CN108491326B - 测试行为重组方法、装置及存储介质 - Google Patents
测试行为重组方法、装置及存储介质 Download PDFInfo
- Publication number
- CN108491326B CN108491326B CN201810236745.6A CN201810236745A CN108491326B CN 108491326 B CN108491326 B CN 108491326B CN 201810236745 A CN201810236745 A CN 201810236745A CN 108491326 B CN108491326 B CN 108491326B
- Authority
- CN
- China
- Prior art keywords
- test
- core
- keyword
- keywords
- execution sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 332
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000006798 recombination Effects 0.000 title claims abstract description 9
- 238000005215 recombination Methods 0.000 title claims abstract description 9
- 230000008569 process Effects 0.000 title description 6
- 230000006399 behavior Effects 0.000 claims abstract description 113
- 238000013515 script Methods 0.000 claims abstract description 36
- 238000012549 training Methods 0.000 claims abstract description 23
- 230000008521 reorganization Effects 0.000 claims description 45
- 238000000605 extraction Methods 0.000 claims description 31
- 230000011218 segmentation Effects 0.000 claims description 11
- 239000000284 extract Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供了一种测试行为重组方法、装置及可读存储介质,该方法包括:获取测试日志文件;从该测试日志文件中提取核心关键字,构造每个测试用例的核心关键字执行序列;将每个核心关键字执行序列分割为若干个样本序列,每个样本序列由该核心关键字执行序列中相邻的两个核心关键字组成;以预设数量的样本序列对高斯贝叶斯模型进行训练,得到核心关键字预测模型;利用该核心关键字预测模型得到待测试的测试用例的所有核心关键字的预测结果,根据所述预测结果对该待测试的测试用例的测试行为进行重组,以更新自动化测试脚本。利用本发明,可以对自动化测试脚本的测试行为进行重组,减少自动化测试脚本的复杂量,降低自动化测试脚本的冗余度。
Description
技术领域
本发明涉及自动化测试技术领域,尤其涉及一种测试行为重组方法、装置及存储介质。
背景技术
随着测试技术的发展,测试方式由一开始的人工测试发展到现在的人工测试、自动化测试并行的方式,且自动化测试的比重越来越大。自动化测试技术可以提高工作效率,降低人力成本,减少人为产生的差错,然而自动化测试脚本通常冗长而复杂,这一缺点大大限制了自动化测试技术的发展和推广。
发明内容
鉴于以上原因,本发明提供一种测试行为重组方法、装置及存储介质,其主要目的在于利用机器学习对各个测试用例中的测试行为进行重组,以减少自动化测试脚本的复杂量,降低自动化测试脚本的冗余度。
为实现上述目的,本发明提供一种测试行为重组方法,应用于电子装置,该方法包括:
日志生成步骤:运行自动化测试脚本生成测试日志文件,该测试日志文件记录了各个测试用例的所有测试行为,每个测试行为对应一个唯一的关键字,核心测试行为对应的关键字称为核心关键字;
提取步骤:从所述测试日志文件中提取核心关键字,将与每个测试用例相关联的核心关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的核心关键字执行序列;
分割步骤:将每个核心关键字执行序列分割为若干个样本序列,每个样本序列由该核心关键字执行序列中相邻的两个核心关键字组成;
训练步骤:以预设数量的样本序列对高斯贝叶斯模型进行训练,得到核心关键字预测模型;
