CN114443458A - 一种基于深度学习的多语言系统的测试方法 - Google Patents
一种基于深度学习的多语言系统的测试方法 Download PDFInfo
- Publication number
- CN114443458A CN114443458A CN202011217778.XA CN202011217778A CN114443458A CN 114443458 A CN114443458 A CN 114443458A CN 202011217778 A CN202011217778 A CN 202011217778A CN 114443458 A CN114443458 A CN 114443458A
- Authority
- CN
- China
- Prior art keywords
- language
- test
- tested
- product
- information
- 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.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 113
- 238000013135 deep learning Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 230000003993 interaction Effects 0.000 claims abstract description 23
- 238000013519 translation Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims abstract description 8
- 238000010998 test method Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06F11/3668—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
- G06F9/454—Multi-language systems; Localisation; Internationalisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提供了一种基于深度学习的多语言系统的测试方法，该方法为：步骤1、对多语言系统的产品语种配置信息的读取，确认被测的多语言系统各控件、交互、图形需要展示的位置、图形、文字信息，将该些待测预设信息存入匹配数据库存放，步骤2、设置一测试执行模块，通过测试执行模块进行智能测试执行，所述智能测试执行包括：被测产品进行语种下的自动化翻译正确性检测、控件功能性检测、产品业务交互检测；步骤3、将测试结果与所述期望值做对比，输出实际值与期望值不同的差异化功能点，并形成差异的用例清单；步骤4、汇总测试结果并推送测试报告；本发明能进行自动化测试，减少人工投入成本。
Description
技术领域
本发明涉及多语言系统的测试技术领域，特别是一种基于深度学习的多语言系统的测试方法。
背景技术
随时社会的发展，现有很多公司在国外有较多海外产品，支持英语与阿拉伯语，但是两个语言：
(1)由于成本的关系，被测产品需要支持双语种的切换，而阿拉伯语种环境下，系统各处的表现与非阿语的环境下存在较多不同，如文字键入方向，控件位置显示位置等等，在日常测试和版本迭代后的测试需要投入较多的人工检查成本。
(2)阿拉伯语种的检查较英语存在一定的难度，对测试同学语言的熟悉度要求较高，在产品大量界面布局的情况下，需要对全站点进行阿拉伯语翻译准确性的检查，存在较大难度和风险。
(3)测试团队在考虑产品自动化方案的时候，对于不同特性截然不同的两个语种，如果引入UI自动化，可能存在较多维护的成本。
发明内容
为克服上述问题，本发明的目的是提供一种基于深度学习的多语言系统的测试方法，测试准确性高，成本低。
本发明采用以下方案实现：一种基于深度学习的多语言系统的测试方法，所述测试方法包括如下步骤：
步骤1、对多语言系统的产品语种配置信息的读取，确认被测的多语言系统各控件、交互、图形需要展示的位置、图形、文字信息，将该些待测预设信息存入匹配数据库存放，用以作为后续测试的期望值；
步骤2、设置一测试执行模块，通过测试执行模块进行智能测试执行，该测试执行模块基于AI深度学习进行智能控件获取和脚本触发，所述智能测试执行包括：被测产品进行语种下的自动化翻译正确性检测、控件功能性检测、产品业务交互检测；
步骤3、将测试结果与所述期望值做对比，输出实际值与期望值不同的差异化功能点，并形成差异的用例清单；
步骤4、汇总测试结果并推送测试报告。
进一步的，所述步骤1进一步具体包括：步骤1.1、获取被测多语言系统的待测预设信息时，判断被测系统是否已经设置语种，是，则获取设置语言，进入步骤1.2；否，获取客户端默认语言，进入步骤1.2；
步骤1.2、获取的语言是英语或者阿拉伯语，则根据语种和产品业务场景梳理待执行的测试用例；
