R Markdownの内部と
テンプレート開発

Tokyo.R #61

kazutan

今回のお話

  • R Markdownがやってること
    • 処理の手順
    • 各処理の役割
    • 出力形式とテンプレート
  • Rmdテンプレート開発
    • 基本編
    • アレ編

免責事項

  • マニアックです
    • 今回話す内容は(多分)ほぼドキュメント化されてない内容
    • こんな世界なんだと思ってくれれば結構です.
  • 応用場面は以下の2つしか浮かびません
    • Rmd周りでトラブルが発生して,かつ自力でどうにかしたい
    • 自分で自由にテンプレートを開発したいぜ!!!
  • 必要知識が多めです
    • R, Rmdの知識とhtmlの知識は必須
    • Pandocの仕組みとテンプレートについての理解

R Markdownがやっていること

R Markdownとは

  • Rの環境上でドキュメントを生成するシステム
  • Rコードの実行とその出力を含めてドキュメント化
    • 分析に再現性のあるドキュメントを生成
    • 多様な出力に対応
    • インタラクティブなPlotにも対応 etc…
  • 基本はMarkdownドキュメント
    • 冒頭にyamlフロントマター
    • Rチャンクでコードを埋め込む
  • 導入については以下を参照

R Markdownの仕組み(基本)

    • 以下の2ステップでドキュメントなどを生成します
    • Rmdファイル内のRコードを評価
    • Rコードの出力をMarkdownに起こす
    • 出来上がったMarkdownファイルを変換
      • Pandocというソフトウェアを利用
      • RStudioに標準で組み込まれています

これで済むはずがない

  • ユーザーとして利用していくならこの図でOKだけど…
    • あれだけ多様なことをこなしている
    • どうやって細かい設定を反映させてるの?
    • そもそも,中身どうなってんの?

というわけで,もうちょっと覗き込みます

R Markdownの処理フロー

renderは,だいたいこういう処理をしています:

  1. 前処理
  2. pre-knit処理
  3. knit
  4. post-knit処理
  5. 中間処理
  6. pre-processor
  7. pandoc
  8. post-processor
  9. 後処理

基本的な考え方

  • knitpandocの前後にそれぞれ処理が入る
  • エラーチェックとか後片付けとか引き渡しとかもある
  • output_formatを参照し,その度にすべき処理内容を持ってくる
    • output_formatについては後述

なお,runtime(shinyまわり)や細かいところについては省略します

各処理の役割

前処理

  • 実行環境のチェックとセットアップ
    • pandoc使うなら,それが使えるか
    • 中間生成物(intermediates)のチェック・準備
    • 出力先のチェック・準備 etc…
  • inputのチェックと前処理
    • knitが必要か(r, rmd, rmarkdownがあるか)
    • パスに問題のある記号があるかどううか
  • .rファイルをspinするための準備
    • knitr::spin()で*.rファイルを処理
    • yamlを仕込んでRmdファイル生成
  • ファイル読み込み
  • output_formatのチェック
    • renderの引数にoutput_formatが指定されてないならyamlから持ってくる
  • 最終的な出力先の準備
    • output_dirやfile,およびパスの準備
  • post-knitの準備
    • output_formatにあるpost-knitを読み込んで準備

pre-knit

  • knitのoptionsとhooksを別途格納して設定されてたのをrestore
  • knitのchunk optionsをセット
  • knitのknit optionsをセット
  • knitのrootディレクトリやfigure, cacheパスをセット
  • ユーザー設定のknitのoptionsやhooksとmerge
  • paramsまわりの設定(この機能は以下の記事を参照)
  • yaml_front_matterの内容をmetadataとしてknitのenvへ格納
    • 以降,設定指示した内容はこちらを参照するようになる

knit

knitr::knit()

post-knit

  • post-knitで準備していた内容を呼び出す
  • knit_metaに格納されたwarningを引っ張ってきて提示
    • knit中のエラーはこのタイミングで出てくる

