CN110532186B - 利用验证码进行测试的方法、装置、电子设备和存储介质 - Google Patents
利用验证码进行测试的方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN110532186B CN110532186B CN201910811372.5A CN201910811372A CN110532186B CN 110532186 B CN110532186 B CN 110532186B CN 201910811372 A CN201910811372 A CN 201910811372A CN 110532186 B CN110532186 B CN 110532186B
- Authority
- CN
- China
- Prior art keywords
- verification
- verification code
- information
- deep learning
- page
- 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
Images
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
- G06F11/3664—Environments for testing or debugging software
-
- 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
- G06F11/3676—Test management for coverage analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本公开提供了一种利用验证码进行测试的方法,包括:获取在目标应用的验证页面上输入的验证码请求操作;响应于验证码请求操作,获取验证页面的控件信息;将验证页面的控件信息输入深度学习模型中,输出验证页面中的用于表征测试人员的标识信息;获取基于标识信息从测试环境验证码数据库中查询得到的验证信息,其中,验证信息中包括验证码;以及将查询得到的验证信息中的验证码输入验证页面中,以便利用查询得到的验证码对目标应用进行测试。本公开还提供了一种利用验证码进行测试的装置、电子设备和计算机可读存储介质。
Description
技术领域
本公开涉及计算机技术领域,更具体地,涉及一种利用验证码进行测试的方法、一种利用验证码进行测试的装置、一种电子设备和一种计算机可读存储介质。
背景技术
随着电子技术和计算机技术的快速发展,各种应用程序被广泛应用于各种电子设备。例如,随着移动终端的普及,各类移动APP被广泛应用于各行各业当中。移动终端上可能需要设置十几个甚至几十个移动APP。
但由于应用程序的应用环境和需要实现的功能越来越复杂,为保证应用程序功能稳定可靠,对应用程序进行测试变得越来越重要。
在实现本公开构思的过程中,发明人发现验证码作为应用程序验证用户信息的基本方式之一,在应用程序测试中也占有越来越大的比重。由于应用程序开发效率的提升,以及应用版本迭代更新速度越来越快,应用程序的测试频率及测试当量大大增加,测试规模、测试人力愈发庞大,需验证码回填确认的测试情景也越来越多。但是,应用程序获取验证码的页面样式种类繁多,验证码提示信息的内容、格式也各不相同,并且,用于承载验证码的验证信息,例如短信的内容各异,且没有通用的验证码回填测试方法,一般只能通过测试人员人工分析并获取短信验证码进行回填。
因此,采用人工读取短信验证码的传统验证码回填方式,面临人力成本高、工作量大、获取效率低等问题,严重影响了对应用程序的测试效率。
发明内容
有鉴于此,本公开提供了一种利用验证码进行测试的方法、一种利用验证码进行测试的装置、一种电子设备和一种计算机可读存储介质。
本公开的一个方面提供了一种利用验证码进行测试的方法,包括:获取在目标应用的验证页面上输入的验证码请求操作;响应于上述验证码请求操作,获取上述验证页面的控件信息;将上述验证页面的控件信息输入深度学习模型中,输出上述验证页面中的用于表征测试人员的标识信息;获取基于上述标识信息从测试环境验证码数据库中查询得到的验证信息,其中,上述验证信息中包括验证码;以及将上述查询得到的验证信息中的验证码输入上述验证页面中,以便利用上述查询得到的验证码对上述目标应用进行测试。
根据本公开的实施例,上述方法还包括:响应于上述验证码请求操作,获取来自上述测试环境验证码数据库生成的与上述验证码请求操作关联的验证码编号信息;在将上述验证页面的控件信息输入深度学习模型中之后,还包括:输出上述验证页面中的用于表征测试人员的标识信息和上述验证码编号信息;以及获取基于上述标识信息从测试环境验证码数据库中查询得到的验证信息包括:获取基于上述标识信息和上述验证码编号信息从上述测试环境验证码数据库中查询得到的验证信息。
根据本公开的实施例,上述方法还包括:对上述深度学习模型输出的上述标识信息和/或上述验证码编号信息进行校验,确定上述标识信息和/或上述验证码编号信息是否满足第一预设校验条件;以及响应于上述深度学习模型输出的上述标识信息和/或上述验证码编号信息不满足上述第一预设校验条件,基于上述验证页面的控件信息对上述深度学习模型进行重新训练,以修正上述深度学习模型。
根据本公开的实施例,上述方法还包括:在将上述验证页面的控件信息输入深度学习模型中之后,还包括输出上述验证页面中的验证码输入框的坐标信息;以及将上述查询得到的验证信息中的验证码输入上述验证页面中包括:基于上述验证码输入框的坐标信息将上述查询得到的验证信息中的验证码输入上述验证码输入框中。
