摘  要： 隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，數(shù)據(jù)和信息以各種文件格式被組織并存儲(chǔ)在計(jì)算機(jī)系統(tǒng)中。為了提高對(duì)數(shù)據(jù)和信息的共享效率，需要進(jìn)行文件格式轉(zhuǎn)換，支持不同軟件的處理和應(yīng)用需要。采用經(jīng)典的軟件開(kāi)發(fā)方法和技術(shù)，設(shè)計(jì)和實(shí)現(xiàn)一種文件格式轉(zhuǎn)換器，支持將一種專用的文本格式文件轉(zhuǎn)換到關(guān)系數(shù)據(jù)庫(kù)文件。

　　關(guān)鍵詞： 軟件開(kāi)發(fā)；文件轉(zhuǎn)換器；自頂向下；自底向上

1 ARFF-DB轉(zhuǎn)換器的應(yīng)用背景

　　ARFF-DB轉(zhuǎn)換器的應(yīng)用背景來(lái)自于機(jī)器學(xué)習(xí)領(lǐng)域的Weka系統(tǒng)[1]。Weka把ARFF格式的文本文件轉(zhuǎn)換為數(shù)據(jù)庫(kù)的記錄格式，形成由實(shí)例（Instance）和屬性（Attribute）組成的關(guān)系，再通過(guò)機(jī)器學(xué)習(xí)，發(fā)現(xiàn)規(guī)則或者概念。

　　ARFF（Attribute-Relation File Format）是Weka使用的數(shù)據(jù)文件輸入格式，其樣例如下。

　　%1.Title：Iris Plants Database

　　%

　　%2.Sources：

　　%（a）Creator：R.A.Fisher

　　%（b）Donor：Michael Marshall（MARSHALL%PLU@io.arc.nasa.gov）

　　%（c）Date：July，1988

　　%

　　@RELATION iris

　　@ATTRIBUTE sepallength NUMERIC

　　@ATTRIBUTE sepalwidth NUMERIC

　　@ATTRIBUTE petallength NUMERIC

　　@ATTRIBUTE petalwidth NUMERIC

　　@ATTRIBUTE class{Iris-setosa，Iris-versicolor，Iris-virginica}

　　@DATA

　　5.1，3.5，1.4，0.2，Iris-setosa

　　4.9，3.0，1.4，0.2，Iris-setosa

　　4.7，3.2，1.3，0.2，Iris-setosa

　　4.6，3.1，1.5，0.2，Iris-setosa

　　5.0，3.6，1.4，0.2，Iris-setosa

　　5.4，3.9，1.7，0.4，Iris-setosa

　　4.6，3.4，1.4，0.3，Iris-setosa

　　5.0，3.4，1.5，0.2，Iris-setosa

　　4.4，2.9，1.4，0.2，Iris-setosa

　　4.9，3.1，1.5，0.1，Iris-setosa

　　文件由兩部分組成，第一部分被稱作文件頭（header），第二部分被稱作數(shù)據(jù)（data）。Header部分是由@RELATION和@ATTRIBUTE組成，其中，@RELATION聲明了數(shù)據(jù)實(shí)例所在的關(guān)系名稱，例如：iris（鳶尾花）；@ATTRIBUTE聲明了數(shù)據(jù)中屬性的名稱及其類型，例如：屬性名sepallength（花萼長(zhǎng)度），屬性的類型是numeric（數(shù)值型）。屬性類型除了numeric，還包括real、integer、nominal、string和date，其中，real和integer均被視為numeric；nominal型屬性值屬于離散值，可以通過(guò)枚舉方式給出所有屬性值（例如：class屬性，其值在{}中列出，屬于名詞型屬性，具有離散特性）；date屬性值應(yīng)符合ISO-8601，格式為YYYY-MM-DD。Data部分由@DATA導(dǎo)出，每個(gè)實(shí)例的相關(guān)屬性值為一行，上例中每個(gè)實(shí)例的屬性值均與@ATTRIBUTE部分定義的屬性一一對(duì)應(yīng)，還可以由其他表示實(shí)例屬性值的方法[1]表示。本例中給出了10個(gè)實(shí)例數(shù)據(jù)，每個(gè)實(shí)例都有5個(gè)屬性值。更多ARFF文件格式的內(nèi)容請(qǐng)參見(jiàn)參考文獻(xiàn)[1]。

