摘  要： 隨著計算機技術的飛速發(fā)展,，數(shù)據(jù)和信息以各種文件格式被組織并存儲在計算機系統(tǒng)中,。為了提高對數(shù)據(jù)和信息的共享效率，需要進行文件格式轉(zhuǎn)換，支持不同軟件的處理和應用需要,。采用經(jīng)典的軟件開發(fā)方法和技術,，設計和實現(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)換到關系數(shù)據(jù)庫文件,。

　　關鍵詞： 軟件開發(fā),；文件轉(zhuǎn)換器；自頂向下,；自底向上

1 ARFF-DB轉(zhuǎn)換器的應用背景

　　ARFF-DB轉(zhuǎn)換器的應用背景來自于機器學習領域的Weka系統(tǒng)[1],。Weka把ARFF格式的文本文件轉(zhuǎn)換為數(shù)據(jù)庫的記錄格式，形成由實例（Instance）和屬性（Attribute）組成的關系,，再通過機器學習,，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%[email protected]）

　　%（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)實例所在的關系名稱，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屬性值應符合ISO-8601,，格式為YYYY-MM-DD,。Data部分由@DATA導出，每個實例的相關屬性值為一行,，上例中每個實例的屬性值均與@ATTRIBUTE部分定義的屬性一一對應,，還可以由其他表示實例屬性值的方法[1]表示。本例中給出了10個實例數(shù)據(jù),，每個實例都有5個屬性值,。更多ARFF文件格式的內(nèi)容請參見參考文獻[1]。

2 軟件開發(fā)方法

　　隨著軟件開發(fā)需求的增加,，各種軟件開發(fā)方法和技術層出不窮,。各類驅(qū)動式[2]、敏捷編程[3]軟件開發(fā)方法不僅被廣泛應用,，而且其變體和擴展也被深入研究[4-5],，以期提高軟件開發(fā)效率和軟件質(zhì)量。在開發(fā)文件轉(zhuǎn)換器中,，同樣使用了用例驅(qū)動開發(fā)方法實現(xiàn)主界面,、基于GUI的開發(fā)方法實現(xiàn)程序主題框架。盡管如此,，開發(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發(fā)方法,，需求分析和設計主要采用自頂向下方法，實現(xiàn)階段則采用自底向上方法,。

　　自頂向下的程序設計思想,，就是在系統(tǒng)分析與設計中，采用不斷分解的方式,，把一個大問題逐步分解為若干個小問題,，直到所有的小問題都只具有簡單的邏輯功能，可以用程序語言直接實現(xiàn),，而不需要再分解,。

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

　　在ARFF-DB轉(zhuǎn)換器實現(xiàn)中,，采用自頂向下的分析和設計方法,、自底向上的程序?qū)崿F(xiàn)方法，這種分析和解決問題的方式,，符合人們的思維和實踐習慣,。

3 系統(tǒng)分析與設計

　　按照軟件工程的觀點，程序開發(fā)過程最基本的步驟包括：系統(tǒng)分析,、系統(tǒng)設計和系統(tǒng)實現(xiàn),。本文按照這一步驟進行ARFF-DB轉(zhuǎn)換器設計與開發(fā)。

　　3.1 系統(tǒng)基本功能分析

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

　　3.2 系統(tǒng)功能設計：自頂向下，逐步求精

　　系統(tǒng)設計考慮如何實現(xiàn)系統(tǒng)分析中明確的系統(tǒng)功能,，即：系統(tǒng)“如何做”才能實現(xiàn)ARFF文件到DB文件的轉(zhuǎn)換,。要使用自頂向下的設計方法，把大問題分解為小問題,，直到每個小問題都有了明確的解決方案,，設計過程即告完成。因為自頂向下的設計過程會把大問題,、較大問題逐步分解為較小的、更接近系統(tǒng)實現(xiàn)的問題,，所以這個過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”模塊開始考慮,。首先,，系統(tǒng)讀入一個ARFF文件；然后對ARFF文件的內(nèi)容進行解析,，把@RELATION中的關系名字,、@ATTRIBUTE中的屬性名字和類型作為創(chuàng)建數(shù)據(jù)庫表結(jié)構(gòu)的依據(jù)，能夠把@DATA中的每一行實例數(shù)據(jù)作為一個記錄添加到數(shù)據(jù)庫文件中,?！拔募馕觥焙拖鄳妮敵霾糠志褪菍攲拥摹稗D(zhuǎn)換處理”向下的一步求精,。進一步向下求精出“形成文件對象”子模塊。