中間処理

  • html dependenciesのチェック
    • html形式以外の出力形式で,html用のものを使ってないかチェック
    • もし使っていたら警告とともにstpo
  • knitした生成物をpandoc用の別ファイルへ書き出し
    • このときにencodingをutf_8に変換してる

pre_prossessor

  • pre-processorを取得
    • output_formatよりpre_processorをextra_argsへ取り出す
    • このextra_argsを,pandocのargsへ統合する
  • bibtex関連の処理
    • 出力形式がpdf|texかをチェック(違ったら叱る)
    • OKならpandoc$argsに組み込む

pandoc

  • ここまでoutput_format$pandocに統合してきた内容を利用してconvert
    • pandocに送る呪文をここで詠唱

post-prossessor

  • 出力されてきたファイルに対し,post_processorを実行
    • output_formatに格納されているpost_processorを呼び出す
    • output_fileに対して処理
  • 無事終われば,output createdとなる

後処理

  • keep_mdの処理
    • pandocにコンバートする前のファイル(imput_file)を利用
    • md用にyaml部分を調整し,出力ファイルと同じ場所に書き出し

ようするに,何やってんの?

  1. 前処理
  2. knitのための設定などを読み込む
  3. 「knit!」と唱える
  4. knitの後始末
  5. pandocへのargsを準備
  6. 「pandoc!」と唱える
  7. pandoc後の処理

…です

んで,ポイントは?

  1. renderはいろいろなんかやってる
  2. pre_knit, post_knit, pre_processor, post_processorという処理が(実は)ある
  3. output_formatを常に参照してる

この3つをおさえておけば(今日の話は)OKです

出力とテンプレート

処理をテンプレートに集約

  • renderはたくさんの処理をこなしている
    • ほしいもの,やってほしいことが多様
  • それにあわせて,前の内容を作り変える必要
    • knit周りの設定
    • pandocへ送る呪文の設定
    • pandoc後の後始末 etc…
  • これを毎度設定して準備するのは大変
    • ある程度テンプレートで提供する必要あり

output_format

  • rmarkdownのコアとなるもの(と私はかんがえてます)
  • renderで処理してほしい内容を集約
    • renderは各処理でその都度これを参照
  • このoutput_formatを自分のやりたいように作ることができればOK

outuput_formatの構造

主なものは以下の通りです:

  • knitr, pandoc
    • knitrやpandocに与えるoptionsやargsなどのlist
  • pre_knit, post_knit
    • knit前後に処理する内容をそれぞれ関数にまとめたもの
  • pre_processor, post_processor
    • pandoc前後に処理する内容をそれぞれ関数にまとめたもの
  • base_format
    • ベースにするフォーマットの関数
    • 具体的にはhtml_documentなど
    • 参照しない時はNULL

output_formatを構築するには

  • 普通に考えれば,以下の手順
    • それぞれの内容を記述
    • それをlistにする
  • それって面倒なのには変わりないのでは?
    • はい
    • なので,出力形式ごとでテンプレートを準備します

出力形式テンプレート

  • 特定の出力形式向けのテンプレートを提供する関数
    • 設定項目を引数で受け取る
    • その内容に基づき,output_formatを出力
  • ユーザーが基本触れるのはこれらです
    • html_document
    • pdf_document
    • revealjs::revealjs_presentation etc…

具体例 html_document

pre_knit

Rmdのソースコード埋め込み用処理の関数

source_code <- NULL
source_file <- NULL
pre_knit <- function(input, ...) {
  if (code_download) {
    source_file <<- basename(input)
    source_code <<- paste0(
      '<div id="rmd-source-code">',
      base64enc::base64encode(input),
      '</div>')
  }
}

