崔嘉怡，匡 鵬，邵 飛，石靈丹

（1. 中南財經(jīng)政法大學，武漢 430073；2. 武漢長海高新技術有限公司，武漢 430000）

0 引言

電池包測試系統(tǒng)作為新能源測試行業(yè)中重要的質(zhì)量檢測系統(tǒng)，在過去幾十年取得了顯著的發(fā)展。多項研究工程致力于提升電池包測試系統(tǒng)的準確性、穩(wěn)定性和效率。同時，隨著人工智能技術的發(fā)展，船電技術的控制系統(tǒng)需要探索如何利用Web 應用學習算法來優(yōu)化電池包測試系統(tǒng)的性能，從而更好地滿足新能源測試行業(yè)的需求[1,2]。

在數(shù)據(jù)轉換算法的研究現(xiàn)狀中，XML 和JSON 是兩種常用的數(shù)據(jù)交換格式。由于它們的數(shù)據(jù)結構和語法有所不同，將XML 轉換為JSON或?qū)SON 轉換為XML 是一個具有挑戰(zhàn)性的任務[3]。常見的數(shù)據(jù)轉換方法是基于模式匹配和遞歸算法。在文獻[4]中基本思想是通過解析XML或JSON 的數(shù)據(jù)結構，然后根據(jù)預定義的轉換規(guī)則，將其轉換為另一種格式。另外，文獻[5]跟文獻[6]中一些研究致力于解決數(shù)據(jù)結構不一致性的問題。大多研究都是圍繞定義數(shù)據(jù)、數(shù)據(jù)轉換和數(shù)據(jù)重構以實現(xiàn)數(shù)據(jù)交換目的進行的如文獻[7]。還有一些研究如文獻[8]探索了利用中間形式進行數(shù)據(jù)轉換。

而在實際電池包測試系統(tǒng)中，XML 和JSON的數(shù)據(jù)結構可能會因為不同的數(shù)據(jù)源或數(shù)據(jù)格式而存在差異，例如元素不一致、嵌套層次變化等。為了實現(xiàn)準確、高效的數(shù)據(jù)轉換，我們提出了一些智能匹配方法和自動對齊技術。這些方法和技術可以自動識別數(shù)據(jù)結構的不一致性，并進行相應的調(diào)整和映射，從而確保轉換后的數(shù)據(jù)準確無誤。

1 電池包測試系統(tǒng)下Json 與XML

1.1 JSON

JSON 作為輕量級數(shù)據(jù)交換格式，在文獻[9]中所述，JSON 采用鍵值對表示數(shù)據(jù)，常用于Web應用程序和服務端間數(shù)據(jù)傳輸。鍵值對間用冒號分隔，鍵為字符串。在文獻[10]中，數(shù)據(jù)可以為對象或數(shù)組。值可以是字符串、數(shù)字、布爾值、對象、數(shù)組或null。以下是系統(tǒng)可識別的json 序列示例圖：

圖1 EOL 系統(tǒng)可識別的json 序列示例

1.2 XML

XML 是一種可擴展標記語言，由元素和屬性構成，構建非限定秩的結點樹。XML 文檔可視為由元素類型集合（E）、屬性名集合（A）和結點值集合（Str）構成的樹（T）。由文獻[10]得,元素類型集合（E）包含所有可能元素類型，樹T的屬性名集合（A）包含所有屬性名，結點值集合（Str）包含所有結點值。屬性名以@開頭,與元素類型區(qū)分。XML 樹T 定義為:(N,,,root),其中N 是結點集合(元素和屬性),為父子關系,為兄弟關系，root 為根結點,另外元素類型函數(shù):N -> E(如果λ(v)=e，我們說e 是v 的元素類型)；屬性函數(shù):N->Str，N 中的任何一個屬性結點，其值在Str 中，N 中沒有子結點的結點為葉結點；任何一個結點和其所有后帶結點組成的樹，我們稱為子樹，為此子樹的根結點；以下是系統(tǒng)可識別轉換后的XML 片段示例圖：