预测步骤:将某个待测试的测试用例的首个核心测试行为对应的核心关键字输入所述核心关键字预测模型,预测得到该待测试的测试用例的下一个核心关键字,以每次预测的输出作为下次预测的输入,直至得到该待测试的测试用例的所有核心关键字的预测结果;及
重组步骤:根据所述预测结果对该待测试的测试用例的测试行为进行重组,以更新自动化测试脚本。
优选地,所述提取步骤可分为:
第一提取步骤:从所述测试日志文件中提取所有关键字,将与每个测试用例相关联的关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的关键字执行序列;
第二提取步骤:从所述关键字执行序列中提取核心关键字,将与每个测试用例相关联的核心关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的核心关键字执行序列。
优选地,所述测试日志文件采用XML格式。
优选地,利用XPath从XML格式的测试日志文件中提取关键字。
优选地,所述第二提取步骤包括:
设置核心关键字表;
根据该核心关键字表从所述关键字执行序列中提取核心关键字。
为实现上述目的,本发明还提供一种电子装置,该电子装置包括存储器和处理器,所述存储器中包括测试行为重组程序,该测试行为重组程序被所述处理器执行时实现如下步骤:
日志生成步骤:运行自动化测试脚本生成测试日志文件,该测试日志文件记录了各个测试用例的所有测试行为,每个测试行为对应一个唯一的关键字,核心测试行为对应的关键字称为核心关键字;
提取步骤:从所述测试日志文件中提取核心关键字,将与每个测试用例相关联的核心关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的核心关键字执行序列;
分割步骤:将每个核心关键字执行序列分割为若干个样本序列,每个样本序列由该核心关键字执行序列中相邻的两个核心关键字组成;
训练步骤:以预设数量的样本序列对高斯贝叶斯模型进行训练,得到核心关键字预测模型;
预测步骤:将某个待测试的测试用例的首个核心测试行为对应的核心关键字输入所述核心关键字预测模型,预测得到该待测试的测试用例的下一个核心关键字,以每次预测的输出作为下次预测的输入,直至得到该待测试的测试用例的所有核心关键字的预测结果;及
重组步骤:根据所述预测结果对该待测试的测试用例的测试行为进行重组,以更新自动化测试脚本。
优选地,所述提取步骤可分为:
第一提取步骤:从所述测试日志文件中提取所有关键字,将与每个测试用例相关联的关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的关键字执行序列;
第二提取步骤:从所述关键字执行序列中提取核心关键字,将与每个测试用例相关联的核心关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的核心关键字执行序列。
优选地,所述测试日志文件采用XML格式,利用XPath从XML格式的测试日志文件中提取关键字。
优选地,所述第二提取步骤包括:
设置核心关键字表;
根据该核心关键字表从所述关键字执行序列中提取核心关键字。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中包括测试行为重组程序,该测试行为重组程序被处理器执行时,实现如上所述的测试行为重组方法的任意步骤。
本发明提出的测试行为重组方法、电子装置及计算机可读存储介质,通过提取测试日志文件中的核心关键字构造出样本序列,利用样本序列对高斯贝叶斯模型进行训练得到核心关键字预测模型,然后利用该核心关键字预测模型预测待测试的测试用例的核心关键字,根据预测结果对该待测试的测试用例的测试行为进行重组,以更新自动化测试脚本。重组测试行为可以增加测试用例对测试行为的聚合度,因此本发明有助于减少自动化测试脚本的复杂量,降低自动化测试脚本的冗余度。
附图说明
图1为本发明电子装置较佳实施例的示意图;
图2为图1中测试行为重组程序较佳实施例的程序模块图;
图3为本发明测试行为重组方法较佳实施例的流程图;
图4为图3中步骤S20的细化流程图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚明白,下面将结合若干附图及实施例,对本发明进行进一步详细说明。应当理解的是,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种电子装置。参照图1所示,为本发明电子装置1较佳实施例的示意图。在本实施例中,电子装置1利用测试日志文件和高斯贝叶斯模型重组测试用例中的测试行为,并以此更新自动化测试脚本。
所述电子装置1可以是服务器、智能手机、平板电脑、便携计算机、桌上型计算机等具有存储和运算功能的终端设备。在一个实施例中,当电子装置1为服务器时,该服务器可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器等的一种或几种。
所述电子装置1包括存储器11、处理器12、网络接口13及通信总线14。