　　“文件解析”子模塊的輸出,，將其轉(zhuǎn)換為相應的數(shù)據(jù)庫,，需要以解析的三個結(jié)果為輸入，創(chuàng)建數(shù)據(jù)庫表,，并將實例數(shù)據(jù)作為記錄寫到數(shù)據(jù)庫中,，然后得到相應的數(shù)據(jù)庫文件。這一部分可以定義為“創(chuàng)建數(shù)據(jù)庫”子模塊,。它也是對頂層的“轉(zhuǎn)換處理”向下的一步求精,。同樣地，對于“創(chuàng)建數(shù)據(jù)庫表”子模塊,，可以進一步向下求精地設計為“建立數(shù)據(jù)庫連接”和“訪問數(shù)據(jù)庫”,。

　　綜上所述，通過自頂向下的逐步求精設計過程后,，得到的設計結(jié)果如圖2所示,。

　　到此為止，自頂向下的設計基本上將“轉(zhuǎn)換處理”的問題逐步求精,、分解到可以通過程序直接處理的若干子問題,。然后將根據(jù)這個設計結(jié)果，使用具體的程序設計語言和工具來實現(xiàn)ARFF-DB轉(zhuǎn)換器,。

4 程序設計與實現(xiàn)

　　根據(jù)系統(tǒng)分析和設計結(jié)果,，開始進行系統(tǒng)的程序?qū)崿F(xiàn)，這時的問題就是程序設計語言和開發(fā)工具（平臺）的選擇,。因為筆者對Java語言較熟悉,，所以使用Java作為程序設計語言，選用jdk1.6.0_02,。數(shù)據(jù)庫系統(tǒng)使用MySQL[6],。另外，對于開發(fā)平臺和工具,，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)設計

　　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,，用樹的形式表示如表1。

　　4.2 界面的程序設計與實現(xiàn)

　　ARFF-DB轉(zhuǎn)換器的主界面效果如圖3所示,。

　　4.3 ARFF文件及其解析的設計與實現(xiàn)

　　依據(jù)系統(tǒng)分析和設計的結(jié)果,，程序設計實現(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arff方法文件的讀入,。設計ARFFFileAnanlysis類，定義analyze方法,，用于實現(xiàn)ARFF文本的解析邏輯,。

　　4.4 數(shù)據(jù)庫的創(chuàng)建與讀寫

　　在“文件解析”的過程中，輸入ARFF文件,，輸出中給出數(shù)據(jù)庫的相關信息,，包括數(shù)據(jù)庫關系名稱、數(shù)據(jù)庫屬性名稱和屬性值類型,、數(shù)據(jù)庫關系中的記錄,。轉(zhuǎn)換器設計實現(xiàn)了ArffDbCreator類，把解析出的數(shù)據(jù)關系名稱和數(shù)據(jù)屬性名稱以及值類型作為輸入,，創(chuàng)建數(shù)據(jù)庫,，輸出得到一個數(shù)據(jù)庫表；然后,，將數(shù)據(jù)記錄信息讀入到該數(shù)據(jù)庫表中,，并通過讀出記錄，測試數(shù)據(jù)庫的建立和讀寫操作是否成功,。這部分功能的實現(xiàn)主要涉及到從Java通過JDBC連接,，訪問相應的數(shù)據(jù)庫。

　　4.5 主邏輯設計,、實現(xiàn)以及程序的整合

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

　　目前已經(jīng)設計實現(xiàn)了“文件解析”邏輯和“數(shù)據(jù)庫創(chuàng)建及寫入”邏輯,，現(xiàn)在要設計一個程序主邏輯,，以便將上述兩個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)庫表的轉(zhuǎn)換,。

　　主邏輯設計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GUI設定的菜單進行功能選擇,。這個過程可以通過用例及用例圖來描述[5],。如圖4所示。

5 總結(jié)

　　ARFF-DB轉(zhuǎn)換器實現(xiàn)了從ARFF文件到數(shù)據(jù)庫文件的基本轉(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)分析和設計,，采用自底向上方法完成了程序?qū)崿F(xiàn),。今后要對處理arff文件中的殘缺值問題給出更好的解決方案。還要在ARFF-DB轉(zhuǎn)換器基礎上實現(xiàn)DB-ARFF轉(zhuǎn)換器,，使得轉(zhuǎn)換器功能更完善,。

參考文獻

　　[1] WITTEN I H， FRANK E.數(shù)據(jù)挖掘：實用機器學習技術[M].北京：機械工業(yè)出版社,，2007.

　　[2] 彭順順,，周傳生.基于數(shù)據(jù)驅(qū)動的圖形界面開發(fā)方案[J].微型機與應用，2013,，32（19）：1-3.

　　[3] 王剛,，程建平.面向業(yè)務的敏捷界面定制構(gòu)件的設計[J].微型機與應用，2012,，31（7）：11-13.

　　[4] 王飛,，郭淵博，郝耀輝,，等.面向用例安全關鍵系統(tǒng)開發(fā)方法研究[J].計算機應用與軟件,，2013，30（8）：134-138.

　　[5] 謝東強.敏捷軟件開發(fā)的雙迭代模型[J].計算機應用與軟件,，2012,，29（6）：176-178.

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