圖2 系統(tǒng)可識別轉換后的XML 片段示例

1.3 DTD

XML 文檔的DTD 可用如下三元組來定義(P,R,r)，其中：P 是從元素類型到子元素正則表達式的映射，此映射描述父結點與子結點的關系，表達式基于元素類型，語法如下：μ:=?|e,e ∈E|μ|μ|μ,μ| μ*。其中? 代表空，μ|μ和μ，μ分別代表合并與連接，μ*代表任意多個相同元素的連接。以下是XML 片段的DTD 示例與DTD 所表示的樹型圖：

圖3 DTD 所表示的樹型圖

1.4 Web 應用下方案格式與轉換

在轉換電池包測試系統(tǒng)的.sol 文件(XML 格式)為JSON 時，需要考慮兩者結構差異。首先，將.sol 文件（XML 格式）轉換為JSON，使得應用能夠使用拖拽式方案編輯器所需的JSON。上位機可以通過該JSON 反向生成XML。轉換過程步驟：①解析.sol 文件：使用XML 解析庫解析.sol文件中的XML 數(shù)據(jù)，將其轉換為適當?shù)臄?shù)據(jù)結構。②創(chuàng)建JSON 對象：根據(jù)解析結果，創(chuàng)建對應的JSON，定義其結構和鍵值對。③遍歷XML并生成JSON：遍歷后的XML 數(shù)據(jù)，將XML 元素轉換為對應的JSON 對象，并將其添加到JSON適當位置。④設置JSON 鍵值對：根據(jù).sol 文件中的XML 元素和屬性，設置JSON 的鍵值對。⑤輸出JSON：將生成的JSON 對象輸出為JSON格式的文件，完成.sol 文件到JSON 的轉換過程。

圖4 存在DTD 的XML 格式的.sol 數(shù)據(jù)轉換為JSON

2 多格式數(shù)據(jù)轉換的方法與實現(xiàn)

多格式數(shù)據(jù)轉換在方案編輯器中扮演關鍵角色，確保電池包下線測試系統(tǒng)生成的.sol 文件與Web 方案編輯器所需的JSON、XML 等格式之間能夠相互轉換。以下將探討數(shù)據(jù)轉換的算法和實現(xiàn)細節(jié)，并介紹處理不同格式轉換的方法及其優(yōu)劣和準確性。在Web 應用中，關鍵在于設計實現(xiàn)準確轉換的算法，以下將比較不同方法的優(yōu)劣和適用性，主要方法包括:df.to_xml 庫函數(shù)、dict_to_xml 方法和JSON2XMLConverter 函數(shù)。

2.1 df.to_xml 庫函數(shù)

1)使用df.to_xml 進行JSON 到XML：使用df.to_xml 方法將JSON 數(shù)據(jù)轉換為DataFrame 格式，然后通過DataFrame 對象的to_xml 方法將其轉換為XML 格式字符串。

2)基本原理：①轉換為DataFrame 格式：首先，將JSON 數(shù)據(jù)轉換為DataFrame 格式,再將JSON 數(shù)據(jù)轉為DataFrame 并賦值給變量df。②to_xml 方法：使用DataFrame 的to_xml 方法將DataFrame 轉換為XML 格式的字符串。③生成字符串：變量xml_str 保存轉換得到的XML 格式的字符串，該字符串表現(xiàn)與原始JSON 相對應的XML 結構。

2.2 dict_to_xml 方法

1)使用dict_to_xml 進行JSON 到XML：dict_to_xml 是一種用于將Python 字典數(shù)據(jù)轉換為XML 格式字符串的方法。其原理是遞歸將字典中的鍵值對轉換為對應XML 元素和屬性。

2)基本原理：①遞歸遍歷字典：dict_to_xml()會逐層遍歷字典中的所有鍵值對。對于每個鍵值對，根據(jù)鍵的類型決定生成XML 元素或?qū)傩?。②?chuàng)建XML 元素：每個鍵被轉換為一個XML 元素，鍵名成為XML 元素的標簽，相關的值成為元素的內(nèi)容。③屬性處理：若值為字典，將被視為XML 元素，并根據(jù)其中的鍵值對創(chuàng)建子元素。列表中的每個元素都會創(chuàng)建一個子元素。對于基本類型（如整數(shù)、字符串、布爾值）的鍵值對，會將其作為元素的文本內(nèi)容。