根据本公开的实施例,上述方法还包括:在将上述查询得到的验证信息中的验证码输入上述验证页面中之前,将上述查询得到的验证信息输入上述深度学习模型中,输出上述查询得到的验证信息中的验证码。
根据本公开的实施例,上述方法还包括:对上述深度学习模型输出的上述查询得到的验证信息中的验证码进行校验,确定上述深度学习模型输出的验证码是否满足第二预设校验条件;以及响应于上述深度学习模型输出的验证码不满足上述第二预设校验条件,基于上述查询得到的验证信息对上述深度学习模型进行重新训练,以修正上述深度学习模型。
本公开的另一个方面提供了一种利用验证码进行测试的装置,包括:第一获取模块,用于获取在目标应用的验证页面上输入的验证码请求操作;第二获取模块,用于响应上述验证码请求操作,获取上述验证页面的控件信息;输入输出模块,用于将上述验证页面的控件信息输入深度学习模型中,输出上述验证页面中的用于表征测试人员的标识信息;第三获取模块,用于获取基于上述标识信息从测试环境验证码数据库中查询得到的验证信息,其中,上述验证信息中包括验证码;以及处理模块,用于将上述查询得到的验证信息中的验证码输入上述验证页面中,以便利用上述查询得到的验证码对上述目标应用进行测试。
根据本公开的实施例,其中:上述第二获取模块,还用于响应上述验证码请求操作,获取来自上述测试环境验证码数据库生成的与上述验证码请求操作关联的验证码编号信息;上述输入输出模块,还用于在将上述验证页面的控件信息输入深度学习模型中之后,还包括:输出上述验证页面中的用于表征测试人员的标识信息和上述验证码编号信息;以及上述第三获取模块,还用于获取基于上述标识信息和上述验证码编号信息从上述测试环境验证码数据库中查询得到的验证信息。
根据本公开的实施例,上述装置还包括:第一校验模块,用于对上述深度学习模型输出的上述标识信息和/或上述验证码编号信息进行校验,确定上述标识信息和/或上述验证码编号信息是否满足第一预设校验条件;以及第一训练模块,用于响应于上述深度学习模型输出的上述标识信息和/或上述验证码编号信息不满足上述第一预设校验条件,基于上述验证页面的控件信息对上述深度学习模型进行重新训练,以修正上述深度学习模型。
根据本公开的实施例,上述装置还包括:输出模块,用于在将上述验证页面的控件信息输入深度学习模型中之后,输出上述验证页面中的验证码输入框的坐标信息;以及上述处理模块用于基于上述验证码输入框的坐标信息将上述查询得到的验证信息中的验证码输入上述验证码输入框中。
根据本公开的实施例,其中:上述输入输出模块还用于在将上述查询得到的验证信息中的验证码输入上述验证页面中之前,将上述查询得到的验证信息输入上述深度学习模型中,输出上述查询得到的验证信息中的验证码。
根据本公开的实施例,上述装置还包括:第二校验模块,用于对上述深度学习模型输出的上述查询得到的验证信息中的验证码进行校验,确定上述深度学习模型输出的验证码是否满足第二预设校验条件;以及第二训练模块,用于响应上述深度学习模型输出的验证码不满足上述第二预设校验条件,基于上述查询得到的验证信息对上述深度学习模型进行重新训练,以修正上述深度学习模型。
本公开的另一方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个指令,其中,当上述一个或多个指令被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例,通过将验证页面的控件信息输入深度学习模型中,输出验证页面中的用于表征测试人员的标识信息;获取基于标识信息从测试环境验证码数据库中查询得到的验证信息;将查询得到的验证信息中的验证码输入验证页面中,以便利用查询得到的验证码对目标应用进行测试。在利用验证码进行测试的过程中,可以通过深度学习模型对验证页面的控件信息进行识别,可自动识别页面信息以适应多样的页面样式,实现了对不同样式的验证页面的信息识别,基于测试人员的标识信息从测试环境验证码数据库中查询得到验证信息,并将验证码输入验证页面中,对验证信息查询、验证码获取、验证码回填进行全流程封装,实现了验证码的一键回填,降低了对测试人员的操作要求,节省了测试时间和人力损耗,提高了大规模测试效率,所以至少部分地克服了采用人工读取验证码的传统验证码回填方式,面临人力成本高、工作量大、测试效率低的技术问题,进而达到了通过测试效率的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的可以应用利用验证码进行测试的方法、利用验证码进行测试的装置、电子设备和计算机可读存储介质的示例性系统架构;
图2示意性示出了根据本公开实施例的利用验证码进行测试的方法的流程图;
图3示意性示出了根据本公开另一实施例的利用验证码进行测试的方法的流程图;
图4示意性示出了根据本公开实施例的修正深度学习模型的方法的流程图;
图5示意性示出了根据本公开实施例的将查询得到的验证信息中的验证码输入验证页面中的流程图;
图6示意性示出了根据本公开实施例的深度学习模型的框图;
图7示意性示出了根据本公开实施例的利用短信验证码进行回填验证的流程图;
图8示意性示出了根据本公开实施例的利用验证码进行测试的装置的框图;以及
