简介：《大象-Thinking in UML》配套光盘面向UML初学者、软件建模实践者及高校相关课程学习者，用于配合书中案例理解面向对象分析与设计流程。压缩包共1903个文件、约9.25MB，以htm网页、tif/png/jpg等插图、cnt目录文件为主，并含jar、pdf、mdl与db等配套文件，收录彩色插图、Rose建模原文件、HTML版建模示例、Java虚拟机及《OO系统分析员之路》PDF。读者可用Rose原文件还原建模全过程，观察各阶段模型的组织方式；未装Rose时可通过HTML版在浏览器查阅同一示例，并借助Java虚拟机解决显示问题。彩色插图按书中编号命名，便于对照细节；PDF文章则补充面向对象系统分析员的学习路线。已有573人学习下载，适合希望把UML理论落到建模实践中的读者参考。

1. 《大象-Thinking in UML》配套光盘下载之后：先分清它是资料盘还是安装盘

《大象-Thinking in UML》配套光盘下载下来之后，很多人的第一反应是双击根目录那个自动播放菜单，然后对着一屏十几年前风格的界面发呆。这份资源的本质不是软件安装包，而是一整本 UML 教材的副产物：全书示例的模型工程文件、按章节拆开的电子课件、案例素材图，可能还夹着建模工具的试用安装包和几段建库脚本。它解决的是“不想从空白画布开始画图”这个问题——用例图、类图、时序图、活动图都已有成品，把里面的名词换成自己项目的，比从头画省太多事。适合三类人：正在系统学 UML 建模的学生、要给需求文档和设计文档配图的后端工程师、以及需要一套完整建模案例撑起课程设计的人。先把“这是资料盘不是安装盘”这件事想明白，后面的操作才不会走偏。

2. 拆开光盘目录：模型文件、课件与工具包的三层结构

光盘镜像常见两种形态，一种是单个 ISO，挂载或解压后得到一棵目录树；另一种是别人转存过的散装文件夹，里面套着“新建文件夹(2)”这种命名。不管哪种，拿到手第一件事都不是打开某个模型文件，而是把目录结构摸清楚。这类配套盘一般按章节编号组织，ch01到ch12各一份，每种资源一个平行子目录：模型工程、幻灯片、案例源码、工具安装包、说明文件。老光盘的命名相当随意，中文路径、空格、全角括号混着来，有的还把 Readme 存成 GBK 编码。先做体检再开图，是省时间的做法。

2.1 先给整张盘做一次文件指纹体检

体检要解决三个问题：盘里到底有多少文件、哪些是重复转存的、解压有没有缺文件。哈希值就是那个“后悔药”——后面用建模工具打开再保存，文件被工具悄悄升级成新格式时，你还能拿出原始哈希对照，确认哪些被动过。

import csv, hashlib, os, sys def sha256_of(path, chunk=1024 * 1024): """分块读取计算哈希，避免一次性把大文件读进内存""" h = hashlib.sha256() with open(path, "rb") as f: for block in iter(lambda: f.read(chunk), b""): h.update(block) return h.hexdigest() rows = [] root = sys.argv[1] # 光盘挂载点，或解压后的根目录 for dirpath, _, files in os.walk(root): for name in files: full = os.path.join(dirpath, name) try: size = os.path.getsize(full) except OSError: continue # 坏扇区或权限问题，跳过而不是中断 rows.append({ "rel_path": os.path.relpath(full, root), "ext": os.path.splitext(name)[1].lower(), "size_kb": round(size / 1024, 1), "sha256": sha256_of(full) if size < 200 * 1024 * 1024 else "", }) with open("manifest.csv", "w", newline="", encoding="utf-8-sig") as f: w = csv.DictWriter(f, fieldnames=["rel_path", "ext", "size_kb", "sha256"]) w.writeheader() w.writerows(rows) print(len(rows), "files indexed")

几个参数值得说一下。chunk取 1MB 是磁盘 IO 和内存占用的折中，光盘上全是几 MB 的模型文件，再大没有意义。size < 200 * 1024 * 1024这个阈值是给工具安装包留的余地——超过 200MB 的基本是安装程序，不需要算哈希，省一半时间。写文件时用utf-8-sig而不是utf-8，是因为这份 CSV 你大概率要用表格软件打开核对，带 BOM 才不会让中文路径变成乱码。rel_path用相对路径而不是绝对路径，是为了后面把这份清单直接提交进版本库，换台机器也能复现。