2.3 JSON2XMLConverter 函數(shù)

1)使用JSON2XMLConverter 進行JSON 到XML：自研開發(fā)的JSON2XMLConverter 函數(shù)是一種根據(jù)EOL 測試系統(tǒng)對XML 格式的特定要求編寫的JSON 轉XML 轉換算法。該算法基于遞歸和條件判斷的編程概念，以滿足WEB 端所需的XML 格式。

2)基本原理:①遞歸遍歷：JSON2XMLConver ter 函數(shù)通過遞歸遍歷字典中的鍵值對，處理嵌套結構，如字典中包含字典或列表。遞歸遍歷是將整個字典結構轉換為相應XML 元素結構的關鍵。圖6 展示了經(jīng)過自制XML 轉換函數(shù)遍歷解析后的樹形結構，以生成EOL 系統(tǒng)可識別的XML 片段示例。②條件判斷：在遍歷過程中，JSON2X MLConverter 函數(shù)根據(jù)鍵值對的類型和格式進行條件判斷。根據(jù)鍵的類型，它決定生成XML 元素或?qū)傩?；根?jù)值的類型，它決定創(chuàng)建子元素或文本內(nèi)容。這些條件判斷確保生成的XML 與原始數(shù)據(jù)結構一致。

圖5 JSON 轉XML 遍歷解析后的樹型結構圖

3 數(shù)據(jù)集與系統(tǒng)實驗設計

為了比較三種JSON 轉XML 的數(shù)據(jù)轉換方法在不同數(shù)據(jù)集上的性能，我們設計了兩組數(shù)據(jù)集：人工截取數(shù)據(jù)集（Short_file）和由EOL 測試系統(tǒng)生成的數(shù)據(jù)集（Long_file）其覆蓋不同復雜程度和規(guī)模的數(shù)據(jù)，以全面評估性能。數(shù)據(jù)集大小按10 的倍數(shù)從10 逐步增加到100，用于評估模型性能。

3.1 人工截取數(shù)據(jù)集（Short_file）

手動創(chuàng)建的數(shù)據(jù)集，包含整數(shù)、浮點數(shù)、字符串、嵌套結構和數(shù)組等數(shù)據(jù)操作類型，模擬常見操作步驟如BTS、HIPOT、BTD、繼電器操作等生成JSON 數(shù)據(jù)。用于評估在常見場景下的性能。

3.2 電池包測試系統(tǒng)的數(shù)據(jù)集（Long_file）

由電池包測試系統(tǒng)生成真實數(shù)據(jù)集，包含復雜的數(shù)據(jù)結構和邊界條件，全面評估數(shù)據(jù)轉換和上位機設置的邊界條件生成的JSON。用于評估在大數(shù)據(jù)集下的性能。

3.3 實驗設計與實現(xiàn)

為比較三種數(shù)據(jù)轉換方法的準確率和性能，設計對比實驗包括：1.準確率比較：將三種方法的轉換后數(shù)據(jù)與原始數(shù)據(jù)進行匹配，計算準確率。準確率表示轉換后數(shù)據(jù)與原始數(shù)據(jù)完全匹配的比例，是衡量數(shù)據(jù)轉換準確性的指標。2.運行性能比較：比較三種方法的轉換時間（Conversion Time）、格式化XML 時間（Format Time）和總運行時間（Total Running Time）。通過計時比較方法的性能，多次實驗取平均值提高可靠性.

3.4 實驗步驟

實驗設計如下：①讀取人工截取數(shù)據(jù)集（ Short_file ） 和測試系統(tǒng)生成的數(shù)據(jù)集（Long_file）的JSON 數(shù)據(jù)。②使用三種數(shù)據(jù)轉換方法將JSON 數(shù)據(jù)轉換為XML，并記錄轉換時間。③對轉換后的XML 數(shù)據(jù)進行格式整理，并記錄格式整理時間。④計算轉換準確率，得出每種數(shù)據(jù)轉換方法在不同數(shù)據(jù)集上的準確率。⑤比較不同數(shù)據(jù)轉換方法的性能，得出數(shù)據(jù)轉換方法在不同數(shù)據(jù)集上的轉換時間、格式整理時間和總運行時間。