图9示意性示出了根据本公开实施例的适于实现上文描述的利用验证码进行测试的方法的计算机系统的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种利用验证码进行测试的方法、一种利用验证码进行测试的装置、一种电子设备和一种计算机可读存储介质。该方法包括:获取在目标应用的验证页面上输入的验证码请求操作;响应于验证码请求操作,获取验证页面的控件信息;将验证页面的控件信息输入深度学习模型中,输出验证页面中的用于表征测试人员的标识信息;获取基于标识信息从测试环境验证码数据库中查询得到的验证信息,其中,验证信息中包括验证码;以及将查询得到的验证信息中的验证码输入验证页面中,以便利用查询得到的验证码对目标应用进行测试。
图1示意性示出了根据本公开实施例的可以应用利用验证码进行测试的方法、利用验证码进行测试的装置、电子设备和计算机可读存储介质的示例性系统架构。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103对应用程序进行测试提供支持的后台管理服务器(仅为示例),测试环境验证码数据库可以设置在服务器105中。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的验证信息等)反馈给终端设备。
本公开实施例所提供的利用验证码进行测试的方法可以由终端设备101、102、或103执行,或者也可以由不同于终端设备101、102、或103的其他终端设备执行。相应地,本公开实施例所提供的利用验证码进行测试的装置也可以设置于终端设备101、102、或103中,或设置于不同于终端设备101、102、或103的其他终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开实施例的利用验证码进行测试的方法的流程图。
如图2所示,该方法包括操作S210~S250。
在操作S210,获取在目标应用的验证页面上输入的验证码请求操作。
根据本公开的实施例,目标应用的种类不做限定,例如,可以是移动终端安装的支付宝,银行客户端等等。测试人员在对目标应用进行测试时,可以先在目标应用的验证页面上输入用于接收验证码的通讯地址,例如,测试人员在验证页面上输入手机号码,邮箱地址等等。在输入用于接收验证码的通讯地址之后,可以点击获取验证码,以输入验证码请求操作。
在操作S220,响应于验证码请求操作,获取验证页面的控件信息。
根据本公开的实施例,验证页面的控件信息例如可以包括页面布局信息,文本框信息,按钮信息,验证页面上展示的信息等等。根据本公开的实施例,可以通过页面信息抓取工具将页面上的所有控件信息dump为xml文件,从而实现对验证页面控件信息的抓取。
在操作S230,将验证页面的控件信息输入深度学习模型中,输出验证页面中的用于表征测试人员的标识信息。
根据本公开的实施例,深度学习模型可以实现对获取的控件信息进行有效内容筛选,可以根据输入的信息不同使用不同模型进行信息筛选,输出期望有效内容。对无法成功筛选的信息可以通过循环神经网络进行数据训练,得出新的深度学习模型。
根据本公开的实施例,验证页面中的用于表征测试人员的标识信息例如可以是测试人员登录的账号信息,账号信息例如可以是邮箱信息或手机号码等等。
在操作S240,获取基于标识信息从测试环境验证码数据库中查询得到的验证信息,其中,验证信息中包括验证码。
根据本公开的实施例,测试环境验证码数据库可以基于用户的验证码请求随机生成验证信息,验证信息中可以包含验证码,目标应用的标识信息等等。根据本公开的实施例,验证信息可以是以验证短信的方式发送给终端设备,验证短信中除了包括验证码以外,还可以包括一些非验证码以外的信息,例如,目标应用的标识信息,验证码过期时间等等。
在操作S250,将查询得到的验证信息中的验证码输入验证页面中,以便利用查询得到的验证码对目标应用进行测试。
根据本公开的实施例,在获取到验证信息之后,可以对验证信息进行识别,确定出验证信息中的验证码,并将验证码自动输入验证页面中。
在相关技术中,测试人员利用验证码对应用程序进行测试时,需手动完成点击发送验证码、等待验证码短信、回填验证码三步操作,重复工作量较大,受到网络传输影响,而且一旦输入错误,需要重复上述步骤,造成人力和时间损失,可靠性差,容错率较低。而且,现有测试工具没有引入深度学习技术对短信回填过程涉及的差异性数据进行处理,只能人工针对特定短信形式、特定验证页面进行操作,可扩展性较差,通用性不高,当前测试工具只能完成验证码回填的部分功能,无法覆盖完整验证码回填流程,功能不够完善。
根据本公开的实施例,通过将验证页面的控件信息输入深度学习模型中,输出验证页面中的用于表征测试人员的标识信息。获取基于标识信息从测试环境验证码数据库中查询得到的验证信息。将查询得到的验证信息中的验证码输入验证页面中,以便利用查询得到的验证码对目标应用进行测试。在利用验证码进行测试的过程中,可以通过深度学习模型对验证页面的控件信息进行识别,可自动识别页面信息以适应多样的页面样式,实现了对不同样式的验证页面的信息识别,基于测试人员的标识信息从测试环境验证码数据库中查询得到验证信息,并将验证码输入验证页面中,对验证信息查询、验证码获取、验证码回填进行全流程封装,实现了验证码的一键回填,降低了对测试人员的操作要求,节省了测试时间和人力损耗,提高了大规模测试效率,所以至少部分地克服了采用人工读取验证码的传统验证码回填方式,面临人力成本高、工作量大、测试效率低的技术问题,进而达到了通过测试效率的技术效果。
下面参考图3~图7,结合具体实施例对图2所示的方法做进一步说明。
图3示意性示出了根据本公开另一实施例的利用验证码进行测试的方法的流程图。
如图3所示,该方法包括操作S310~S330。
在操作S310,响应于验证码请求操作,获取来自测试环境验证码数据库生成的与验证码请求操作关联的验证码编号信息。
