随着开源社区的出现和飞速发展,越来越多的软件选择了拥抱开源,基于开源代码的软件开发逐渐成为新的软件开发生态。然而,开源软件在版本迭代中较少进行重构活动,导致软件结构越来越复杂,软件质量也被侵蚀,给基于开源代码的软件开发带来一定的困难。不仅如此,可供软件开发人员重构的功能往往来自多个不同体系结构的开源软件,如何快速地从中重构出所需功能是软件重构亟需面对的问题,所以开源软件重构是软件重构技术中一个重要的研究方向。视线估计与分析源于心理学和视觉研究,研究成果日益得到关注,在体育、教育、在线广告等领域有广泛的应用。本文从基于搜索的软件重构方法出发,面向视线分析的领域应用来研究开源软件重构技术。针对开源软件多功能、难重构的特点,提出一种在函数粒度上对软件进行功能剥离,将功能先分解、再重组优化的可行重构技术,分为分解算法和组合算法两部分。因为遗传算法具有实现简单、鲁棒性好、目标函数导向和易于寻找最优解等特点,改变目标函数定义和约束规则即可定向制导,所以本文采用了两个不同目标导向的遗传算法来分别实现分解算法与组合算法的重构算法。本文还结合开源社区中视线估计代码,实验验证算法的可行性和有效性,并分析算法的性能。使用重构技术设计与实现视线分析系统,并提出功能改进方法,使用性能测试和功能测试验证系统的鲁棒性,贡献基于开源代码重构软件的经验。系统面向运动员视线分析和未来慕课线上教育视线分析两个应用领域,涉及目前主流的视线估计技术,丰富领域软件工程开发案例,进一步扩展视线分析的应用。