通過上述實驗設計，我們可以全面比較JSON轉化為XML 的三種數(shù)據(jù)轉換方法在不同數(shù)據(jù)集上的準確率和性能表現(xiàn)，為選擇最合適的數(shù)據(jù)轉換方法提供科學依據(jù)。

4 實驗結果與數(shù)據(jù)轉換性能評估

4.1 準確率對比評估

在準確率對比評估中展示了使用三種方法進行數(shù)據(jù)轉換時的準確率對比。圖中有兩條曲線，一條表示 Short_file 的準確率，另一條表示Long_file 的準確率。其中，X 軸表示文件大小(Number of Files),Y 軸表示準確率(Accuracy)。

在圖6 中展示了使用df.to_xml 進行數(shù)據(jù)轉換時的準確率對比。在Short_file 準確率曲線中:隨著文件大小的增加，準確率從0.444 45 逐漸下降至約0.430 23。在文件大小為20 左右時，準確率下降幅度較大，之后變化較為平緩。在Long_file準確率曲線:隨著文件大小的增加，準確率從0.294 45 逐漸下降至約0.287 94。在文件大小為20 左右時，準確率下降幅度較大，之后變化較為平緩。大小數(shù)據(jù)集整體趨勢均是準確率隨文件大小增加而略微下降。

圖6 df.to_xml 方法-準確率評估

在圖7中展示了使用dict_to_xml進行數(shù)據(jù)轉換時的準確率對比。在Short_file準確率曲線(藍色)中:隨著文件大小的增加，準確率從0.920 63逐漸下降至約0.903 05。在文件大小為20左右時，準確率下降幅度較大，之后變化較為平緩。在Long_file準確率曲線(橙色)中：隨著文件大小的增加，準確率從0.818 19逐漸下降至約0.800 04。在文件大小為20左右時，準確率下降較明顯，之后變化較為平緩。

圖7 dict_to_xml 方法-準確率評估

在圖8 中展示了使JSON2XMLConverter 函數(shù)進行數(shù)據(jù)轉換時的準確率對比。在Short_file準確率曲線中：隨著文件大小的增加，準確率從0.984 12 逐漸下降至約0.983 29。整體上，準確率保持在較高水平。在Long_file 準確率曲線中:隨著文件大小的增加，準確率從0.636 34 逐漸上升至約0.632 07。整體上，準確率保持在較低水平。兩組數(shù)據(jù)的準確率曲線趨勢截然不同。JSON2XMLConverter 函數(shù)在處理較小的文件時表現(xiàn)良好，準確率較高；但在處理較大文件時準確率有所下降。

圖8 JSON2XMLConverter 函數(shù)-準確率評估

在準確率評估中，對比了三種不同的JSON轉XML方法在兩種不同大小的數(shù)據(jù)集上的準確率。其中，自制的JSON轉XML函數(shù)（JSON2XML Converter）在Short_file上表現(xiàn)出較為顯著的優(yōu)勢，其準確率達到了0.988 12。相比之下，df.to_xml在同一數(shù)據(jù)集上的準確率較低，僅為0.434 55，而dict_to_xml方法的準確率為0.805 17。在Long_file上，dict_to_xml表現(xiàn)出相對較高的準確率，為0.805 17，略高于自制函數(shù)。然而，df.to_xml在這個數(shù)據(jù)集上的準確率僅為0.284 90，表現(xiàn)較為不理想。

4.2 運行性能對比評估

4.2.1 df.to_xml 庫函數(shù)

在圖9 中是df.to_xml 轉化時間與格式化時間對比結果，由實線可得，隨著數(shù)據(jù)量大小的增加，數(shù)據(jù)轉換時間也呈現(xiàn)明顯的增加趨勢，Long_file較于Short_file 的時間略多一點，兩條線的垂直距離并不大，有輕微增長趨勢。而虛線中，Long_file 較于Short_file 的格式化時間出現(xiàn)明顯差距，并呈現(xiàn)增加趨勢。并整體可以看到轉換時間與格式化時間合體差距對比尤為顯著。