跑完之后先看总行数。如果解压出来的文件数和光盘说明里写的对不上，八成是解压中断或者镜像本身有问题，这时候别急着往下走，先重新挂载。

2.2 后缀对照表：哪个文件该用哪个工具接

模型工程文件是这张盘里最值钱的部分，也是最容易打不开的部分。老教材配套的工程文件后缀五花八门，同一个知识点在不同章节可能用了不同工具存。先把后缀和工具对上号，再决定用哪条路打开。

一个容易忽略的点：.zargo这类后缀看着像私有格式，其实就是个 zip，把后缀改成.zip解压，里面经常直接躺着 XMI 文件。这一步能把“需要装一个十几年前的工具”变成“用现成工具导入 XMI”。反过来，.mdl是二进制私有格式，除了原厂工具没有可靠解法，别指望文本编辑器能救。

2.3 按扩展名做一份体量表，判断“这盘值不值得留”

光盘动不动几百 MB，但真正有复用价值的往往只有几 MB。做个体量分布，能帮你决定哪些目录进版本库、哪些直接丢掉。

import collections, csv rows = list(csv.DictReader(open("manifest.csv", encoding="utf-8-sig"))) count = collections.Counter() weight = collections.Counter() for r in rows: ext = r["ext"] or "(no ext)" count[ext] += 1 weight[ext] += float(r["size_kb"] or 0) for ext, n in count.most_common(): print(f"{ext:10s} {n:5d} 个 {weight[ext] / 1024:8.1f} MB") # 同一份文件被拷了多份：按哈希分组，超过一条就是重复 dup = collections.defaultdict(list) for r in rows: if r["sha256"]: dup[r["sha256"]].append(r["rel_path"]) for h, paths in dup.items(): if len(paths) > 1: print("重复:", paths)

这段的输出通常长这样：.bmp或.jpg数量最多、体积最大，.mdl、.xmi数量少但排在价值第一位，工具安装包单独占一大块。我的习惯是把模型工程、.sql、.uml单独抽到一个keep/目录，课件按章节留，安装包和示例图片全部不进库——图片占了八成体积，真正有用的信息在图里，不在文件本身。

重复检测也要看一眼。同一份ch05.mdl出现在Models/和Backup/两个地方很常见，这时候保留带修改时间更晚的那份，另一份删掉，后面做批量处理时就不用纠结处理的是哪个副本。

3. 打开十几年前的 UML 模型：低版本兼容、XMI 中转与文本化三条路

三条路的取舍很清楚：只是想看看图长什么样，走第一条；要把图改成自己项目的，走第二条；要把模型纳入版本管理长期维护，走第三条。别一上来就奔着第三条去，转文本是有信息损失的，图形布局基本保不住，先确认原图长什么样再动手。

3.1 路径一：只读副本 + 低版本兼容打开

第一个动作永远是复制一份，把副本设成只读。老建模工具有个通病：打开工程时不提示就按自己理解的格式重写一遍，保存之后原文件就回不去了。只读属性至少在保存时会弹个窗，给你一次反悔的机会。

在 Windows 上，给整个目录加只读可以直接用命令行，比右键属性一个个点快得多：

# 在解压后的资源根目录执行，把模型工程整体设为只读 attrib +R "models\\*.*" /S # 需要放开时 attrib -R "models\\*.*" /S

/S表示递归子目录，+R是加只读、-R是去掉。这一步做完，用资源管理器看文件图标会带个小锁，心里就有底了。

环境层面，老工具常见的三个坎：一是 32 位运行时依赖，新系统上装完启动报缺少某个运行库；二是 Java 运行时版本，需要特定主版本号才肯启动，版本太新反而起不来；三是安装目录不能带中文和空格。第三条最容易被忽视，装在D:\建模工具\下面启动失败，换到D:\tools\modeler\就好了，这种玄学问题排查起来能耗掉一晚上。稳妥做法是把工具装进一台隔离的虚拟机，快照留一份，装崩了直接回滚。

打开之后先别动图，把每个.mdl过一遍，记下哪些能正常渲染、哪些报错。报错的单独列出来，走第二条路。

3.2 路径二：XMI 中转的导出参数与导入顺序

XMI 是 OMG 定的模型交换格式，几乎所有建模工具都支持导入导出，是跨工具唯一靠谱的桥。但导出时的勾选项决定了你导出来的是“一张图”还是“一堆没有位置的元素”。

