一种文件转换器的设计与实现

秦奕青

（北京信息科技大学，北京 100101）

1 ARFF-DB转换器的应用背景

ARFF-DB转换器的应用背景来自于机器学习领域的Weka系统[1]。Weka把ARFF格式的文本文件转换为数据库的记录格式，形成由实例（Instance）和属性（Attribute）组成的关系，再通过机器学习，发现规则或者概念。

ARFF（Attribute-Relation File Format）是 Weka 使 用的数据文件输入格式，其样例如下。

%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

文件由两部分组成，第一部分被称作文件头（header），第二部分被称作数据（data）。Header部分是由@RELATION和@ATTRIBUTE组成，其中，@RELATION声明了数据实例所在的关系名称，例如：iris（鸢尾花）；@ATTRIBUTE声明了数据中属性的名称及其类型，例如：属性名sepallength（花萼长度），属性的类型是numeric（数值型）。 属性类型除了 numeric，还包括 real、integer、nominal、string 和 date，其中，real和 integer均 被 视为numeric；nominal型属性值属于离散值，可以通过枚举方式给出所有属性值（例如：class属性，其值在{}中列出，属于名词型属性，具有离散特性）；date属性值应符合ISO-8601，格式为YYYY-MM-DD。Data部分由@DATA导出，每个实例的相关属性值为一行，上例中每个实例的属性值均与@ATTRIBUTE部分定义的属性一一对应，还可以由其他表示实例属性值的方法[1]表示。本例中给出了10个实例数据，每个实例都有5个属性值。更多ARFF文件格式的内容请参见参考文献[1]。

2 软件开发方法

随着软件开发需求的增加，各种软件开发方法和技术层出不穷。各类驱动式[2]、敏捷编程[3]软件开发方法不仅被广泛应用，而且其变体和扩展也被深入研究[4-5]，以期提高软件开发效率和软件质量。在开发文件转换器中，同样使用了用例驱动开发方法实现主界面、基于GUI的开发方法实现程序主题框架。尽管如此，开发使用的核心和基本方法仍然是经典的逐步求精软件开发方法，需求分析和设计主要采用自顶向下方法，实现阶段则采用自底向上方法。……