post_knit

  • ナビゲーションバー(navbar)を設置する処理
    • 本来ならpre_processorに組み込みたかった
    • でも名前がぶつかるなどの都合でこっちに入れたみたい
post_knit <- function(metadata, input_file, runtime, encoding, ...) {
  # extra args
  args <- c()
  # navbar (requires theme)
  if (!is.null(theme)) {
    # add navbar to includes if necessary
    navbar <- file.path(normalize_path(dirname(input_file)), "_navbar.html")
    # if there is no _navbar.html look for a _navbar.yml
    if (!file.exists(navbar)) {
      navbar_yaml <- file.path(dirname(navbar), "_navbar.yml")
      if (file.exists(navbar_yaml))
        navbar <- navbar_html_from_yaml(navbar_yaml)
      # if there is no _navbar.yml then look in site config (if we have it)
      config <- site_config(input_file, encoding)
      if (!is.null(config) && !is.null(config$navbar))
        navbar <- navbar_html(config$navbar)
    }
    (以下略)

pre_processor

コード埋め込みとDLまわりの処理(っぽい)など

pre_processor <- function(metadata, input_file, runtime, knit_meta, files_dir,
                          output_dir) {
(中略)
  # code_folding
  if (code_folding %in% c("show", "hide")) {
    # must have a theme
    if (is.null(theme))
      stop("You must use a theme when specifying the 'code_folding' option")
    args <- c(args, pandoc_variable_arg("code_folding", code_folding))
    code_menu <- TRUE
  }

  # source_embed
  if (code_download) {
    if (is.null(theme))
      stop("You must use a theme when specifying the 'code_download' option")
    args <- c(args, pandoc_variable_arg("source_embed", source_file))
    sourceCodeFile <- tempfile(fileext = ".html")
    writeLines(source_code, sourceCodeFile)
    args <- c(args, pandoc_include_args(after_body = sourceCodeFile))
    code_menu <- TRUE
  }
  (以下略)

その他

Pandocで使用するhtmlテンプレファイルへのパスを設定

# template path and assets
if (identical(template, "default"))
  args <- c(args, "--template",
            pandoc_path_arg(rmarkdown_system_file("rmd/h/default.html")))
else if (!is.null(template))
  args <- c(args, "--template", pandoc_path_arg(template))

引数で取得した内容をpandocのargsへひたすら追加(以下は一部抜粋)

# additional css
for (css_file in css)
  args <- c(args, "--css", pandoc_path_arg(css_file))

output_formatを構築

# return format
output_format(
  knitr = knitr_options_html(fig_width, fig_height, fig_retina, keep_md, dev),
  pandoc = pandoc_options(to = "html",
                          from = from_rmarkdown(fig_caption, md_extensions),
                          args = args),
  keep_md = keep_md,
  clean_supporting = self_contained,
  df_print = df_print,
  pre_knit = pre_knit,
  post_knit = post_knit,
  pre_processor = pre_processor,
  on_exit = on_exit,
  base_format = html_document_base(smart = smart, theme = theme,
                                   self_contained = self_contained,
                                   lib_dir = lib_dir, mathjax = mathjax,
                                   template = template,
                                   pandoc_args = pandoc_args,
                                   extra_dependencies = extra_dependencies,
                                   ...)
)

output_formatのbase_formatについて

  • 出力形式のテンプレートでベースになるものを指定
    • 全部指定して構築するのはかなりだるい
    • 近いものを流用し,それを修正していくほうが楽
  • ファイル形式がhtmlの場合,html_documentなどを流用すると楽
    • もし出来る限りシンプルなものを使いたいなら,html_document_baseが便利

テンプレート開発

オリジナルのテンプレートを作るには

  • 結局はoutput_formatを自分好みにアレンジできればOK
    • 新たにoutput_formatを構築するような関数を準備
    • そこに処理内容を記述
    • ただし,結局これはパッケージを準備することに
      • パッケージ化しなくてもできるけどかなり面倒
  • 必要に応じてPandoc用テンプレートを準備
    • 以下のような場合には必要になります
      • デフォルトのドキュメントを弄りたい(自作したい)
      • 自分でオプションを準備したい

でもよく考えよう

  • そもそもそのテンプレは必要ですか?
    • 大抵の場合,以下の要素を設定したりでOK
      • includesで追加
      • cssを指定
      • pandoc_argsで調整
    • これらで対応できない場合に着手しましょう
      • でないと正直なところ割に合わない