其中,存储器11包括至少一种类型的可读存储介质。所述至少一种类型的可读存储介质可为如闪存、硬盘、多媒体卡、卡型存储器等的非易失性存储介质。在一些实施例中,所述可读存储介质可以是所述电子装置1的内部存储单元,例如该电子装置1的硬盘。在另一些实施例中,所述可读存储介质也可以是所述电子装置1的外部存储器11,例如所述电子装置1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。
在本实施例中,所述存储器11的可读存储介质通常用于存储操作系统、测试行为重组程序10、高斯贝叶斯模型及测试日志文件等。所述存储器11还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器11中存储的程序代码或处理数据,例如执行测试行为重组程序10等。
网络接口13可以包括标准的有线接口、无线接口(如WI-FI接口)。通常用于在该服务器1与其他电子设备或系统之间建立通信连接。
通信总线14用于实现上述组件之间的连接通信。
图1仅示出了具有组件11-14以及测试行为重组程序10的电子装置1,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
可选地,该电子装置1还可以包括用户接口,用户接口可以包括输入单元比如键盘(Keyboard)、语音输入装置比如麦克风(microphone)等具有语音识别功能的设备、语音输出装置比如音响、耳机等。可选地,用户接口还可以包括标准的有线接口、无线接口。
可选地,该电子装置1还可以包括显示器,也可以称为显示屏或显示单元。在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(OrganicLight-Emitting Diode,OLED)显示器等。显示器用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面。
可选地,该电子装置1还包括触摸传感器。所述触摸传感器所提供的供用户进行触摸操作的区域称为触控区域。此外,这里所述的触摸传感器可以为电阻式触摸传感器、电容式触摸传感器等。而且,所述触摸传感器不仅包括接触式的触摸传感器,也可包括接近式的触摸传感器等。此外,所述触摸传感器可以为单个传感器,也可以为例如阵列布置的多个传感器。用户可以通过触摸所述触控区域启动测试行为重组程序10。
此外,该电子装置1的显示器的面积可以与所述触摸传感器的面积相同,也可以不同。可选地,将显示器与所述触摸传感器层叠设置,以形成触摸显示屏。该装置基于触摸显示屏侦测用户触发的触控操作。
该电子装置1还可以包括射频(Radio Frequency,RF)电路、传感器和音频电路等等,在此不再赘述。
在上述实施例中,处理器12执行存储器11中存储的测试行为重组程序10时实现如下步骤:
日志生成步骤:运行自动化测试脚本生成测试日志文件,该测试日志文件记录了各个测试用例的所有测试行为,每个测试行为对应一个唯一的关键字,核心测试行为对应的关键字称为核心关键字;
提取步骤:从所述测试日志文件中提取核心关键字,将与每个测试用例相关联的核心关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的核心关键字执行序列;
分割步骤:将每个核心关键字执行序列分割为若干个样本序列,每个样本序列由该核心关键字执行序列中相邻的两个核心关键字组成;
训练步骤:以预设数量的样本序列对高斯贝叶斯模型进行训练,得到核心关键字预测模型;
预测步骤:将某个待测试的测试用例的首个核心测试行为对应的核心关键字输入所述核心关键字预测模型,预测得到该待测试的测试用例的下一个核心关键字,以每次预测的输出作为下次预测的输入,直至得到该待测试的测试用例的所有核心关键字的预测结果;及
重组步骤:根据所述预测结果对该待测试的测试用例的测试行为进行重组,以更新自动化测试脚本。
关于上述步骤的详细介绍,请参照下述图2关于测试行为重组程序10的程序模块图及图3关于测试行为重组方法较佳实施例的流程图的介绍。
在其他实施例中,测试行为重组程序10可以被分割为多个模块,该多个模块被存储在存储器12中,并由处理器13执行,以完成本发明。本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段。
参照图2所示,为图1中测试行为重组程序10较佳实施例的程序模块图。所述测试行为重组程序10可以被分割为日志生成模块110、提取模块120、分割模块130、训练模块140、预测模块150以及重组模块160。
日志生成模块110,用于在运行自动化测试脚本时生成测试日志文件。该测试日志文件记录了各个测试用例的所有测试行为,每个测试行为对应一个唯一的关键字,核心测试行为对应的关键字称为核心关键字。所述核心关键字指自动化测试脚本的核心测试行为,主要涉及业务实现和结果对比。所述测试日志文件没有固定的格式,通常是文本文件,在本实施例中,所述测试日志文件采用可扩展标记语言(Extensible Markup Language,XML)来描述。XML格式的测试日志文件提供树形层次结构,可以将测试日志结构化,同时,XML文件具有高度的可扩展性和兼容性,几乎所有的数据库软件都支持XML文件。