步骤1.3、对多语言系统的产品语种配置信息的读取，确认被测的多语言系统各控件、交互、图形需要展示的位置、图形信息，将该些待测预设信息存入匹配数据库存放。
进一步的，所述被测多语言系统处在阿拉伯语种下，则各控件图形的预设值是：文本输入框展示，显示对应输入框或者复选框+表单字段名，且光标在文字左侧；且多语言系统各处图形内文字是阿拉伯语。
进一步的，所述测试执行模块能对控件读取和智能识别，能对被测系统各级功能菜单控件、图片、按钮语言信息进行智能识别和获取，依据预先训练好的AI深度学习库的匹配值，识别出被测系统界面出现的控件分别为哪些，再结合图像识别能力，将界面对应文字信息、控件的文本信息识别出来，并识别控件位置信息、控件形态为后续对应的控件触发做好准备。
进一步的，所述步骤2进一步具体包括：根据识别出的控件列表和文字信息，与所述待测预设信息做对比，可进行对应的测试比对，所述对应的测试比对为所述被测产品进行语种下的自动化翻译正确性检测、控件功能性检测、产品业务交互检测；所述自动化翻译正确性检测为：通过获取多语言系统此时所处的语种后，判断识别出的文字信息是否属于该语种能对被测产品进行语种下的自动化翻译正确性检查；所述控件功能性检测为：通过分析控件列表，可识别到当前处于被测产品的首页界面，且通过预设信息可知，首页需要展示登录按钮、轮播图、应用图标、搜索输入框、资源卡片、翻页控件的必备控件和菜单信息，从而完成控件功能完整度的检查；所述产品业务交互检测为：通过当前所在控件的分析，能得到当前处于被测产品首页界面，并自动针对产品业务场景，按照首页需要具备的业务场景交互式罗列待测试自动化用例，并根据自动化用例完成对应界面的各控件触发和场景业务流程的测试。
进一步的，所述步骤4进一步具体为：将测试结果进行汇总和分析，输出一份多维度的自动化产品测试报告，并将测试结果及测试轮数，以及产品测试预设值与实际值的对比表单推送给测试人员。
本发明的有益效果在于：本发明利用AI图形识别技术对被测产品多语种形态下各控件信息、图形资源等的智能识别，获取到被测产品在多语言环境下不同控件信息的获取，结合控件智能定位技术获取控件位置，通过信息分析和语种配置项读取，完成指定语种下被测产品全维度的自动化测试和比对。并通过自动化翻译技术比对，完成国际化语种准确性检查，大大减少人工投入成本，且减低国际化产品对测试人员能力要求的门槛。
附图说明
图1是本发明的方法流程示意图。
图2是本发明一实施例的方法流程图。
具体实施方式
下面结合附图对本发明做进一步说明。
请参阅图1所示，本发明的一种基于深度学习的多语言系统的测试方法，所述测试方法包括如下步骤：
步骤1、对多语言系统的产品语种配置信息的读取，确认被测的多语言系统各控件、交互、图形需要展示的位置、图形、文字信息，将该些待测预设信息存入匹配数据库存放，用以作为后续测试的期望值；所述步骤1进一步具体包括：步骤1.1、获取被测多语言系统的待测预设信息时，判断被测系统是否已经设置语种，是，则获取设置语言，进入步骤1.2；否，获取客户端默认语言，进入步骤1.2；
步骤1.2、获取的语言是英语或者阿拉伯语，则根据语种和产品业务场景梳理待执行的测试用例；
步骤1.3、对多语言系统的产品语种配置信息的读取，确认被测的多语言系统各控件、交互、图形需要展示的位置、图形信息，将该些待测预设信息存入匹配数据库存放。
步骤2、设置一测试执行模块，通过测试执行模块进行智能测试执行，该测试执行模块基于AI深度学习进行智能控件获取和脚本触发，所述智能测试执行包括：被测产品进行语种下的自动化翻译正确性检测、控件功能性检测、产品业务交互检测；
步骤3、将测试结果与所述期望值做对比，输出实际值与期望值不同的差异化功能点，并形成差异的用例清单；
步骤4、汇总测试结果并推送测试报告。
下面结合一具体实施例对本发明作进一步说明：
被测的多语言系统是一个支持双语种切换的WEB和Android双客户端产品。当被测产品配置有指向特定语种，如阿拉伯语，启动被测产品后，即使本地系统默认语言非阿拉伯语，产品内各处布局、文字、图案、交互也均展示阿拉伯语种信息。若当前产品配置未指向特定语种，则以当前系统默认语言展示产品内语言信息。阿拉伯语种环境下，控件、文字、图片与非阿拉伯语有较大区别，比如：
1.阿拉伯语环境下输入框文字均是由右向左键入，英语环境下，文字是由左到右展示；
2.阿拉伯语环境下的树形TAB栏，分栏是显示在右侧，而英语环境下，分栏展示在左侧；
3.阿拉伯语环境下，“>”按钮代表返回上一页，而英语环境下，此按钮代表进入下一页；
因此截然不同的交互和系统展示，给产品测试带来较多回归测试分支，因此本专利通过产品自动化配置读取，先将产品待测预设信息存入匹配数据库存放，用以作为后续测试的期望值，并根据后续自动化执行的实际结果做对比，来自动化完成产品的一系列测试。而测试执行模块主要基于AI深度学习进行智能控件获取和脚本触发，以便完成双语种系统的自动化测试。
请参阅图2所示，本发明的一种基于深度学习的多语言系统的测试方法，该测试方法为：测试预设配置读取操作和智能测试执行操作；
(1)测试前准备：