在操作S320,在将验证页面的控件信息输入深度学习模型中之后,输出验证页面中的用于表征测试人员的标识信息和验证码编号信息。
在对应用程序进行实际测试时,由于测试人员过多,通常几名测试人员共用一个账号,需要测试人员筛选对应自己验证码编号的验证信息,尤其在大规模重复测试时大大加重了测试人员工作量,增加了人力成本,降低了测试效率。
根据本公开的实施例,测试环境验证码数据库可以生成与验证码请求操作关联的验证码编号信息,在获取验证码编号信息之后,可以展示在验证页面中,在获取验证页面的控件信息时,该控件信息就可以包括验证码编号信息。
在操作S330,获取基于标识信息和验证码编号信息从测试环境验证码数据库中查询得到的验证信息。
根据本公开的实施例,以验证信息为短信为例,可以采用深度学习模型识别提取验证页面的控件信息,控件信息中可以包括测试人员的电话号码和验证码编号,依据提取的电话号码和验证码编号调用本公开实现的应用接口,查询测试环境验证码数据库,实现验证码短信的获取,从而降低测试人员回填验证码的操作步骤,实现了短信验证码的一键回填,提升验证码回填测试的效率,节省了验证码回填所需的人力成本、时间成本,提高了现有测试工具的通用性及可扩展性。
通过本公开的实施例,实现了自动化获取验证页面的控件信息并截取验证码回填,通过应用接口统一化,即调用统一的短信查询接口从测试环境验证码数据库中获取目标短信,实现对验证码短信的一键获取。
通过本公开的实施例,当测试人员共用统一账号时,本公开通过验证码编号等条件查询测试环境验证码数据库可以精确获取对应验证码信息,无需测试人员筛选自己需要的验证码信息,提高了获取信息准确度,提高了测试的可靠性。
图4示意性示出了根据本公开实施例的修正深度学习模型的方法的流程图。
如图4所示,该方法包括操作S410~S420。
在操作S410,对深度学习模型输出的标识信息和/或验证码编号信息进行校验,确定标识信息和/或验证码编号信息是否满足第一预设校验条件。
根据本公开的实施例,确定标识信息和/或验证码编号信息是否满足第一预设校验条件例如可以是确定标识信息和/或验证码编号信息的组成内容是否满足预设规则。以标识信息为电话号码为例,可以验证该电话号码的位数是否为11位,如果该电话号码的位数为11位,则可以确定该电话号码满足第一预设校验条件。如果该电话号码的位数不是11位,则可以确定该电话号码不满足第一预设校验条件。
在操作S420,响应于深度学习模型输出的标识信息和/或验证码编号信息不满足第一预设校验条件,基于验证页面的控件信息对深度学习模型进行重新训练,以修正深度学习模型。
根据本公开的实施例,由于可以基于验证页面的控件信息对深度学习模型进行重新训练,以修正深度学习模型,实现了对验证码回填测试的全流程步骤的功能实现及封装,运用深度学习技术可以支持多样的验证码回填页面,实现了对不同回填页面样式的信息识别、验证短信查询、验证码自动回填,可自动识别页面信息以适应多样的页面样式,提高了测试的准确性和可靠性,对比于当前验证码回填工具,本公开覆盖了整个验证码回填过程,提升了脚本可扩展性。
图5示意性示出了根据本公开实施例的将查询得到的验证信息中的验证码输入验证页面中的流程图。
如图5所示,该方法包括操作S510~S520。
在操作S510,在将验证页面的控件信息输入深度学习模型中之后,输出验证页面中的验证码输入框的坐标信息。
在操作S520,基于验证码输入框的坐标信息将查询得到的验证信息中的验证码输入验证码输入框中。
根据本公开的实施例,在将查询得到的验证信息中的验证码输入验证页面中之前,可以将查询得到的验证信息输入深度学习模型中,输出查询得到的验证信息中的验证码。
图6示意性示出了根据本公开实施例的深度学习模型的框图。
如图6所示,深度学习模型600包括数据训练单元610和数据推导单元620。
数据训练单元610用于设计循环神经网络对大量页面控件信息和验证信息的文本数据进行数据训练,可以得到多种深度学习子模型。
例如,数据训练单元610可以训练得到三种深度学习子模型,分别包括参数学习子模型、验证码学习子模型和位置学习子模型。
参数学习子模型用于从页面控件信息中查询电话号码和验证码编号。
验证码学习子模型用于从验证短信中筛选验证码。
位置学习子模型用于从页面控件信息中筛选验证码输入框控件的坐标信息,例如,获取验证码输入框在移动设备中的具体位置。
数据推导单元620用于应用数据训练单元610得到的多种深度学习子模型进行数据处理,其中参数学习子模型输入页面控件信息,输出电话号码和验证码编号;验证码学习子模型输入验证短信内容输出验证码;位置学习子模型输入回填页面控件信息输出验证码输入框坐标信息。
对深度学习模型输出的查询得到的验证信息中的验证码进行校验,确定深度学习模型输出的验证码是否满足第二预设校验条件。
根据本公开的实施例,确定验证码是否满足第二预设校验条件例如可以是确定验证码的组成内容是否满足预设规则。以验证码为纯数字验证码为例,可以验证该验证码是否为数字,如果该验证码为纯数字,则可以确定该验证码满足第二预设校验条件。如果该验证码除了包括数字之外,还包括文字,则可以确定该验证码不满足第二预设校验条件。
根据本公开的实施例,可以响应于深度学习模型输出的验证码不满足第二预设校验条件,基于查询得到的验证信息对深度学习模型进行重新训练,以修正深度学习模型。
根据本公开的实施例,以目标应用为移动APP为例,移动APP进入验证页面进行验证码回填操作,可以自动抓取页面控件信息,然后输入深度学习模型的参数学习子模型得到获取验证页面中的电话号码和验证码编码信息。
如果获取的验证页面中的电话号码和验证码编码信息不正确,则修正参数学习子模型,修正后重新进行验证码回填。如果获取的验证页面中的电话号码和验证码编码信息正确,则深度学习模型将获取的信息传入应用接口,查询测试环境验证码数据库获取验证短信。