操作顺序也有讲究，别反过来：

1. 在能打开原工程的那台机器上，逐个工程导出 XMI，一个工程一个文件，文件名带上章节号和原工程名。
2. 导出完立刻用文本编辑器打开其中一个，搜一下中文标签，确认不是问号或方这种实体乱码。
3. 在目标工具里先建一个空工程，用“导入”而不是“打开”，导入时选新建 GUID。
4. 导入后先数元素：类数量、关联数量、图数量，和原工具里显示的对照，对不上就说明有元素没导过来。
5. 最后再打开图看布局，布局丢了就接受现实，语义对了就够用。

第 4 步的核对最容易被跳过，但它是唯一能在十分钟内判断导入是否完整的办法。数目对不上，八成是 XMI 版本选高了，或者导出时没勾构造型。

3.3 路径三：把类图抽成文本，扔进版本库

图形布局在文本化过程中必然丢失，但类名、属性、关联这些语义结构能完整保留，而且文本能 diff、能 code review、能跟着代码一起演进。要把 XMI 里的类图抽出来，靠标准库就够：

import csv import xml.etree.ElementTree as ET UML = "{http://www.omg.org/spec/UML/20131001}" XMI = "{http://www.omg.org/spec/XMI/20131001}" root = ET.parse("ch06-class.xmi").getroot() # 第一遍：把 xmi:id 映射到类名，后面解析关联要用 id2name = {} for el in root.iter(UML + "Class"): name = el.get("name") if name: id2name[el.get(XMI + "id")] = name # 第二遍：关联两端的类型，过滤掉解析不到名字的 relations = set() for assoc in root.iter(UML + "Association"): ends = [] for prop in assoc.iter(UML + "Property"): ends.append(id2name.get(prop.get("type"))) ends = [e for e in ends if e] if len(ends) == 2 and ends[0] != ends[1]: relations.add(tuple(sorted(ends))) with open("classes.csv", "w", newline="", encoding="utf-8-sig") as f: csv.writer(f).writerows([["class"]] + [[n] for n in sorted(id2name.values())]) with open("relations.csv", "w", newline="", encoding="utf-8-sig") as f: csv.writer(f).writerows([["source", "target"]] + [list(r) for r in sorted(relations)]) print(len(id2name), "classes,", len(relations), "associations")

关键在命名空间。XMI 2.x 的元素都挂在 OMG 的 UML 命名空间下，不同工具导出的命名空间字符串可能带年份差异，20131001是最常见的一版；如果root.iter()一个类都没找到，先把根节点的xmlns打出来看看实际值，改一下常量就行，别怀疑代码逻辑。

xmi:id是元素唯一标识，关联边不直接存类名，而是存两端的 id 引用，所以必须先建映射表再解析边。关联去重用了sorted加set，因为无向关联在 XMI 里两端顺序不固定，不去重会出现同一条边正反各一条。

导出的两个 CSV 直接提交进版本库，配合一段脚本生成类清单，比提交一堆二进制工程文件友好得多。类图和关联图能这样处理，用例图稍微麻烦点——参与者和用例之间靠关联连，但«include»是带构造型的依赖，抽取时要把构造型名一起带上，否则重构完就分不清谁包含谁了。

4. 把示例图改成自己的图：用例、类图、时序图的复用与重命名

光盘里的示例基本都是电商、图书管理、教务系统这类经典题目，改起来工作量不大，但改错的地方很隐蔽：图改了、文档没改，或者图里的类改了、时序图里的消息名没跟着变。复用的正确姿势是先建映射表，所有改动从一个地方出发。

4.1 用例图与类图：先列名词映射表，再批量替换

映射表就是两列 CSV：旧名称、新名称。旧名称按原图里的原文抄，一个字符都别改，包括全角括号和空格。新名称用你自己项目的术语，同一概念在全盘保持唯一写法——“订单”和“定单”混用是后面所有对齐问题的根源。

import csv, pathlib, re # rename.csv 两列：old,new，先用表格软件核对一遍再跑 mapping = dict(csv.reader(open("rename.csv", encoding="utf-8-sig"))) # 长词优先，避免“订单明细”被“订单”先替换掉一半 pattern = re.compile("|".join(re.escape(k) for k in sorted(mapping, key=len, reverse=True))) target = pathlib.Path("out/xmi") for f in target.glob("*.xmi"): text = f.read_text(encoding="utf-8", errors="replace") new = pattern.sub(lambda m: mapping[m.group(0)], text) if new != text: f.write_text(new, encoding="utf-8") print("updated", f.name)

三个细节决定这段代码靠不靠谱。sorted(..., key=len, reverse=True)是必须的，不做长词优先，“订单明细”会被替换成“采购单明细”这种半截结果，而且替换顺序还依赖字典顺序，不稳定。errors="replace"是防御性的，老文件的编码声明经常和实际字节对不上，遇到坏字节直接抛异常会中断整批处理，替换成占位符至少能跑完，跑完再回头查哪些文件有问题。只处理.xmi而不碰.mdl，是因为二进制文件做文本替换必坏。