主要是在测试开始前，通过对产品语种配置信息的读取，确认被测系统各控件、交互、图形需要展示的位置、图形、文字等信息，用于后续测试执行做匹配参考。如被测系统处于在阿拉伯语种下，则各控件图形的预设值应该是：文本输入框展示，显示对应输入框或者复选框+表单字段名，且光标在文字左侧；且系统各处图形内文字是阿拉伯语，如轮播图、资源缩略图等。并根据当前配置信息，自动匹配输出待执行的测试用例和期望值。
(2)智能识别和测试执行模块：
获取产品预设信息后，测试系统就开始进行智能测试执行，其中包括控件读取和智能识别、匹配、分析，以及分析控件或图片资源信息后进行针对性的自动化用例执行测试：
①触发控件识别匹配：启动对被测系统各级功能菜单控件、图片、按钮语言信息进行智能识别和获取，依据预先训练好的AI深度学习库的匹配值，识别出被测系统界面出现的控件分别为哪些，再结合图像识别能力，将界面对应文字信息、控件的文本信息识别出来。然后，针对这些控件，自动化识别控件位置信息、控件形态为后续对应的控件触发做好准备。如识别出当前界面存在登录按钮、轮播图、应用图标、搜索输入框、资源卡片、翻页控件等。
根据被测产品当前语言情况和被测产品的层级关系，自动产出测试期望值清单，如图形和文字的位置，以及图标控件点击后会跳转到的下一个界面，如先出现首页，首页包括搜索输入框，输入关键字触发搜索会跳转至搜索列表界面等测试用例的期望值。
②测试执行和测试结果对比：根据识别出的控件列表和文字信息，与(1)步骤中的预设值做对比，可进行对应的测试比对，所述对应的测试比对为所述被测产品进行语种下的自动化翻译正确性检测、控件功能性检测、产品业务交互检测；所述自动化翻译正确性检测为：通过获取多语言系统此时所处的语种后，判断识别出的文字信息是否属于该语种能对被测产品进行语种下的自动化翻译正确性检查；所述控件功能性检测为：通过分析控件列表，可识别到当前处于被测产品的首页界面，且通过预设信息可知，首页需要展示登录按钮、轮播图、应用图标、搜索输入框、资源卡片、翻页控件的必备控件和菜单信息，从而完成控件功能完整度的检查；所述产品业务交互检测为：通过当前所在控件的分析，能得到当前处于被测产品首页界面，并自动针对产品业务场景，按照首页需要具备的业务场景交互式罗列待测试自动化用例，并根据自动化用例完成对应界面的各控件触发和场景业务流程的测试。并将具体测试结果与期望值做对比，输出实际值与期望值不同的差异化功能点，则说明这部分测试用例执行不通过。
其中，识别出的控件列表和文字信息，与预设值做对比：A：如果当前系统语言是英文，则控件的排列位置和文字方向将按从左到右的顺序排列。如果当前系统语言是阿拉伯语，则各系统控件、文字、交互将从右向左排列，从1步骤中的预设值，可以知道当前系统目前处于阿拉伯语语种下，那这个时候，产品中的图标就应该显示在文字的左侧，比如
如果当前系统语言是英语，则测试期望值，则是图标显示在文字左侧：
注销；除了界面位置的不同外，界面交互也不同，比如系统语言是英文的时候，向右图标点击后是前进或进入下一个环境→>前进，如果系统语言是阿拉伯语，则期望值则相反，这个时候向左代表返回：←<前进，通过预设值的读取，自动更新测试的期望值，并将读取到的实际值和页面交互的实际值与期望值对比，就可以完成这个流程正确性的验证。
③测试结果收集和推送：完成上述各维度模块的自动化测试后，会将测试结果进行汇总和分析，输出一份多维度的自动化产品测试报告。并将测试结果及测试轮数，以及产品测试预设值与实际值的对比表单推送给测试人员。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。
Claims (6)
1.一种基于深度学习的多语言系统的测试方法，其特征在于：所述测试方法包括如下步骤：
步骤1、对多语言系统的产品语种配置信息的读取，确认被测的多语言系统各控件、交互、图形需要展示的位置、图形、文字信息，将该些待测预设信息存入匹配数据库存放，用以作为后续测试的期望值；
步骤2、设置一测试执行模块，通过测试执行模块进行智能测试执行，该测试执行模块基于AI深度学习进行智能控件获取和脚本触发，所述智能测试执行包括：被测产品进行语种下的自动化翻译正确性检测、控件功能性检测、产品业务交互检测；
步骤3、将测试结果与所述期望值做对比，输出实际值与期望值不同的差异化功能点，并形成差异的用例清单；
步骤4、汇总测试结果并推送测试报告。
2.根据权利要求1所述的一种基于深度学习的多语言系统的测试方法，其特征在于：所述步骤1进一步具体包括：步骤1.1、获取被测多语言系统的待测预设信息时，判断被测系统是否已经设置语种，是，则获取设置语言，进入步骤1.2；否，获取客户端默认语言，进入步骤1.2；
步骤1.2、获取的语言是英语或者阿拉伯语，则根据语种和产品业务场景梳理待执行的测试用例；
步骤1.3、对多语言系统的产品语种配置信息的读取，确认被测的多语言系统各控件、交互、图形需要展示的位置、图形信息，将该些待测预设信息存入匹配数据库存放。
3.根据权利要求2所述的一种基于深度学习的多语言系统的测试方法，其特征在于：所述被测多语言系统处在阿拉伯语种下，则各控件图形的预设值是：文本输入框展示，显示对应输入框或者复选框+表单字段名，且光标在文字左侧；且多语言系统各处图形内文字是阿拉伯语。