然后,将验证短信输入深度学习模型的验证码学习子模型获取短信中的验证码,如果验证码不正确,则修正验证码学习子模型,修正后重新进行验证码回填。如果验证码正确,则抓取页面控件信息,将页面控件信息输入深度学习模型的位置学习子模型,得到页面中验证码输入框控件的坐标信息,点击控件坐标完成验证码回填。
根据本公开的实施例,可以对多种移动app的短信验证码进行自动回填,实现了对移动app的短信回填测试的流程统一化和标准化。
需要说明的是,本公开不限于短信验证码回填的应用场景,还可以适用邮箱中的邮件验证码回填的应用场景等其他场景。具体实现方式可以参考上述描述,在此不再赘述。
图7示意性示出了根据本公开实施例的利用短信验证码进行回填验证的流程图。
如图7所示,该方法包括操作S701~S710。
在操作701,终端设备展示验证页面,输入电话号码并点击获取验证码。
在操作702,通过控件识别框架,自动抓取页面上的所有控件信息,并将控件信息输入参数学习子模型,筛选出页面中的电话号码和验证码编号信息。
在操作703,判断在操作702获取到的电话号码和验证码编号信息是否正确,如果正确,则执行操作705,如果不正确,则转入操作704。
在操作704,深度学习模型中的数据训练单元可以针对验证页面控件信息内容进行重新学习,修正参数学习子模型,并重新执行在操作701。
在操作705,根据在操作702获取的电话号码、验证码编号信息,调用API接口查询测试环境短信数据库,获取验证短信。
在操作706,将在操作705获取的验证短信内容输入验证码学习子模型,截取验证短信中的验证码,用于之后短信回填。
在操作707,判断验证码是否正确,如果正确,执行在操作709,如果不正确,执行在操作708。
在操作708,深度学习模型中的数据训练单元针对验证码截取失败的短信内容进行重新学习,修正验证码学习子模型,并重新执行在操作701。
在操作709,抓取页面控件信息输入位置学习子模型,得到验证码输入框坐标信息。
在操作710,对操作709获取的输入框坐标进行点击,将操作706中的验证码回填至坐标位置。
根据本公开的实施例,通过数据深度学习,即通过对不同类型输入数据进行训练得出不同深度学习子模型,实现对多样的页面样式自动获取所需内容及正确回填坐标;采用控件识别方式,实现短信验证码的回填操作;达到实现覆盖获取验证码编号,获取验证码,回填验证码全流程的通用的自动的验证码回填方法的目的。
根据本公开的实施例,设计了一种深度学习模型,通过训练大量数据得到深度学习模型进行数据处理的模式,可以推广至其他序列数据处理场景,可以推进其他场景测试的通用化、标准化改造。
图8示意性示出了根据本公开实施例的利用验证码进行测试的装置的框图。
如图8所示,利用验证码进行测试的装置800包括第一获取模块810、第二获取模块820、输入输出模块830、第三获取模块840和处理模块850。
第一获取模块810用于获取在目标应用的验证页面上输入的验证码请求操作。
第二获取模块820用于响应验证码请求操作,获取验证页面的控件信息。
输入输出模块830用于将验证页面的控件信息输入深度学习模型中,输出验证页面中的用于表征测试人员的标识信息。
第三获取模块840用于获取基于标识信息从测试环境验证码数据库中查询得到的验证信息,其中,验证信息中包括验证码。
处理模块850用于将查询得到的验证信息中的验证码输入验证页面中,以便利用查询得到的验证码对目标应用进行测试。
根据本公开的实施例,通过将验证页面的控件信息输入深度学习模型中,输出验证页面中的用于表征测试人员的标识信息。获取基于标识信息从测试环境验证码数据库中查询得到的验证信息。将查询得到的验证信息中的验证码输入验证页面中,以便利用查询得到的验证码对目标应用进行测试。在利用验证码进行测试的过程中,可以通过深度学习模型对验证页面的控件信息进行识别,可自动识别页面信息以适应多样的页面样式,实现了对不同样式的验证页面的信息识别,基于测试人员的标识信息从测试环境验证码数据库中查询得到验证信息,并将验证码输入验证页面中,对验证信息查询、验证码获取、验证码回填进行全流程封装,实现了验证码的一键回填,降低了对测试人员的操作要求,节省了测试时间和人力损耗,提高了大规模测试效率,所以至少部分地克服了采用人工读取验证码的传统验证码回填方式,面临人力成本高、工作量大、测试效率低的技术问题,进而达到了通过测试效率的技术效果。
根据本公开的实施例,第二获取模块820还用于响应于验证码请求操作,获取来自测试环境验证码数据库生成的与验证码请求操作关联的验证码编号信息。
根据本公开的实施例,输入输出模块830还用于在将验证页面的控件信息输入深度学习模型中之后,还包括:输出验证页面中的用于表征测试人员的标识信息和验证码编号信息。
根据本公开的实施例,第三获取模块840还用于获取基于标识信息和验证码编号信息从测试环境验证码数据库中查询得到的验证信息。
根据本公开的实施例,利用验证码进行测试的装置800还包括第一校验模块和第一训练模块。
第一校验模块用于对深度学习模型输出的标识信息和/或验证码编号信息进行校验,确定标识信息和/或验证码编号信息是否满足第一预设校验条件。
第一训练模块用于响应于深度学习模型输出的标识信息和/或验证码编号信息不满足第一预设校验条件,基于验证页面的控件信息对深度学习模型进行重新训练,以修正深度学习模型。
根据本公开的实施例,利用验证码进行测试的装置800还包括输出模块。
输出模块用于在将验证页面的控件信息输入深度学习模型中之后,输出验证页面中的验证码输入框的坐标信息。