提取模块120,用于从所述测试日志文件中提取核心关键字,组成每个测试用例的核心关键字执行序列。日志生成模块110生成测试日志文件后,由提取模块120对该测试日志文件进行提取分析操作。
在本实施例中,所述提取模块120包括第一提取单元121和第二提取单元122。
第一提取单元121,用于从所述测试日志文件中提取所有关键字,将与每个测试用例相关联的关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的关键字执行序列。在本实施例中,第一提取单元121利用可扩展标记语言路径语言(XmlPath Language,XPath)从XML格式的测试日志文件中提取关键字。XPath作为一门在XML文件中查找信息的语言,可以利用XML文件的树状结构,使用路径表达式在XML文件中选取节点,完成查询工作。第一提取单元121将XPath查询到的所有关键字提取出来,并将所有关键字按照在测试用例中的执行顺序组成形如(k1,k2,k3,k4)的每个测试用例的关键字执行序列,所述关键字执行序列的数据类型可以定义为varchar(1000)。
第二提取单元122,用于从所述关键字执行序列中提取核心关键字,将与每个测试用例相关联的核心关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的核心关键字执行序列。在本实施例中,第二提取单元122通过调用预先设置的核心关键字表从所述关键字执行序列中提取核心关键字。所述核心关键字表只需要设置一次,之后可以方便的进行更新,测试行为重组的结果也可以借此根据测试效果以及实际业务需求进行灵活的修改和调整。
分割模块130,用于将每个核心关键字执行序列分割为若干个样本序列。其中,每个样本序列由该核心关键字执行序列中相邻的两个核心关键字组成。例如,假设第二提取单元122得到的一个测试用例的核心关键字执行序列为(core k1,core k2,core k3),其数据类型为varchar(1000),分割模块130将此核心关键字执行序列分割成(core k1,corek2)和(core k2,core k3)两个样本序列。假设一个核心关键字执行序列中核心关键字的数量为n,则该核心关键字执行序列经分割模块130处理得到的样本序列的数量为n-1,即核心关键字执行序列中核心关键字的数量与对应样本序列的数量的差值为1。
训练模块140,用于对高斯贝叶斯模型进行训练,得到核心关键字预测模型。在一个实施例中,训练模块140将第一预设数量的样本序列作为训练集,将第二预设数量的样本序列作为验证集,以训练集中每个样本序列的两个相邻核心关键字作为样本数据,对高斯贝叶斯模型进行训练,得到核心关键字预测模型。然后利用验证集中的样本序列对得到的核心关键字预测模型进行验证,若验证通过率大于或等于预设阈值,则训练完成,若验证通过率小于预设阈值,则增加第二预设数量的样本序列,继续对高斯贝叶斯模型进行训练,直至得到训练好的核心关键字预测模型。
预测模块150,用于利用所述核心关键字预测模型预测与测试用例相关联的后续核心关键字。在得到训练好的核心关键字预测模型后,预测模块150将某个待测试的测试用例的首个核心测试行为对应的核心关键字所述核心关键字预测模型,预测得到该待测试的测试用例的下一个核心关键字,以每次预测的输出作为下次预测的输入,直至得到该待测试的测试用力的所有核心关键字的预测结果。
重组模块160,用于根据所述预测结果对该测试用例的测试行为进行重组,以更新自动化测试脚本。在一个实施例中,将重组测试行为的测试用例发送到测试脚本生成服务器中,采用TTCN-3测试标准生成新的自动化测试脚本。在另一个实施例中,由自动化测试开发人员参考测试行为的重组结果对自动化测试脚本进行优化更新。
参照图3所示,为本发明测试行为重组方法的较佳实施例的流程图。电子装置1的处理器12执行存储器11中存储的测试行为重组程序10时实现测试行为重组方法的如下步骤:
步骤S10,运行自动化测试脚本,由日志生成模块110生成测试日志文件。生成的测试日志文件记录了各个测试用例的所有测试行为,每个测试行为对应一个唯一的关键字,核心测试行为对应的关键字称为核心关键字。所述核心测试行为主要涉及业务实现和结果对比。所述测试日志文件可由XML来描述。
步骤S20,提取模块120从所述测试日志文件中提取核心关键字,将与每个测试用例相关联的核心关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的核心关键字执行序列。所述核心关键字执行序列的数据类型可以定义为varchar(1000)。
步骤S30,分割模块130将每个核心关键字执行序列分割为若干个样本序列,每个样本序列由该核心关键字执行序列中相邻的两个核心关键字组成。假设一个核心关键字执行序列中核心关键字的数量为n,则该核心关键字执行序列经分割模块130处理得到的样本序列的数量为n-1,即核心关键字执行序列中核心关键字的数量与对应样本序列的数量的差值为1。
