一種文件轉換器的設計與實現

秦奕青

（北京信息科技大學，北京 100101）

1 ARFF-DB轉換器的應用背景

ARFF-DB轉換器的應用背景來自于機器學習領域的Weka系統[1]。Weka把ARFF格式的文本文件轉換為數據庫的記錄格式，形成由實例（Instance）和屬性（Attribute）組成的關系，再通過機器學習，發現規則或者概念。

ARFF（Attribute-Relation File Format）是 Weka 使 用的數據文件輸入格式，其樣例如下。

%1.Title：Iris Plants Database

%

%2.Sources：

%（a）Creator：R.A.Fisher

% （b）Donor：MichaelMarshall（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），第二部分被稱作數據（data）。Header部分是由@RELATION和@ATTRIBUTE組成，其中，@RELATION聲明了數據實例所在的關系名稱，例如：iris（鳶尾花）；@ATTRIBUTE聲明了數據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個實例數據，每個實例都有5個屬性值。更多ARFF文件格式的內容請參見參考文獻[1]。

2 軟件開發方法

隨著軟件開發需求的增加，各種軟件開發方法和技術層出不窮。各類驅動式[2]、敏捷編程[3]軟件開發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]，以期提高軟件開發效率和軟件質量。在開發文件轉換器中，同樣使用了用例驅動開發方法實現主界面、基于GUI的開發方法實現程序主題框架。盡管如此，開發使用的核心和基本方法仍然是經典的逐步求精軟件開發方法，需求分析和設計主要采用自頂向下方法，實現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，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方法，也可以采用自底向上的實現方法。自頂向下的實現方法指在程序實現時，先實現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）。自底向上的程序實現方法指在程序實現時，按照分析的結果，先從下層代表簡單小問題的邏輯開始實現，逐步向上，依次實現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。

在ARFF-DB轉換器實現中，采用自頂向下的分析和設計方法、自底向上的程序實現方法，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 系統分析與設計

按照軟件工程的觀點，程序開發過程最基本的步驟包括：系統分析、系統設計和系統實現。本文按照這一步驟進行ARFF-DB轉換器設計與開發。

3.1 系統基本功能分析

系統分析是通過分析系統的功能，搞清系統“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的輸入 I（input）、 處理 P （process） 和輸出 O（output），反映系統的功能。通過分析，ARFF-DB轉換器的IPO如圖1所示。

圖1 系統分析的IPO圖表示

3.2 系統功能設計：自頂向下，逐步求精

系統設計考慮如何實現系統分析中明確的系統功能，即：系統“如何做”才能實現 ARFF文件到DB文件的轉換。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、更接近系統實現的問題，所以這個過程也被稱為逐步求精。

在系統分析的IPO中，要從輸入的ARFF文件處理“文件解析”模塊開始考慮。首先，系統讀入一個ARFF文件；然后對ARFF文件的內容進行解析，把@RELATION中的關系名字、@ATTRIBUTE中的屬性名字和類型作為創建數據庫表結構的依據，能夠把@DATA中的每一行實例數據作為一個記錄添加到數據庫文件中。“文件解析”和相應的輸出部分就是對頂層的“轉換處理”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，將其轉換為相應的數據庫，需要以解析的三個結果為輸入，創建數據庫表，并將實例數據作為記錄寫到數據庫中，然后得到相應的數據庫文件。這一部分可以定義為“創建數據庫”子模塊。它也是對頂層的“轉換處理”向下的一步求精。同樣地，對于“創建數據庫表”子模塊，可以進一步向下求精地設計為“建立數據庫連接”和“訪問數據庫”。

綜上所述，通過自頂向下的逐步求精設計過程后，得到的設計結果如圖2所示。

圖2 “轉換處理”自頂向下的逐步求精設計結果

到此為止，自頂向下的設計基本上將“轉換處理”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。然后將根據這個設計結果，使用具體的程序設計語言和工具來實現ARFF-DB轉換器。

4 程序設計與實現

根據系統分析和設計結果，開始進行系統的程序實現，這時的問題就是程序設計語言和開發工具 （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。數據庫系統使用MySQL[6]。另外，對于開發平臺和工具，這里使用的是命令行，編輯器使用textpad。

4.1 程序組織和結構設計

轉換器程序使用了包的結構。程序的結構由包和其中的類形成，用樹的形式表示如表1。

表1 轉換器程序的包組織和類設計

4.2 界面的程序設計與實現

ARFF-DB轉換器的主界面效果如圖3所示。

圖3 ARFF-DB轉換器的主界面和內容顯示效果

4.3 ARFF文件及其解析的設計與實現

依據系統分析和設計的結果，程序設計實現了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 ARFF文本的解析邏輯。

4.4 數據庫的創建與讀寫

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

4.5 主邏輯設計、實現以及程序的整合

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

目前已經設計實現了“文件解析”邏輯和“數據庫創建及寫入”邏輯，現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，完成轉換器程序的整體功能，即：從ARFF文件到數據庫表的轉換。

主邏輯設計主要考慮的是用戶使用“轉換器”系統的方式以及要求的系統功能。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。

圖4 主程序邏輯設計中的用例

5 總結

ARFF-DB轉換器實現了從ARFF文件到數據庫文件的基本轉換功能。本文采用自頂向下方法完成了ARFF-DB轉換器的系統分析和設計，采用自底向上方法完成了程序實現。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轉換器基礎上實現DB-ARFF轉換器，使得轉換器功能更完善。

[1]WITTEN I H，FRANK E.數據挖掘：實用機器學習技術[M].北京：機械工業出版社，2007.

[2]彭順順，周傳生.基于數據驅動的圖形界面開發方案[J].微型機與應用，2013，32（19）：1-3.

[3]王剛，程建平.面向業務的敏捷界面定制構件的設計[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開發方法研究[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：北京機械工業出版社，2006.