处理模块850还用于基于验证码输入框的坐标信息将查询得到的验证信息中的验证码输入验证码输入框中。
根据本公开的实施例,输入输出模块830还用于在将查询得到的验证信息中的验证码输入验证页面中之前,将查询得到的验证信息输入深度学习模型中,输出查询得到的验证信息中的验证码。
根据本公开的实施例,利用验证码进行测试的装置800还包括第二校验模块和第二训练模块。
第二校验模块用于对深度学习模型输出的查询得到的验证信息中的验证码进行校验,确定深度学习模型输出的验证码是否满足第二预设校验条件。
第二训练模块用于响应深度学习模型输出的验证码不满足第二预设校验条件,基于查询得到的验证信息对深度学习模型进行重新训练,以修正深度学习模型。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,第一获取模块810、第二获取模块820、输入输出模块830、第三获取模块840和处理模块850中的任意多个可以合并在一个模块/单元/子单元中实现,或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者,这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合,并在一个模块/单元/子单元中实现。根据本公开的实施例,第一获取模块810、第二获取模块820、输入输出模块830、第三获取模块840和处理模块850中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及同件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,第一获取模块810、第二获取模块820、输入输出模块830、第三获取模块840和处理模块850中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
需要说明的是,本公开的实施例中利用验证码进行测试的装置部分与本公开的实施例中利用验证码进行测试的方法部分是相对应的,利用验证码进行测试的装置部分的描述具体参考利用验证码进行测试的方法部分,在此不再赘述。
图9示意性示出了根据本公开实施例的适于实现上文描述的利用验证码进行测试的方法的计算机系统的框图。图9示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图9所示,根据本公开实施例的电子设备900包括处理器901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 903中,存储有电子设备900操作所需的各种程序和数据。处理器901、ROM902以及RAM 903通过总线904彼此相连。处理器901通过执行ROM 902和/或RAM 903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 902和RAM 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备900还可以包括输入/输出(I/O)接口905,输入/输出(I/O)接口905也连接至总线904。电子设备900还可以包括连接至I/O接口905的以下部件中的一项或多项:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时,执行本公开实施例的电子设备中限定的上述功能。根据本公开的实施例,上文描述的电子设备、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/电子设备中所包含的;也可以是单独存在,而未装配入该设备/装置/电子设备中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行电子设备、装置或者器件使用或者与其结合使用。
例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 902和/或RAM 903和/或ROM 902和RAM 903以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的电子设备、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的电子设备来实现,或者可以用专用硬件与计算机指令的组合来实现。本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (8)
1.一种利用验证码进行测试的方法,包括:
获取在目标应用的验证页面上输入的验证码请求操作;
响应于所述验证码请求操作,获取所述验证页面的控件信息;
将所述验证页面的控件信息输入深度学习模型中,输出所述验证页面中的用于表征测试人员的标识信息;
获取基于所述标识信息从测试环境验证码数据库中查询得到的验证信息,其中,所述验证信息中包括验证码;以及
将所述查询得到的验证信息中的验证码输入所述验证页面中,以便利用所述查询得到的验证码对所述目标应用进行测试;
响应于所述验证码请求操作,获取来自所述测试环境验证码数据库生成的与所述验证码请求操作关联的验证码编号信息;
在将所述验证页面的控件信息输入深度学习模型中之后,还包括:
输出所述验证页面中的用于表征测试人员的标识信息和所述验证码编号信息;以及
获取基于所述标识信息从测试环境验证码数据库中查询得到的验证信息包括:获取基于所述标识信息和所述验证码编号信息从所述测试环境验证码数据库中查询得到的验证信息;