基本編

以下の公式ドキュメントを参照してください: Document Templates - R Markdown

例えば,こんな感じです:

quarterly_report <- function(toc = TRUE) {

  # get the locations of resource files located within the package
  css <- system.file("reports/styles.css", package = "mypackage")
  header <- system.file("reports/quarterly/header.html", package = "mypackage")

  # call the base html_document function
  rmarkdown::html_document(toc = toc,
                           fig_width = 6.5,
                           fig_height = 4,
                           theme = NULL,
                           css = css,
                           includes = includes(before_body = header))
}

アレ編

フルカスタマイズする場合です.以下の手順となります:

  1. packageを準備
  2. 出力用テンプレートを準備
  3. 依存ライブラリ(jsライブラリなど)を準備
  4. output_format生成用の関数を準備

出力用テンプレートの準備

テンプレ置き場の準備

以下のディレクトリを設置

inst/rmarkdown/templates/(出力形式の関数名)/

例えば,fullpagejs;;fullpagejs_slideの場合,

inst/rmarkdown/templetes/fullpagejs_slide/

Templete情報のyamlを設置

以下の場所にtemplete.yaml を準備:

inst/rmarkdown/templetes/fullpagejs_slide/templete.yaml

例えば,こんな内容です:

name: fullPage.js slide (HTML)
description: >
  HTML slide based on fullPage.js.
create_dir: false

skeleton(骨)を準備

以下の場所にskeleton.Rmdを設置

inst/rmarkdown/templetes/fullpagejs_slide/skeleton/skeleton.Rmd

これは,新規Rmd作成でTempleteから生成する際に持ってきます.例えばこんな感じです:

---
title: "Untitled"
output: fullpagejs::fullpagejs_slide
---

# hogehoge
hogehogehoge.

# R chunk test
output test.

Pandoc用テンプレートを準備

例えばdefault.htmlというファイル名にしたければ,以下のように設置:

inst/rmarkdown/templetes/fullpagejs_slide/resources/default.html

このファイル内容については,pandocのテンプレートに対する知識が必要です.たとえばこんな感じです:

<!DOCTYPE html>
<html$if(lang)$ lang="$lang$"$endif$$if(dir)$ dir="$dir$"$endif$>
<head>
  <title>$if(title-prefix)$$title-prefix$ – $endif$$pagetitle$</title>
  <meta charset="utf-8">
  <meta http-equiv="x-ua-compatible" content="ie=edge">
  <meta name="viewport" content="width=device-width, initial-scale=1">
  <link rel="stylesheet" type="text/css" href="$fullpagejs-path$/jquery.fullPage.css" />
(以下略)

依存ライブラリなど

  • inst/以下に設置していきます
    • 例えばfullpage.jsというjsライブラリを利用したい場合:

      inst/fullPage.js-2.9.4/(ライブラリの中身)
    • これを呼び出すときは,pandocにこんな感じで書き込む;

      <script type="text/javascript" src="$fullpagejs-path$/jquery.fullPage.js"></script>
    • んでpre_processorにこんな感じで:

      # fullpage.js
      fullpagejs_path <- system.file("fullPage.js-2.9.4", package = "fullpagejs")
      if (!self_contained || identical(.Platform$OS.type, "windows"))
        fullpagejs_path <- relative_to(
      output_dir, render_supporting_files(fullpagejs_path, lib_dir))
      else
        fullpagejs_path <- pandoc_path_arg(fullpagejs_path)
      args <- c(args, "--variable", paste0("fullpagejs-path=", fullpagejs_path))    

output_format生成用の関数を準備

他のRパッケージ同様,R/ディレクトリ内に関数を記述したRスクリプトファイルを設置してください

buildしてtest

それぞれで確認してください.

以上です.

さいごに

今回のまとめ

R Markdownのベースはこんな感じ:

参考資料

ちなみに

こないだ,R Markdownの新しいテンプレ作りました:

kazutan/fullpagejs

解説用スライドは以下:

fullpagejsというパッケージを作った

まだ作ったばかりなので改良したいのですが,時間がなくて… だれか一緒に作りませんか?

Enjoy!