替换完别直接信结果，回到工具里打开图，重点看三处：关联线两端有没有断、构造型有没有被误伤、注释框里的文字改没改。构造型里带尖括号的部分（比如«include»里的 include）如果在映射表里被列进去了，也会一起被换掉，这是最容易翻车的地方，改之前先把尖括号内的词从映射表里剔掉。

4.2 时序图与活动图：编号连续性和泳道标题

时序图是复用难度最高的图，因为它的信息密度全在顺序上。示例里的消息编号常写成1、1.1、1.2、2这种层级结构，你删掉一条分支，后面的编号全断，读者顺着编号找就对不上了。

改完先跑一遍连续性检查，比人眼扫强：

import re, sys text = open(sys.argv[1], encoding="utf-8").read() nums = re.findall(r"^\s*(\d+(?:\.\d+)*)\s", text, re.M) def key(n): return tuple(int(x) for x in n.split(".")) prev = None for n in nums: k = key(n) if prev is not None: same_level = len(k) == len(prev) and k[:-1] == prev[:-1] and k[-1] == prev[-1] + 1 deeper = len(k) == len(prev) + 1 and k[:-1] == prev if not (same_level or deeper): print("断号:", ".".join(map(str, prev)), "->", n) prev = k

逻辑很简单：相邻两条消息，要么是同级递增（1.1到1.2），要么是进入下一层（1到1.1），其余都算断号。re.M让^匹配每一行的开头，因为编号一般在消息行首。这个脚本只查断号不查重号，重号在时序图里更常见——复制一段分支忘了改编号，扫一眼输出里有没有重复数字即可。

活动图的坑在泳道。泳道标题是独立图元，导出图片时经常被裁到画布外，尤其是有三条以上泳道、画布宽度不够的时候。稳妥做法是导出前把画布调宽一档，或者干脆导出 SVG，让排版工具去管边界。

4.3 导出与命名：分辨率、格式、目录约定

图最终是要进 Word 或在线文档的，导出参数没设好，前面改得多漂亮都白搭。位图在文档里被放大就糊，矢量图不会，所以优先级是 SVG 高于 PNG。

命名统一成章节号-图类型-序号-主题，全小写、空格换下划线。批量改名用脚本，别手改：

#!/usr/bin/env bash set -euo pipefail src="export/png" dst="docs/figures" mkdir -p "$dst" i=0 for f in "$src"/*.png; do [ -e "$f" ] || continue i=$((i+1)) base=$(basename "$f" .png) slug=$(printf '%s' "$base" | tr 'A-Z' 'a-z' | tr ' ' '_') printf -v n "%02d" "$i" cp "$f" "$dst/ch03-usecase-${n}-${slug}.png" done echo "renamed $i files"

set -euo pipefail让脚本遇到错误立刻停，不会默默产出半套文件。printf -v n "%02d"补零是为了文件名排序和文档里的图号顺序一致，序号不补零的话10会排在2前面。cp而不是mv，是为了保留原始导出文件，万一命名规则要改还能重跑。

5. 五种翻车现场：乱码、布局丢失、文件被覆盖怎么排查

5.1 打开全是方块和问号

现象：模型文件能打开，但里面的中文标签全部显示成方块，或者一串问号。

原因有两个层面。一是文件编码，老工具默认按本地编码写文件，换到 UTF-8 环境里就解不出来；二是字体缺失，光盘里自带的字体没装，工具用默认字体渲染中文就是方块。两者表现很像，区分办法是看英文标签正不正常——英文正常而中文全乱，是编码；连英文都显示成方块，是字体。

解决：先确认编码。用文本编辑器打开对应的.uml或.xmi，看文件头有没有encoding="UTF-8"声明；如果声明是 UTF-8 但内容确实是乱码，说明源文件本身就是本地编码存的，用编辑器的“重新以 GBK 打开”试一次，能看到正常中文就另存为 UTF-8。字体问题更好办，把光盘里fonts/目录下的字体装进系统，重启工具即可。

5.2 双击光盘菜单毫无反应

现象：挂载镜像后双击根目录的启动程序，没有任何反应，或者一闪而过。

原因：这套菜单是十几年前做的，依赖的播放器和运行库在新系统上根本不存在，有些还是 16 位程序，64 位系统直接不执行。杀软也可能把它当可疑行为拦下来。

解决：别跟菜单较劲，直接浏览目录。菜单的唯一作用是给你一个索引，而索引在Readme或目录名里本来就有。真要还原菜单，只能在虚拟机里装老系统，为这点收益不值得。跳过菜单之后，按第 2 章那份后缀对照表挨个目录看，效率反而更高。