在将所述验证页面的控件信息输入深度学习模型中之后,还包括:
输出所述验证页面中的验证码输入框的坐标信息;以及
将所述查询得到的验证信息中的验证码输入所述验证页面中包括:基于所述验证码输入框的坐标信息将所述查询得到的验证信息中的验证码输入所述验证码输入框中;
还包括:
对所述深度学习模型输出的所述标识信息和/或所述验证码编号信息进行校验,确定所述标识信息和/或所述验证码编号信息是否满足第一预设校验条件;以及
响应于所述深度学习模型输出的所述标识信息和/或所述验证码编号信息不满足所述第一预设校验条件,基于所述验证页面的控件信息对所述深度学习模型进行重新训练,以修正所述深度学习模型。
2.根据权利要求1所述的方法,还包括:
在将所述查询得到的验证信息中的验证码输入所述验证页面中之前,将所述查询得到的验证信息输入所述深度学习模型中,输出所述查询得到的验证信息中的验证码。
3.根据权利要求2所述的方法,还包括:
对所述深度学习模型输出的所述查询得到的验证信息中的验证码进行校验,确定所述深度学习模型输出的验证码是否满足第二预设校验条件;以及
响应于所述深度学习模型输出的验证码不满足所述第二预设校验条件,基于所述查询得到的验证信息对所述深度学习模型进行重新训练,以修正所述深度学习模型。
4.一种利用验证码进行测试的装置,包括:
第一获取模块,用于获取在目标应用的验证页面上输入的验证码请求操作;
第二获取模块,用于响应所述验证码请求操作,获取所述验证页面的控件信息;
输入输出模块,用于将所述验证页面的控件信息输入深度学习模型中,输出所述验证页面中的用于表征测试人员的标识信息;
第三获取模块,用于获取基于所述标识信息从测试环境验证码数据库中查询得到的验证信息,其中,所述验证信息中包括验证码;以及
处理模块,用于将所述查询得到的验证信息中的验证码输入所述验证页面中,以便利用所述查询得到的验证码对所述目标应用进行测试;
所述第二获取模块,还用于响应所述验证码请求操作,获取来自所述测试环境验证码数据库生成的与所述验证码请求操作关联的验证码编号信息;
所述输入输出模块,还用于在将所述验证页面的控件信息输入深度学习模型中之后,还包括:输出所述验证页面中的用于表征测试人员的标识信息和所述验证码编号信息;以及
所述第三获取模块,还用于获取基于所述标识信息和所述验证码编号信息从所述测试环境验证码数据库中查询得到的验证信息;
输出模块,用于在将所述验证页面的控件信息输入深度学习模型中之后,输出所述验证页面中的验证码输入框的坐标信息;还用于所述处理模块用于基于所述验证码输入框的坐标信息将所述查询得到的验证信息中的验证码输入所述验证码输入框中;
还包括:
第一校验模块,用于对所述深度学习模型输出的所述标识信息和/或所述验证码编号信息进行校验,确定所述标识信息和/或所述验证码编号信息是否满足第一预设校验条件;以及
第一训练模块,用于响应于所述深度学习模型输出的所述标识信息和/或所述验证码编号信息不满足所述第一预设校验条件,基于所述验证页面的控件信息对所述深度学习模型进行重新训练,以修正所述深度学习模型。
5.根据权利要求4所述的装置,其中:
所述输入输出模块还用于在将所述查询得到的验证信息中的验证码输入所述验证页面中之前,将所述查询得到的验证信息输入所述深度学习模型中,输出所述查询得到的验证信息中的验证码。
6.根据权利要求5所述的装置,还包括:
第二校验模块,用于对所述深度学习模型输出的所述查询得到的验证信息中的验证码进行校验,确定所述深度学习模型输出的验证码是否满足第二预设校验条件;以及
第二训练模块,用于响应所述深度学习模型输出的验证码不满足所述第二预设校验条件,基于所述查询得到的验证信息对所述深度学习模型进行重新训练,以修正所述深度学习模型。
7.一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个指令,
其中,当所述一个或多个指令被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至3中任一项所述的方法。
8.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现权利要求1至3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910811372.5A CN110532186B (zh) | 2019-08-29 | 2019-08-29 | 利用验证码进行测试的方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910811372.5A CN110532186B (zh) | 2019-08-29 | 2019-08-29 | 利用验证码进行测试的方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110532186A CN110532186A (zh) | 2019-12-03 |
CN110532186B true CN110532186B (zh) | 2023-04-28 |
Family