4.根据权利要求1所述的一种基于深度学习的多语言系统的测试方法，其特征在于：所述测试执行模块能对控件读取和智能识别，能对被测系统各级功能菜单控件、图片、按钮语言信息进行智能识别和获取，依据预先训练好的AI深度学习库的匹配值，识别出被测系统界面出现的控件分别为哪些，再结合图像识别能力，将界面对应文字信息、控件的文本信息识别出来，并识别控件位置信息、控件形态为后续对应的控件触发做好准备。
5.根据权利要求4所述的一种基于深度学习的多语言系统的测试方法，其特征在于：所述步骤2进一步具体包括：根据识别出的控件列表和文字信息，与所述待测预设信息做对比，可进行对应的测试比对，所述对应的测试比对为所述被测产品进行语种下的自动化翻译正确性检测、控件功能性检测、产品业务交互检测；所述自动化翻译正确性检测为：通过获取多语言系统此时所处的语种后，判断识别出的文字信息是否属于该语种能对被测产品进行语种下的自动化翻译正确性检查；所述控件功能性检测为：通过分析控件列表，可识别到当前处于被测产品的首页界面，且通过预设信息可知，首页需要展示登录按钮、轮播图、应用图标、搜索输入框、资源卡片、翻页控件的必备控件和菜单信息，从而完成控件功能完整度的检查；所述产品业务交互检测为：通过当前所在控件的分析，能得到当前处于被测产品首页界面，并自动针对产品业务场景，按照首页需要具备的业务场景交互式罗列待测试自动化用例，并根据自动化用例完成对应界面的各控件触发和场景业务流程的测试。
6.根据权利要求1所述的一种基于深度学习的多语言系统的测试方法，其特征在于：所述步骤4进一步具体为：将测试结果进行汇总和分析，输出一份多维度的自动化产品测试报告，并将测试结果及测试轮数，以及产品测试预设值与实际值的对比表单推送给测试人员。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011217778.XA CN114443458A (zh) | 2020-11-04 | 2020-11-04 | 一种基于深度学习的多语言系统的测试方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011217778.XA CN114443458A (zh) | 2020-11-04 | 2020-11-04 | 一种基于深度学习的多语言系统的测试方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114443458A true CN114443458A (zh) | 2022-05-06 |
Family
ID=81361611
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011217778.XA Pending CN114443458A (zh) | 2020-11-04 | 2020-11-04 | 一种基于深度学习的多语言系统的测试方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114443458A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110283261A1 (en) * | 2010-05-12 | 2011-11-17 | Computer Associates Think, Inc. | Method of testing multiple language versions of a software system using one test script |
| CN107766228A (zh) * | 2016-08-19 | 2018-03-06 | 阿里巴巴集团控股有限公司 | 一种基于多语种的自动化测试方法和装置 |
| CN108763068A (zh) * | 2018-05-15 | 2018-11-06 | 福建天泉教育科技有限公司 | 一种基于机器学习的自动化测试方法及终端 |
| CN111061525A (zh) * | 2018-10-16 | 2020-04-24 | 福建天泉教育科技有限公司 | 国际化界面切换方法、存储介质 |
| CN111767228A (zh) * | 2020-06-30 | 2020-10-13 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的界面测试方法、装置、设备和介质 |
| US20220138088A1 (en) * | 2019-03-08 | 2022-05-05 | Micro Focus Llc | Internationalization of automated test scripts |
-
2020
- 2020-11-04 CN CN202011217778.XA patent/CN114443458A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110283261A1 (en) * | 2010-05-12 | 2011-11-17 | Computer Associates Think, Inc. | Method of testing multiple language versions of a software system using one test script |