步骤S40,训练模块140以预设数量的样本序列对高斯贝叶斯模型进行训练,得到核心关键字预测模型。具体训练方法请参照上述关于训练模块140的介绍。
步骤S50,预测模块150利用所述核心关键字预测模型预测待测试的测试用例相关联的后续核心关键字。在得到训练好的核心关键字预测模型后,预测模块150将某个待测试的测试用例的首个核心测试行为对应的核心关键字输入所述核心关键字预测模型,预测得到该待测试的测试用例的下一个核心关键字,以每次预测的输出作为下次预测的输入,直至得到该待测试的测试用例的所有核心关键字的预测结果。
步骤S60,重组模块160根据所述预测结果对该待测试的测试用例的测试行为进行重组,以更新自动化测试脚本。具体重组过程请参照上述关于重组模块160的介绍。
在一个实施例中,将步骤S20分为多步处理。参照图4所示,为图3中步骤S20的细化流程图。
步骤S21,第一提取单元121从所述测试日志文件中提取所有关键字,将与每个测试用例相关联的关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的关键字执行序列。在本实施例中,第一提取单元121利用XPath从XML格式的测试日志文件中提取关键字。
步骤S22,第二提取单元122从所述关键字执行序列中提取核心关键字,将与每个测试用例相关联的核心关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的核心关键字执行序列。在本实施例中,第二提取单元122通过调用预先设置的核心关键字表从所述关键字执行序列中提取核心关键字。所述核心关键字表只需要设置一次,之后可以方便的进行更新,测试行为重组的结果可以因此根据测试效果以及实际业务需求进行灵活的修改和调整。
这样做的目的是通过步骤S21保留所有测试行为在每个测试用例中的原始状态,因为虽然测试日志文件能够记录执行自动化测试脚本时的所有信息,但测试日志文件通常会定期被自动删除,而不会保留很长时间。另外,当改变核心关键字的提取策略时,例如,修改设置的核心关键字表时,无须重复执行步骤S21,可以简化核心关键字的提取过程。
本发明提出的测试行为重组方法,利用从测试日志文件中获得的样本数据对高斯贝叶斯模型进行训练,得到核心关键字预测模型,然后利用该核心关键字预测模型对每个测试用例中的测试行为进行重组,更新自动化测试脚本。重组测试行为可以增加自动化测试脚本对测试行为的聚合度,因此,利用本发明可以减少自动化测试脚本的复杂量,降低自动化测试脚本的冗余度。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质可以是硬盘、多媒体卡、SD卡、闪存卡、SMC、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器等等中的任意一种或者几种的任意组合。所述计算机可读存储介质中包括测试行为重组程序10,所述测试行为重组程序10被所述处理器12执行时实现如下操作:
日志生成步骤:运行自动化测试脚本生成测试日志文件,该测试日志文件记录了各个测试用例的所有测试行为,每个测试行为对应一个唯一的关键字,核心测试行为对应的关键字称为核心关键字;
提取步骤:从所述测试日志文件中提取核心关键字,将与每个测试用例相关联的核心关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的核心关键字执行序列;
分割步骤:将每个核心关键字执行序列分割为若干个样本序列,每个样本序列由该核心关键字执行序列中相邻的两个核心关键字组成;
训练步骤:以预设数量的样本序列对高斯贝叶斯模型进行训练,得到核心关键字预测模型;
预测步骤:将某个待测试的测试用例的首个核心测试行为对应的核心关键字输入所述核心关键字预测模型,预测得到该待测试的测试用例的下一个核心关键字,以每次预测的输出作为下次预测的输入,直至得到该待测试的测试用例的所有核心关键字的预测结果;及
重组步骤:根据所述预测结果对该待测试的测试用例的测试行为进行重组,以更新自动化测试脚本。
本发明之计算机可读存储介质的具体实施方式与上述测试行为重组方法以及电子装置1的具体实施方式大致相同,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明的实施方式可以实现为一种方法、装置、设备、系统或计算机程序产品。因此,本发明可以具体实现为完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。即,上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种测试行为重组方法,应用于电子装置,其特征在于,该方法包括:
日志生成步骤:运行自动化测试脚本生成测试日志文件,该测试日志文件记录了各个测试用例的所有测试行为,每个测试行为对应一个唯一的关键字,核心测试行为对应的关键字称为核心关键字;