圖9 df.to_xml-轉化時間與格式化時間對比

圖10 中顯示了不同長度數(shù)據(jù)集的運行時間的對比，其所顯示了隨著數(shù)據(jù)集大小的增加，df.to_xml 方法的數(shù)據(jù)轉換時間呈現(xiàn)出明顯的增長趨勢，這表明對于較大的數(shù)據(jù)集，該方法可能不夠高效。在實際應用中，我們需要根據(jù)具體的數(shù)據(jù)規(guī)模和性能需求來選擇合適的數(shù)據(jù)轉換方法。如果需要處理大規(guī)模復雜數(shù)據(jù)集，可能需要考慮使用其他更高效的數(shù)據(jù)轉換方法，或者優(yōu)化算法以提高數(shù)據(jù)轉換性能。

圖10 df.to_xml-轉化時間與格式化時間對比

4.2.2 dict_to_xml 方法

在圖11 是dict_to_xml 的處理時間結果。在處理轉換時間時，Long_file 較于Short_file 的轉換時間相對較長，說明該方法較大規(guī)模的數(shù)據(jù)集時需要更多的時間來完成數(shù)據(jù)轉換。在處理運行時間中，Short_file 與Long_file 均隨著數(shù)據(jù)集大小的增加，格式化時間呈現(xiàn)明顯的上升趨勢。而且格式化時間Long_file 相對于Short_file 更長，這表明dict_to_xml 方法在處理較大規(guī)模的數(shù)據(jù)集時需要更多的時間來完成XML 格式的整理。并整體顯示了dict_to_xml 均在較大數(shù)據(jù)集上需要較長的轉換時間和格式化時間，且隨著數(shù)據(jù)集大小的增加，這些時間呈現(xiàn)明顯的增長趨勢。

圖11 dict_to_xml 轉化時間與格式化時間對比

在圖12 中顯示了dict_to_xml 總運行時間的增長趨勢與轉換時間和格式化時間類似。隨著文件數(shù)量的增加，總運行時間在兩個數(shù)據(jù)集上都逐漸增加，并且Long_file 的總運行時間顯著大于Short_file 的總運行時間。因此，Dict_to_xml 在處理較大規(guī)模數(shù)據(jù)時，無論是格式化時間、轉換時間還是總運行時間，都較Short_file 耗時更多。

圖12 dict_to_xml-轉化時間與格式化時間對比

圖13 JSON2XMLConverter-總運行時間

4.2.3 JSON2XMLConverter 函數(shù)

對于JSON 到XML 的轉換任務，JSON2XML Converter 函數(shù)在處理不同規(guī)模的數(shù)據(jù)集上都表現(xiàn)良好，總運行時間較為可控。在JSON2XML Converter 函數(shù)中，把格式化跟轉換的時間合二為一，這樣優(yōu)化運行的步驟，更是優(yōu)化了算法的空間復雜度。所以在圖 13 中只有 Long_file 和Short_file 的總運行時間。圖中折線圖分別表示Short_file 和Long_file 在不同文件數(shù)量下的總運行時間?？梢杂^察到，隨著文件數(shù)量的增加，總運行時間在兩個數(shù)據(jù)集上都呈現(xiàn)逐漸增加的趨勢。同時，Long_file 的總運行時間稍高于Short_file，但兩者的差異并不明顯。因此，對于JSON 到XML的轉換任務，JSON2XML Converter 函數(shù)在處理不同規(guī)模的數(shù)據(jù)集上都表現(xiàn)良好，總運行時間滿足測試的要求。

在柱狀圖14 中顯示了JSON2XMLConverter函數(shù)在Short_file 和Long_file 數(shù)據(jù)集上的總運行時間對比。隨著文件數(shù)量的增加，JSON2XML Converter 函數(shù)在兩個數(shù)據(jù)集上的總運行時間都呈現(xiàn)逐漸增加的趨勢。增長速率較為穩(wěn)定，沒有出現(xiàn)明顯的異?；蛲蛔?。JSON2XMLConverter函數(shù)在處理較大規(guī)模的數(shù)據(jù)集時，總運行時間有所增加，但仍然表現(xiàn)較好。JSON2XMLConverter函數(shù)在處理不同規(guī)模的數(shù)據(jù)集時，總運行時間逐漸增加，但仍保持較好的運行性能。