2 軟件開(kāi)發(fā)方法

　　隨著軟件開(kāi)發(fā)需求的增加，各種軟件開(kāi)發(fā)方法和技術(shù)層出不窮。各類驅(qū)動(dòng)式[2]、敏捷編程[3]軟件開(kāi)發(fā)方法不僅被廣泛應(yīng)用，而且其變體和擴(kuò)展也被深入研究[4-5]，以期提高軟件開(kāi)發(fā)效率和軟件質(zhì)量。在開(kāi)發(fā)文件轉(zhuǎn)換器中，同樣使用了用例驅(qū)動(dòng)開(kāi)發(fā)方法實(shí)現(xiàn)主界面、基于GUI的開(kāi)發(fā)方法實(shí)現(xiàn)程序主題框架。盡管如此，開(kāi)發(fā)使用的核心和基本方法仍然是經(jīng)典的逐步求精軟件開(kāi)發(fā)方法，需求分析和設(shè)計(jì)主要采用自頂向下方法，實(shí)現(xiàn)階段則采用自底向上方法。

　　自頂向下的程序設(shè)計(jì)思想，就是在系統(tǒng)分析與設(shè)計(jì)中，采用不斷分解的方式，把一個(gè)大問(wèn)題逐步分解為若干個(gè)小問(wèn)題，直到所有的小問(wèn)題都只具有簡(jiǎn)單的邏輯功能，可以用程序語(yǔ)言直接實(shí)現(xiàn)，而不需要再分解。

　　自頂向下的程序設(shè)計(jì)思想既可以采用自頂向下的實(shí)現(xiàn)方法，也可以采用自底向上的實(shí)現(xiàn)方法。自頂向下的實(shí)現(xiàn)方法指在程序?qū)崿F(xiàn)時(shí)，先實(shí)現(xiàn)上層功能較復(fù)雜的程序邏輯功能，其中所需要的下層功能較簡(jiǎn)單的程序邏輯功能可以以一個(gè)空體代替（即stub）。自底向上的程序?qū)崿F(xiàn)方法指在程序?qū)崿F(xiàn)時(shí)，按照分析的結(jié)果，先從下層代表簡(jiǎn)單小問(wèn)題的邏輯開(kāi)始實(shí)現(xiàn)，逐步向上，依次實(shí)現(xiàn)由各個(gè)小問(wèn)題模塊支撐的較大問(wèn)題模塊，直至整個(gè)程序功能實(shí)現(xiàn)。

　　在ARFF-DB轉(zhuǎn)換器實(shí)現(xiàn)中，采用自頂向下的分析和設(shè)計(jì)方法、自底向上的程序?qū)崿F(xiàn)方法，這種分析和解決問(wèn)題的方式，符合人們的思維和實(shí)踐習(xí)慣。

3 系統(tǒng)分析與設(shè)計(jì)

　　按照軟件工程的觀點(diǎn)，程序開(kāi)發(fā)過(guò)程最基本的步驟包括：系統(tǒng)分析、系統(tǒng)設(shè)計(jì)和系統(tǒng)實(shí)現(xiàn)。本文按照這一步驟進(jìn)行ARFF-DB轉(zhuǎn)換器設(shè)計(jì)與開(kāi)發(fā)。

　　3.1 系統(tǒng)基本功能分析

　　系統(tǒng)分析是通過(guò)分析系統(tǒng)的功能，搞清系統(tǒng)“做什么”。最簡(jiǎn)單、最基本的一種分析方法就是通過(guò)說(shuō)明目標(biāo)系統(tǒng)的輸入I（input）、處理P（process）和輸出O（output），反映系統(tǒng)的功能。通過(guò)分析，ARFF-DB轉(zhuǎn)換器的IPO如圖1所示。

　　3.2 系統(tǒng)功能設(shè)計(jì)：自頂向下，逐步求精

　　系統(tǒng)設(shè)計(jì)考慮如何實(shí)現(xiàn)系統(tǒng)分析中明確的系統(tǒng)功能，即：系統(tǒng)“如何做”才能實(shí)現(xiàn)ARFF文件到DB文件的轉(zhuǎn)換。要使用自頂向下的設(shè)計(jì)方法，把大問(wèn)題分解為小問(wèn)題，直到每個(gè)小問(wèn)題都有了明確的解決方案，設(shè)計(jì)過(guò)程即告完成。因?yàn)樽皂斚蛳碌脑O(shè)計(jì)過(guò)程會(huì)把大問(wèn)題、較大問(wèn)題逐步分解為較小的、更接近系統(tǒng)實(shí)現(xiàn)的問(wèn)題，所以這個(gè)過(guò)程也被稱為逐步求精。