提取步骤:从所述测试日志文件中提取核心关键字,将与每个测试用例相关联的核心关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的核心关键字执行序列;
分割步骤:将每个核心关键字执行序列分割为若干个样本序列,每个样本序列由该核心关键字执行序列中相邻的两个核心关键字组成;
训练步骤:以预设数量的样本序列对高斯贝叶斯模型进行训练,得到核心关键字预测模型;
预测步骤:将某个待测试的测试用例的首个核心测试行为对应的核心关键字输入所述核心关键字预测模型,预测得到该待测试的测试用例的下一个核心关键字,以每次预测的输出作为下次预测的输入,直至得到该待测试的测试用例的所有核心关键字的预测结果;及
重组步骤:根据所述预测结果对该待测试的测试用例的测试行为进行重组,以更新自动化测试脚本。
2.如权利要求1所述的测试行为重组方法,其特征在于,所述提取步骤可分为:
第一提取步骤:从所述测试日志文件中提取所有关键字,将与每个测试用例相关联的关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的关键字执行序列;
第二提取步骤:从所述关键字执行序列中提取核心关键字,将与每个测试用例相关联的核心关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的核心关键字执行序列。
3.如权利要求1或2所述的测试行为重组方法,其特征在于,所述测试日志文件采用XML格式。
4.如权利要求3所述的测试行为重组方法,其特征在于,利用XPath从XML格式的测试日志文件中提取关键字。
5.如权利要求2所述的测试行为重组方法,其特征在于,所述第二提取步骤包括:
设置核心关键字表;
根据该核心关键字表从所述关键字执行序列中提取核心关键字。
6.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中包括测试行为重组程序,所述测试行为重组程序被所述处理器执行时实现如下步骤:
日志生成步骤:运行自动化测试脚本生成测试日志文件,该测试日志文件记录了各个测试用例的所有测试行为,每个测试行为对应一个唯一的关键字,核心测试行为对应的关键字称为核心关键字;
提取步骤:从所述测试日志文件中提取核心关键字,将与每个测试用例相关联的核心关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的核心关键字执行序列;
分割步骤:将每个核心关键字执行序列分割为若干个样本序列,每个样本序列由该核心关键字执行序列中相邻的两个核心关键字组成;
训练步骤:以预设数量的样本序列对高斯贝叶斯模型进行训练,得到核心关键字预测模型;
预测步骤:将某个待测试的测试用例的首个核心测试行为对应的核心关键字输入所述核心关键字预测模型,预测得到该待测试的测试用例的下一个核心关键字,以每次预测的输出作为下次预测的输入,直至得到该待测试的测试用例的所有核心关键字的预测结果;及
重组步骤:根据所述预测结果对该待测试的测试用例的测试行为进行重组,以更新自动化测试脚本。
7.如权利要求6所述的电子装置,其特征在于,所述提取步骤可分为:
第一提取步骤:从所述测试日志文件中提取所有关键字,将与每个测试用例相关联的关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的关键字执行序列;
第二提取步骤:从所述关键字执行序列中提取核心关键字,将与每个测试用例相关联的核心关键字按照其对应的测试行为在该测试用例中的执行顺序组成每个测试用例的核心关键字执行序列。
8.如权利要求6或7所述的电子装置,其特征在于,所述测试日志文件采用XML格式,利用XPath从该XML格式的测试日志文件中提取关键字。
9.如权利要求7所述的电子装置,其特征在于,所述第二提取步骤包括:
设置核心关键字表;
根据该核心关键字表从所述关键字执行序列中提取核心关键字。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括测试行为重组程序,所述测试行为重组程序被处理器执行时,实现如权利要求1至5中任一项所述的测试行为重组方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810236745.6A CN108491326B (zh) | 2018-03-21 | 2018-03-21 | 测试行为重组方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810236745.6A CN108491326B (zh) | 2018-03-21 | 2018-03-21 | 测试行为重组方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108491326A CN108491326A (zh) | 2018-09-04 |
CN108491326B true CN108491326B (zh) | 2024-02-02 |