ID=68665258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910811372.5A Active CN110532186B (zh) | 2019-08-29 | 2019-08-29 | 利用验证码进行测试的方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110532186B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111404938A (zh) * | 2020-03-16 | 2020-07-10 | 网易(杭州)网络有限公司 | 一种验证码的处理方法、装置、终端及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131000A (zh) * | 2016-06-30 | 2016-11-16 | 维沃移动通信有限公司 | 验证码填充方法及其移动终端 |
CN106899445A (zh) * | 2015-12-21 | 2017-06-27 | 北京奇虎科技有限公司 | 页面接口自动化测试的方法和系统 |
CN109491908A (zh) * | 2018-11-06 | 2019-03-19 | 北京字节跳动网络技术有限公司 | 页面检测方法、装置、电子设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8534564B2 (en) * | 2009-05-15 | 2013-09-17 | Ayman Hammad | Integration of verification tokens with mobile communication devices |
-
2019
- 2019-08-29 CN CN201910811372.5A patent/CN110532186B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106899445A (zh) * | 2015-12-21 | 2017-06-27 | 北京奇虎科技有限公司 | 页面接口自动化测试的方法和系统 |
CN106131000A (zh) * | 2016-06-30 | 2016-11-16 | 维沃移动通信有限公司 | 验证码填充方法及其移动终端 |
CN109491908A (zh) * | 2018-11-06 | 2019-03-19 | 北京字节跳动网络技术有限公司 | 页面检测方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110532186A (zh) | 2019-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107665233B (zh) | 数据库数据处理方法、装置、计算机设备和存储介质 | |
CN107391359B (zh) | 一种业务测试方法及装置 | |
CN111177005A (zh) | 业务应用的测试方法、装置、服务器和存储介质 | |
CN107807841B (zh) | 服务器模拟方法、装置、设备及可读存储介质 | |
CN112181835B (zh) | 自动化测试方法、装置、计算机设备及存储介质 | |
US11386499B2 (en) | Car damage picture angle correction method, electronic device, and readable storage medium | |
CN114218110A (zh) | 财务数据的对账测试方法、装置、计算机设备及存储介质 | |
CN113535577B (zh) | 基于知识图谱的应用测试方法、装置、电子设备和介质 | |
CN108809896A (zh) | 一种信息校验方法、装置和电子设备 | |
CN110532186B (zh) | 利用验证码进行测试的方法、装置、电子设备和存储介质 | |
CN116069838A (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
CN112651716A (zh) | 数据处理方法、设备及存储介质 | |
CN110717315B (zh) | 系统数据批量修改方法、装置、存储介质及电子设备 | |
CN111506305A (zh) | 工具包生成方法、装置、计算机设备及可读存储介质 | |
US10169216B2 (en) | Simulating sensors | |
CN111046393A (zh) | 漏洞信息上传方法、装置、终端设备及存储介质 | |
CN114429408B (zh) | 智能变电站配置文件的校核方法、装置、设备和系统 | |
CN114510305B (zh) | 模型训练方法、装置、存储介质及电子设备 | |
CN113032257B (zh) | 自动化测试方法、装置、计算机系统和可读存储介质 | |
CN111865726B (zh) | 业务消息测试方法、装置、计算机系统和存储介质 | |
CN114637672A (zh) | 自动化数据测试方法、装置、计算机设备及存储介质 | |
CN115203178A (zh) | 数据质检方法、装置、电子设备及存储介质 | |
CN114115628A (zh) | 应用于u盾测试的u盾显示信息获取方法、装置、设备、介质及程序产品 | |
CN112966671A (zh) | 一种合同检测方法、装置、电子设备及存储介质 | |
CN113032256A (zh) | 自动化测试方法、装置、计算机系统和可读存储介质 |
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 |