　　在系統(tǒng)分析的IPO中，要從輸入的ARFF文件處理“文件解析”模塊開(kāi)始考慮。首先，系統(tǒng)讀入一個(gè)ARFF文件；然后對(duì)ARFF文件的內(nèi)容進(jìn)行解析，把@RELATION中的關(guān)系名字、@ATTRIBUTE中的屬性名字和類型作為創(chuàng)建數(shù)據(jù)庫(kù)表結(jié)構(gòu)的依據(jù)，能夠把@DATA中的每一行實(shí)例數(shù)據(jù)作為一個(gè)記錄添加到數(shù)據(jù)庫(kù)文件中?！拔募馕觥焙拖鄳?yīng)的輸出部分就是對(duì)頂層的“轉(zhuǎn)換處理”向下的一步求精。進(jìn)一步向下求精出“形成文件對(duì)象”子模塊。

　　“文件解析”子模塊的輸出，將其轉(zhuǎn)換為相應(yīng)的數(shù)據(jù)庫(kù)，需要以解析的三個(gè)結(jié)果為輸入，創(chuàng)建數(shù)據(jù)庫(kù)表，并將實(shí)例數(shù)據(jù)作為記錄寫到數(shù)據(jù)庫(kù)中，然后得到相應(yīng)的數(shù)據(jù)庫(kù)文件。這一部分可以定義為“創(chuàng)建數(shù)據(jù)庫(kù)”子模塊。它也是對(duì)頂層的“轉(zhuǎn)換處理”向下的一步求精。同樣地，對(duì)于“創(chuàng)建數(shù)據(jù)庫(kù)表”子模塊，可以進(jìn)一步向下求精地設(shè)計(jì)為“建立數(shù)據(jù)庫(kù)連接”和“訪問(wèn)數(shù)據(jù)庫(kù)”。

　　綜上所述，通過(guò)自頂向下的逐步求精設(shè)計(jì)過(guò)程后，得到的設(shè)計(jì)結(jié)果如圖2所示。

　　到此為止，自頂向下的設(shè)計(jì)基本上將“轉(zhuǎn)換處理”的問(wèn)題逐步求精、分解到可以通過(guò)程序直接處理的若干子問(wèn)題。然后將根據(jù)這個(gè)設(shè)計(jì)結(jié)果，使用具體的程序設(shè)計(jì)語(yǔ)言和工具來(lái)實(shí)現(xiàn)ARFF-DB轉(zhuǎn)換器。

4 程序設(shè)計(jì)與實(shí)現(xiàn)

　　根據(jù)系統(tǒng)分析和設(shè)計(jì)結(jié)果，開(kāi)始進(jìn)行系統(tǒng)的程序?qū)崿F(xiàn)，這時(shí)的問(wèn)題就是程序設(shè)計(jì)語(yǔ)言和開(kāi)發(fā)工具（平臺(tái)）的選擇。因?yàn)楣P者對(duì)Java語(yǔ)言較熟悉，所以使用Java作為程序設(shè)計(jì)語(yǔ)言，選用jdk1.6.0_02。數(shù)據(jù)庫(kù)系統(tǒng)使用MySQL[6]。另外，對(duì)于開(kāi)發(fā)平臺(tái)和工具，這里使用的是命令行，編輯器使用textpad。

　　4.1 程序組織和結(jié)構(gòu)設(shè)計(jì)

　　轉(zhuǎn)換器程序使用了包的結(jié)構(gòu)。程序的結(jié)構(gòu)由包和其中的類形成，用樹(shù)的形式表示如表1。

　　4.2 界面的程序設(shè)計(jì)與實(shí)現(xiàn)

　　ARFF-DB轉(zhuǎn)換器的主界面效果如圖3所示。

　　4.3 ARFF文件及其解析的設(shè)計(jì)與實(shí)現(xiàn)

　　依據(jù)系統(tǒng)分析和設(shè)計(jì)的結(jié)果，程序設(shè)計(jì)實(shí)現(xiàn)了ARFF文件的封裝和讀入。程序定義ARFFFile類，用于封裝ARFF文件，并支持對(duì)arff方法文件的讀入。設(shè)計(jì)ARFFFileAnanlysis類，定義analyze方法，用于實(shí)現(xiàn)ARFF文本的解析邏輯。