Family
ID=63319139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810236745.6A Active CN108491326B (zh) | 2018-03-21 | 2018-03-21 | 测试行为重组方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108491326B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109828906B (zh) * | 2018-12-15 | 2023-07-04 | 中国平安人寿保险股份有限公司 | Ui自动化测试方法、装置、电子设备及存储介质 |
CN111444076B (zh) * | 2018-12-29 | 2024-04-05 | 三六零科技集团有限公司 | 基于机器学习模型的测试用例步骤的推荐方法和装置 |
CN111078561A (zh) * | 2019-12-18 | 2020-04-28 | 深圳前海环融联易信息科技服务有限公司 | 接口自动化测试方法、装置、计算机设备及存储介质 |
CN111078567B (zh) * | 2019-12-19 | 2023-06-13 | 广州品唯软件有限公司 | 自动化测试平台的报告生成方法、终端和存储介质 |
CN114090442B (zh) * | 2021-11-22 | 2023-01-31 | 安徽继远检验检测技术有限公司 | 一种电力云测试管理平台自动化测试方法及系统 |
CN114091455B (zh) * | 2022-01-20 | 2022-05-10 | 南京聚铭网络科技有限公司 | 基于学习方式的日志类型识别方法及装置 |
CN115878660A (zh) * | 2023-02-16 | 2023-03-31 | 广州汇通国信科技有限公司 | 多源异构数据处理方法和装置、电子设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9038026B2 (en) * | 2011-10-17 | 2015-05-19 | International Business Machines Corporation | System and method for automating test automation |
CN105260299A (zh) * | 2015-09-17 | 2016-01-20 | 安一恒通(北京)科技有限公司 | 软件测试方法、装置及系统 |
CN105843734A (zh) * | 2016-03-18 | 2016-08-10 | 厦门美图移动科技有限公司 | 一种自动化测试方法、装置及计算设备 |
CN106055661A (zh) * | 2016-06-02 | 2016-10-26 | 福州大学 | 基于多Markov链模型的多兴趣资源推荐方法 |
CN104765686B (zh) * | 2015-04-08 | 2017-12-08 | 小米科技有限责任公司 | 测试应用程序的方法及装置 |
CN107562635A (zh) * | 2017-09-15 | 2018-01-09 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 嵌入式软件测试辅助系统 |
CN107807878A (zh) * | 2016-09-09 | 2018-03-16 | 北京航空航天大学 | 基于关键字的自动化测试引擎 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9411710B2 (en) * | 2014-08-01 | 2016-08-09 | Unisys Corporation | Automated regression test case selector and black box test coverage tool for product testing |
-
2018
- 2018-03-21 CN CN201810236745.6A patent/CN108491326B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9038026B2 (en) * | 2011-10-17 | 2015-05-19 | International Business Machines Corporation | System and method for automating test automation |
CN104765686B (zh) * | 2015-04-08 | 2017-12-08 | 小米科技有限责任公司 | 测试应用程序的方法及装置 |
CN105260299A (zh) * | 2015-09-17 | 2016-01-20 | 安一恒通(北京)科技有限公司 | 软件测试方法、装置及系统 |