圖14 JSON2XMLConverter-總運行時間

5 結果討論與總結分析

5.1 結果討論

通過對三種不同的 JSON 轉 XML 方法（df.to_xml、dict_to_xml、JSON2XMLConverter函數(shù)）在不同大小的數(shù)據(jù)集上進行準確率和運行性能對比評估，我們可以得出以下結論：

1）準確率對比評估：①df.to_xml 方法：在準確率評估中，df.to_xml 表現(xiàn)較為一般，無論在Short_file 還是Long_file 上，準確率都較低，尤其是 Long_file 上的準確率較為不理想。②dict_to_xml 方法：dict_to_xml 在處理Short_file上表現(xiàn)較好，但在Long_file 上準確率下降較明顯，相比之下，其在Short_file 上的準確率較高。③JSON2XMLConverter 函數(shù)：JSON2XMLConverter函數(shù)在處理Short_file 上表現(xiàn)優(yōu)異，準確率較高且較為穩(wěn)定；但在Long_file 數(shù)據(jù)集上，準確率略低，表現(xiàn)不如處理Short_file 數(shù)據(jù)集。

2）運行性能對比評估：①df.to_xml 方法：df.to_xml 方法在處理較大規(guī)模的數(shù)據(jù)集時，總運行時間明顯增加，表現(xiàn)一般。處理轉換時間和格式化時間時，隨著文件數(shù)量的增加，轉換時間和格式化時間均呈現(xiàn)明顯增長趨勢。②dict_to_xml方法：dict_to_xml 在處理較大規(guī)模的數(shù)據(jù)集時，轉換時間和格式化時間較長，總運行時間隨著文件數(shù)量的增加而增加。較df.to_xml 方法，在處理較大規(guī)模數(shù)據(jù)集時，dict_to_xml 方法總運行時間略優(yōu)。③JSON2XMLConverter 函數(shù)：JSON2XML Converter 在處理不同規(guī)模的數(shù)據(jù)集時，總運行時間逐漸增加，但表現(xiàn)較好。其綜合性能相對穩(wěn)定，在處理較大規(guī)模數(shù)據(jù)集時表現(xiàn)尤為優(yōu)異.

5.2 總結分析

綜合分析，JSON2XMLConverter 函數(shù)在短數(shù)據(jù)集上表現(xiàn)優(yōu)異，準確率較高且總運行時間較短；而在長數(shù)據(jù)集上準確率略有下降，但總體運行時間仍然基本滿足測試要求。dict_to_xml 方法在處理較大數(shù)據(jù)集時準確率較高，總運行時間相對較長，但在處理短數(shù)據(jù)集時表現(xiàn)較好。df.to_xml 方法整體表現(xiàn)較一般，在處理較大規(guī)模數(shù)據(jù)集時總運行時間較長，準確率也較低。

根據(jù)不同的數(shù)據(jù)規(guī)模和性能需求，選擇合適的JSON 轉XML 方法是至關重要的。若處理較小規(guī)模的數(shù)據(jù)集且需要高準確率和較短的總運行時間，可以選擇JSON2XMLConverter 函數(shù)；若處理較大規(guī)模的數(shù)據(jù)集，可以考慮使用dict_to_xml 方法；其優(yōu)秀的性能表現(xiàn)證明了JSON2XMLConverter 函數(shù)與dict_to_xml 方法在處理JSON 到XML 數(shù)據(jù)轉換任務上的可靠性和有效性，可為測試系統(tǒng)下的方案編輯器提供更優(yōu)化的轉換算法方案。而庫函數(shù)df.to_xml 在處理數(shù)據(jù)集時無論大小性能較差，不太推薦在系統(tǒng)場景下使用。

用戶可以在系統(tǒng)中通過方案的大小來評估選擇不同的轉換方法來找到有效的解決方案。但本文實驗結果受到數(shù)據(jù)集規(guī)模、硬件設備、編程語言、算法實現(xiàn)等因素的影響。因此，不同的應用場景和需求可能需要繼續(xù)根據(jù)具體情況來選擇最適合的數(shù)據(jù)轉換方法。