| CN107766228A (zh) * | 2016-08-19 | 2018-03-06 | 阿里巴巴集团控股有限公司 | 一种基于多语种的自动化测试方法和装置 |
| CN108763068A (zh) * | 2018-05-15 | 2018-11-06 | 福建天泉教育科技有限公司 | 一种基于机器学习的自动化测试方法及终端 |
| CN111061525A (zh) * | 2018-10-16 | 2020-04-24 | 福建天泉教育科技有限公司 | 国际化界面切换方法、存储介质 |
| US20220138088A1 (en) * | 2019-03-08 | 2022-05-05 | Micro Focus Llc | Internationalization of automated test scripts |
| CN111767228A (zh) * | 2020-06-30 | 2020-10-13 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的界面测试方法、装置、设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110275834B (zh) | 用户界面自动化测试系统及方法 | |
| US9424167B2 (en) | Automated testing of an application system | |
| CN113391871B (zh) | 一种rpa元素智能融合拾取的方法与系统 | |
| US9703462B2 (en) | Display-independent recognition of graphical user interface control | |
| US9189377B1 (en) | Automation testing using descriptive maps | |
| US9098313B2 (en) | Recording display-independent computerized guidance | |
| CN109710508B (zh) | 测试方法、测试装置、测试设备及计算机可读存储介质 | |
| US9841826B2 (en) | Automatic test system and test method for computer, record medium, and program product | |
| KR20210100600A (ko) | 소프트웨어 테스팅 | |
| US9405558B2 (en) | Display-independent computerized guidance | |
| Villanes et al. | What are software engineers asking about android testing on stack overflow? | |
| EP1890235A1 (en) | Test case management | |
| CN110765015B (zh) | 一种对被测应用进行测试的方法和电子设备 | |
| CN111310693A (zh) | 图像中文本的智能标注方法、装置及存储介质 | |
| CN112597065B (zh) | 页面测试方法和装置 | |
| CN112506778A (zh) | Web用户界面自动化测试方法、装置、设备和存储介质 | |
| Yang et al. | UIS-hunter: Detecting UI design smells in Android apps | |
| CN108090355B (zh) | 一种apk自动触发工具 | |
| US20230153126A1 (en) | Screen recognition apparatus, screen recognition method and program thereof | |
| CN113032279A (zh) | 一种基于语义路径搜索的Web应用测试修复方法 | |
| CN110286882B (zh) | 一种基于模型检测的前台系统设计与验证方法 | |
| CN114443458A (zh) | 一种基于深度学习的多语言系统的测试方法 | |
| CN116136825B (zh) | 数据检测方法及系统 | |
| CN116594916B (zh) | 页面控件定位方法、装置及存储介质 | |
| CN112181809B (zh) | 一种基于多种定位方法的图形用户界面自动化测试方法 |
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 |