70 cat(sprintf(ngettext(length(object),
593 :     "A text document collection with %d text document\n",
594 :     "A text document collection with %d text documents\n"),
595 :     length(object)))
596 : feinerer 54 })
597 :    
598 :     setMethod("summary",
599 :     signature(object = "TextDocCol"),
600 :     function(object){
601 :     show(object)
602 : feinerer 71 if (length(DMetaData(object)) > 0) {
603 : feinerer 698 cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
604 : feinerer 77 "\nThe metadata consists of %d tag-value pair and a data frame\n",
605 :     "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
606 : feinerer 698 length(CMetaData(object)@MetaData)))
607 : feinerer 54 cat("Available tags are:\n")
608 : feinerer 722 cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
609 : feinerer 77 cat("Available variables in the data frame are:\n")
610 : feinerer 722 cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
611 : feinerer 54 }
612 :     })
613 : feinerer 55
614 :     setGeneric("inspect", function(object) standardGeneric("inspect"))
615 :     setMethod("inspect",
616 : feinerer 65 signature("TextDocCol"),
617 : feinerer 55 function(object) {
618 :     summary(object)
619 :     cat("\n")
620 : feinerer 719 if (DBControl(object)[["useDb"]]) {
621 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
622 :     show(dbMultiFetch(db, unlist(object)))
623 :     }
624 :     else
625 :     show(object@.Data)
626 : feinerer 55 })
627 : feinerer 65
628 :     # No metadata is checked
629 :     setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
630 :     setMethod("%IN%",
631 :     signature(x = "TextDocument", y = "TextDocCol"),
632 :     function(x, y) {
633 : feinerer 729 if (DBControl(y)[["useDb"]]) {
634 :     db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
635 :     result <- any(sapply(y, function(x, z) {x %in% Corpus(z)}, x))
636 :     }
637 :     else
638 :     result <- x %in% y
639 :     return(result)
640 : feinerer 65 })
641 : feinerer 719
642 :     setMethod("lapply",
643 :     signature(X = "TextDocCol"),
644 :     function(X, FUN, ...) {
645 :     if (DBControl(X)[["useDb"]]) {
646 :     db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
647 :     result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
648 :     }
649 :     else
650 :     result <- base::lapply(X, FUN, ...)
651 :     return(result)
652 :     })
653 :    
654 :     setMethod("sapply",
655 :     signature(X = "TextDocCol"),
656 :     function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
657 :     if (DBControl(X)[["useDb"]]) {
658 :     db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
659 :     result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
660 :     }
661 :     else
662 :     result <- base::sapply(X, FUN, ...)
663 :     return(result)
664 :     })

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