5.3 导入 XMI 后图变成一堆散点

现象：XMI 导入成功，元素数量也对，但打开图一看，所有类挤在左上角，连线乱七八糟。

原因：导出时没勾图形布局，或者勾了但导入端不认这套布局扩展。布局信息存在 Diagram Interchange 扩展节点里，属于 XMI 的可选部分，各家实现差异很大。

解决：先确认导出端有没有勾上布局；勾了还是不认，就别修布局了，直接按语义重排。重排也有省力办法——先把类按包分组，同包的类放在一起，再连边，比无脑拖动快得多。核心结论是：XMI 保证语义不保证布局，把它当中转语义的桥，不要当中转版式的桥。

5.4 原文件被工具“升级”覆盖

现象：打开工程时提示“此文件由旧版本创建，是否升级”，点了是，保存之后原来的工具再也打不开。

原因：格式升级是单向的，新版工具保存出来的文件，低版本读不了。有些工具还不提示，直接按新格式写回去。

解决：这事没有后悔药，只能事前防。按 3.1 的做法设只读，或者干脆在复制出来的副本上操作，原始文件只当存档。更进一步，把 2.1 生成的manifest.csv一起留档，哪天怀疑文件被动过，重新算一遍哈希一比对就知道。养成“打开前先复制、保存前先改名”的习惯，这类问题基本不会再有。

5.5 图插进文档糊成马赛克

现象：SVG 插进 Word 显示异常，换成 PNG 之后放大又糊。

原因：Word 对 SVG 的支持视版本而定，老版本直接不认；位图糊是因为导出分辨率低于最终显示尺寸。这两个问题经常一起出现，让人以为是图本身的问题。

解决：位图按“最终显示宽度的 2 倍”导出，A4 纸正文宽度约 16cm，图占一半宽度时导出宽度不低于 1600px 就够清晰。表里那些 300dpi 的说法，落到操作上就是这个意思。优先选 SVG，实在不兼容再退回高分辨率 PNG，别用截图工具截屏——截图的分辨率永远等于你屏幕的分辨率，插到文档里必然糊。

6. 交付前的三分钟验收：一张检查表和一套留档习惯

图改完不算完，交付前得有一道固定关卡，否则返工成本比画图还高。我自己的检查表就四项，每项都能在一分钟内过完。

四项里最容易漏的是第三项。源工程在自己的机器上好好的，发给别人打开是空白，因为对方没装那个建模工具。交付物里必须同时有源文件和导出图，缺一不可。

第四项可以交给脚本，省掉人眼扫目录的时间：

import csv, os, sys rows = list(csv.DictReader(open("manifest.csv", encoding="utf-8-sig"))) problems = [] # 命名规范：文件名里不该出现空格和井号 for r in rows: name = os.path.basename(r["rel_path"]) if " " in name or "#" in name: problems.append(f"命名不规范: {r['rel_path']}") # 交付完整：每份源工程都要有同名的导出图 for r in rows: if r["ext"] in (".xmi", ".uml", ".mdl"): stem = os.path.splitext(r["rel_path"])[0] hit = [x for x in rows if x["rel_path"].startswith(stem) and x["ext"] in (".svg", ".png")] if not hit: problems.append(f"缺导出图: {r['rel_path']}") print("\n".join(problems) if problems else "全部通过")

这段的前提是每次改动后重新生成一遍manifest.csv，否则查的是旧清单，等于没查。startswith(stem)匹配的是同名不同后缀，所以导出图的命名要和源工程保持一致，这也是 4.3 那套命名规则存在的理由——命名不统一，自动化检查就无从谈起。

还有一个进阶用法：把manifest.csv和源工程一起提交进版本库，每次交付前跑一遍哈希比对，能立刻发现“谁把原图覆盖了”。这套做法平时看不出价值，出一次事故就回本了。

血泪经验是，我曾经把一批改好的图直接从工具里“另存为”，覆盖了原始工程，结果第二天发现有一版改错了方向，想退回原图对照，硬盘上已经只剩改过的版本。从那以后我每次动模型文件之前，都强制走一遍“复制到 work 目录、原件设只读、哈希入清单”这三步，慢是慢了点，但再没为找回原图花过时间。希望帮到你。

本文还有配套的精品资源，点击获取