　　4.4 數(shù)據(jù)庫(kù)的創(chuàng)建與讀寫

　　在“文件解析”的過(guò)程中，輸入ARFF文件，輸出中給出數(shù)據(jù)庫(kù)的相關(guān)信息，包括數(shù)據(jù)庫(kù)關(guān)系名稱、數(shù)據(jù)庫(kù)屬性名稱和屬性值類型、數(shù)據(jù)庫(kù)關(guān)系中的記錄。轉(zhuǎn)換器設(shè)計(jì)實(shí)現(xiàn)了ArffDbCreator類，把解析出的數(shù)據(jù)關(guān)系名稱和數(shù)據(jù)屬性名稱以及值類型作為輸入，創(chuàng)建數(shù)據(jù)庫(kù)，輸出得到一個(gè)數(shù)據(jù)庫(kù)表；然后，將數(shù)據(jù)記錄信息讀入到該數(shù)據(jù)庫(kù)表中，并通過(guò)讀出記錄，測(cè)試數(shù)據(jù)庫(kù)的建立和讀寫操作是否成功。這部分功能的實(shí)現(xiàn)主要涉及到從Java通過(guò)JDBC連接，訪問(wèn)相應(yīng)的數(shù)據(jù)庫(kù)。

　　4.5 主邏輯設(shè)計(jì)、實(shí)現(xiàn)以及程序的整合

　　本文在實(shí)現(xiàn)階段采用自底向上的實(shí)現(xiàn)方法，即首先實(shí)現(xiàn)下層的程序邏輯（子功能），然后再通過(guò)整合各個(gè)子功能，實(shí)現(xiàn)較高層次的程序邏輯，直至實(shí)現(xiàn)程序的整體邏輯功能。

　　目前已經(jīng)設(shè)計(jì)實(shí)現(xiàn)了“文件解析”邏輯和“數(shù)據(jù)庫(kù)創(chuàng)建及寫入”邏輯，現(xiàn)在要設(shè)計(jì)一個(gè)程序主邏輯，以便將上述兩個(gè)底層邏輯整合到一起，完成轉(zhuǎn)換器程序的整體功能，即：從ARFF文件到數(shù)據(jù)庫(kù)表的轉(zhuǎn)換。

　　主邏輯設(shè)計(jì)主要考慮的是用戶使用“轉(zhuǎn)換器”系統(tǒng)的方式以及要求的系統(tǒng)功能。這里，用戶使用的是GUI，通過(guò)GUI設(shè)定的菜單進(jìn)行功能選擇。這個(gè)過(guò)程可以通過(guò)用例及用例圖來(lái)描述[5]。如圖4所示。

5 總結(jié)

　　ARFF-DB轉(zhuǎn)換器實(shí)現(xiàn)了從ARFF文件到數(shù)據(jù)庫(kù)文件的基本轉(zhuǎn)換功能。本文采用自頂向下方法完成了ARFF-DB轉(zhuǎn)換器的系統(tǒng)分析和設(shè)計(jì)，采用自底向上方法完成了程序?qū)崿F(xiàn)。今后要對(duì)處理arff文件中的殘缺值問(wèn)題給出更好的解決方案。還要在ARFF-DB轉(zhuǎn)換器基礎(chǔ)上實(shí)現(xiàn)DB-ARFF轉(zhuǎn)換器，使得轉(zhuǎn)換器功能更完善。

參考文獻(xiàn)

　　[1] WITTEN I H， FRANK E.數(shù)據(jù)挖掘：實(shí)用機(jī)器學(xué)習(xí)技術(shù)[M].北京：機(jī)械工業(yè)出版社，2007.

　　[2] 彭順順，周傳生.基于數(shù)據(jù)驅(qū)動(dòng)的圖形界面開(kāi)發(fā)方案[J].微型機(jī)與應(yīng)用，2013，32（19）：1-3.

　　[3] 王剛，程建平.面向業(yè)務(wù)的敏捷界面定制構(gòu)件的設(shè)計(jì)[J].微型機(jī)與應(yīng)用，2012，31（7）：11-13.

　　[4] 王飛，郭淵博，郝耀輝，等.面向用例安全關(guān)鍵系統(tǒng)開(kāi)發(fā)方法研究[J].計(jì)算機(jī)應(yīng)用與軟件，2013，30（8）：134-138.

　　[5] 謝東強(qiáng).敏捷軟件開(kāi)發(fā)的雙迭代模型[J].計(jì)算機(jī)應(yīng)用與軟件，2012，29（6）：176-178.

　　[6] LARMAN C.UML和模式應(yīng)用[M].北京：北京機(jī)械工業(yè)出版社，2006.