CN105843734A (zh) * | 2016-03-18 | 2016-08-10 | 厦门美图移动科技有限公司 | 一种自动化测试方法、装置及计算设备 |
CN106055661A (zh) * | 2016-06-02 | 2016-10-26 | 福州大学 | 基于多Markov链模型的多兴趣资源推荐方法 |
CN107807878A (zh) * | 2016-09-09 | 2018-03-16 | 北京航空航天大学 | 基于关键字的自动化测试引擎 |
CN107562635A (zh) * | 2017-09-15 | 2018-01-09 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 嵌入式软件测试辅助系统 |
Non-Patent Citations (2)
Title |
---|
Miyako Sagawa 等."Learning Variable Importance to Guide Recombination".《2016 IEEE Symposium Series on Computational Intelligence》.2017,1-7. * |
刘秀青 等."一种覆盖行为独立性的Prime测试路径生成技术".《计算机与数字工程》.2018,第46卷(第1期),170-176. * |
Also Published As
Publication number | Publication date |
---|---|
CN108491326A (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108491326B (zh) | 测试行为重组方法、装置及存储介质 | |
US9904694B2 (en) | NoSQL relational database (RDB) data movement | |
CN107239392B (zh) | 一种测试方法、装置、终端及存储介质 | |
WO2019085474A1 (zh) | 计算引擎实现方法、电子装置及存储介质 | |
CN110737594B (zh) | 自动生成测试用例的数据库标准符合性测试方法及装置 | |
CN110825619A (zh) | 接口测试用例自动生成方法、装置及存储介质 | |
US20130262090A1 (en) | System and method for reducing semantic ambiguity | |
US20170185653A1 (en) | Predicting Knowledge Types In A Search Query Using Word Co-Occurrence And Semi/Unstructured Free Text | |
CN107832035B (zh) | 一种智能终端的语音输入方法 | |
CN114048701A (zh) | 网表eco方法、装置、设备及可读存储介质 | |
CN117033249B (zh) | 一种测试用例生成方法、装置、计算机设备及存储介质 | |
JP2016531352A (ja) | 入力システムをアップデートする方法、デバイス、プログラム及びデバイス | |
CN104933214A (zh) | 集成电路设计方法和装置 | |
WO2021169626A1 (zh) | 基于词库的匹配推荐方法、装置、设备及存储介质 | |
CN110276443B (zh) | 模型转换一致性验证及分析方法、装置及存储介质 | |
CN112363814A (zh) | 任务调度方法、装置、计算机设备及存储介质 | |
US8510693B2 (en) | Changing abstraction level of portion of circuit design during verification | |
KR20150123603A (ko) | 데이터베이스 관리 방법 및 데이터베이스 관리 시스템 | |
CN103116601A (zh) | 一种提高输入法智能联想准确度的方法及系统 | |
CN111078671A (zh) | 数据表字段的修改方法、装置、设备和介质 | |
CN116226681A (zh) | 一种文本相似性判定方法、装置、计算机设备和存储介质 | |
CN115617673A (zh) | 基于Cosim平台的测试用例配置的方法及应用 | |
CN114968725A (zh) | 任务依赖关系校正方法、装置、计算机设备及存储介质 | |
CN112380127B (zh) | 测试用例回归方法、装置、设备和存储介质 | |
JP2008250727A (ja) | データ管理方法、プログラム及び装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |