CN116450416A - 软件测试用例的冗余校验方法、装置、电子设备及介质 - Google Patents
软件测试用例的冗余校验方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN116450416A CN116450416A CN202310500802.8A CN202310500802A CN116450416A CN 116450416 A CN116450416 A CN 116450416A CN 202310500802 A CN202310500802 A CN 202310500802A CN 116450416 A CN116450416 A CN 116450416A
- Authority
- CN
- China
- Prior art keywords
- test case
- feature information
- characteristic information
- specific unit
- test
- 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
- 238000000034 method Methods 0.000 title claims abstract description 89
- 238000012360 testing method Methods 0.000 claims abstract description 365
- 238000012795 verification Methods 0.000 claims abstract description 69
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 24
- 238000010276 construction Methods 0.000 claims description 9
- 238000002360 preparation method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 239000011800 void material Substances 0.000 description 13
- 238000000605 extraction Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 230000015654 memory Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000013522 software testing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1415—Saving, restoring, recovering or retrying at system level
-
- 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
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Stored Programmes (AREA)
Abstract
本公开提供了一种软件测试用例的冗余校验方法、装置、电子设备及介质,可用于金融领域或其他领域。该方法包括:获取针对软件的同一目标类的测试用例集合,测试用例集合包括特定单元测试用例和多个待校验测试用例;根据目标类预设多个特征属性,基于词法分析来构建每个特征属性对应的特征抽取器;针对测试用例集合中的每个测试用例,使用多个特征抽取器来抽取该测试用例的多个特征信息;以特定单元测试用例的至少一个特征信息作为参考特征信息集,分别将每个待校验测试用例的至少一个特征信息与参考特征信息集进行匹配校验;根据匹配校验的结果,确定特定单元测试用例在多个待校验测试用例中的冗余状态。
Description
技术领域
本公开涉及软件测试技术领域,可用于金融领域或其他领域,更具体地涉及一种软件测试用例的冗余校验方法、装置、电子设备、存储介质和程序产品。
背景技术
单元测试(Unit Testing)是针对软件的某一模块的正确性进行检验,Junit TestCase通过代码确保实现类中的方法按预期工作。例如,在Java程序中通常编写对应的测试类,测试类通常包含多个测试用例,可以通过JUnit测试用例来测试Java实现类是否符合预期。
单元测试是已知方法的输入和预期输出,而在编写测试用例的过程中,可能会将同一个方法的正案例或者反案例重复测试,存在冗余的测试类,影响到测试效率。通过对重复测试用例进行校验,来保证代码的简洁。如果不够完整,可以通过覆盖率进行调整优化,而如果存在重复,则很难觉察。
发明内容
鉴于上述问题,本公开提供了一种可提高测试效率的软件测试用例的冗余校验方法、装置、电子设备、存储介质和程序产品。
根据本公开的第一个方面,提供了一种软件测试用例的冗余校验方法,包括:获取针对软件的同一目标类的测试用例集合,测试用例集合包括特定单元测试用例和多个待校验测试用例;根据目标类预设多个特征属性,基于词法分析来构建每个特征属性对应的特征抽取器;针对测试用例集合中的每个测试用例,使用多个特征抽取器来抽取该测试用例的多个特征信息;以特定单元测试用例的至少一个特征信息作为参考特征信息集,分别将每个待校验测试用例的至少一个特征信息与参考特征信息集进行匹配校验;根据匹配校验的结果,确定特定单元测试用例在多个待校验测试用例中的冗余状态。
根据本公开的实施例,目标类包括Java实现类,多个特征属性包括数据准备、断言执行、Mock结果和测试场景。
根据本公开的实施例,参考特征信息集包括第一参考特征信息;以特定单元测试用例的至少一个特征信息作为参考特征信息集,分别将每个待校验测试用例的至少一个特征信息与参考特征信息集进行匹配校验,包括:从特定单元测试用例的多个特征信息中任意选取一个特征信息,作为第一参考特征信息;针对多个待校验测试用例中的每个待校验测试用例,将该待校验测试用例中与第一参考特征信息的特征属性相对应的特征信息,作为第一目标特征信息;计算第一目标特征信息与第一参考特征信息的第一文本相似度;在确定第一文本相似度高于相似度阈值的情况下,确定第一目标特征信息与第一参考特征信息相似。
根据本公开的实施例,多个特征信息均为字符串形式,第一文本相似度包括莱文斯坦比;计算第一目标特征信息与第一参考特征信息的第一文本相似度包括:根据第一目标特征信息的字符串长度和第一参考特征信息的字符串长度,计算第一目标特征信息与第一参考特征信息的莱文斯坦距离;根据莱文斯坦距离,确定第一目标特征信息与第一参考特征信息的莱文斯坦比。
根据本公开的实施例,该方法还包括:判断第一参考特征信息在多个待校验测试用例中是否存在相似的特征信息,如果是,则针对特定单元测试用例的另一个特征信息返回从特定单元测试用例的多个特征信息中任意选取一个特征信息的操作;否则,确定第一参考特征信息具有唯一属性。
根据本公开的实施例,特征信息为T个,T≥3且为整数;参考特征信息集还包括第二参考特征信息;以特定单元测试用例的至少一个特征信息作为参考特征信息集,分别将每个待校验测试用例的至少一个特征信息与参考特征信息集进行匹配校验,还包括:在确定特定单元测试用例的T个特征信息中均不存在具有唯一属性的特征信息的情况下,从特定单元测试用例的T个特征信息中任意选取t个特征信息并按照预定顺序进行组合,得到第二参考特征信息,1<t≤T且t为整数;针对多个待校验测试用例中的每个待校验测试用例,将该待校验测试用例中与第二参考特征信息的特征属性相对应的t个特征信息按照预定顺序进行组合,得到第二目标特征信息;计算第二目标特征信息与第二参考特征信息的第二文本相似度;在确定第二文本相似度高于相似度阈值的情况下,确定第二目标特征信息与第二参考特征信息相似。
根据本公开的实施例,该方法还包括:判断第二参考特征信息在多个待校验测试用例中是否存在相似的组合特征信息,如果是,则针对特定单元测试用例的另外t个特征信息返回从特定单元测试用例的T个特征信息中任意选取t个特征信息并按照预定顺序进行组合的操作;否则,确定第二参考特征信息具有唯一属性。
根据本公开的实施例,根据匹配校验的结果,确定特定单元测试用例在多个待校验测试用例中的冗余状态,包括:在匹配校验的结果为第一校验结果的情况下,确定多个待校验测试用例中不存在与特定单元测试用例冗余的测试用例,其中,第一校验结果表征了特定单元测试用例中存在至少一个具有唯一属性的特征信息。
根据本公开的实施例,根据匹配校验的结果,确定特定单元测试用例在多个待校验测试用例中的冗余状态,还包括:在匹配校验的结果为第二校验结果的情况下,确定多个待校验测试用例中存在至少一个与特定单元测试用例冗余的测试用例,其中,第二校验结果表征了特定单元测试用例中均不存在具有唯一属性的特征信息。
根据本公开的实施例,确定多个待校验测试用例中存在至少一个与特定单元测试用例冗余的测试用例之后,还包括:在多个待校验测试用例中,删除至少一个与特定单元测试用例冗余的测试用例。
本公开的第二方面提供了一种软件测试用例的冗余校验装置,包括:测试用例获取模块,用于获取针对软件的同一目标类的测试用例集合,测试用例集合包括特定单元测试用例和多个待校验测试用例;特征抽取器构建模块,用于根据目标类预设多个特征属性,基于词法分析来构建每个特征属性对应的特征抽取器;特征信息抽取模块,用于针对测试用例集合中的每个测试用例,使用多个特征抽取器来抽取该测试用例的多个特征信息;匹配校验模块,用于以特定单元测试用例的至少一个特征信息作为参考特征信息集,分别将每个待校验测试用例的至少一个特征信息与参考特征信息集进行匹配校验;冗余状态确定模块,用于根据匹配校验的结果,确定特定单元测试用例在多个待校验测试用例中的冗余状态。
本公开的第三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程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述软件测试用例的冗余校验方法。
本公开的第四方面还提供了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执行上述软件测试用例的冗余校验方法。
本公开的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述软件测试用例的冗余校验方法。
根据本公开提供的冗余校验方法、装置、电子设备、存储介质和程序产品,基于词法分析,针对Java开发项目中的特定单元测试用例,分析同一目标类下的测试用例集合(也即测试类)中测试用例的构成特性,将每个测试用例抽取到细粒度的多个特征信息,对特定单元测试用例中的至少一个特征信息进行匹配校验,来检测特定单元测试用例是否存在与其作用相同(重复)的测试用例,对特定单元测试用例进行唯一性校验,或者冗余校验。通过对特定单元测试用例进行唯一性校验,来检查是否存在冗余的测试用例,保证测试用例的唯一性,从而在测试用例作用效果最大化的同时,精简测试用例的代码,提高测试效率。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、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软件测试用例的冗余校验方法及装置的系统架构。
图2示意性示出了根据本公开实施例的软件测试用例的冗余校验方法的流程图。
图3示意性示出了根据本公开实施例的构建特征抽取器的原理图。
图4示意性示出了根据本公开实施例的单一特征信息的匹配校验过程的流程图。
图5示意性示出了根据本公开实施例的文本相似度计算过程的流程图。
图6示意性示出了根据本公开实施例的第一参考特征信息的唯一属性判断的流程图。
图7示意性示出了根据本公开实施例的组合特征信息的匹配校验过程的流程图。
图8示意性示出了根据本公开实施例的第二参考特征信息的唯一属性判断的流程图。
图9示意性示出了根据本公开实施例的测试用例冗余状态确定过程的流程图。
图10示意性示出了根据本公开实施例的软件测试用例的冗余校验装置的框图。
图11示意性示出了根据本公开实施例的适于实现软件测试用例的冗余校验方法的电子设备的方框图。
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)。
附图中示出了一些方框图和/或流程图。应理解,方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外,本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式,该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。
在本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
在本公开的技术方案中,在获取或采集用户个人信息之前,均获取了用户的授权或同意。
本公开的实施例提供一种软件测试用例的冗余校验方法、装置、电子设备、存储介质和程序产品,涉及软件测试技术领域,可用于金融领域或其他领域。该方法包括:获取针对软件的同一目标类的测试用例集合,测试用例集合包括特定单元测试用例和多个待校验测试用例;根据目标类预设多个特征属性,基于词法分析来构建每个特征属性对应的特征抽取器;针对测试用例集合中的每个测试用例,使用多个特征抽取器来抽取该测试用例的多个特征信息;以特定单元测试用例的至少一个特征信息作为参考特征信息集,分别将每个待校验测试用例的至少一个特征信息与参考特征信息集进行匹配校验;根据匹配校验的结果,确定特定单元测试用例在多个待校验测试用例中的冗余状态。
图1示意性示出了根据本公开实施例的适于软件测试用例的冗余校验方法及装置的系统架构。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,根据该实施例的适于软件测试用例的冗余校验方法及装置的系统架构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、无线通信链路或者光纤电缆等等。
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、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,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所浏览的网站提供支持的后台管理服务器(仅为示例)。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网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的软件测试用例的冗余校验方法一般可以由服务器105执行。相应地,本公开实施例所提供的软件测试用例的冗余校验装置一般可以设置于服务器105中。本公开实施例所提供的软件测试用例的冗余校验方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的软件测试用例的冗余校验装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
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。
以下将基于图1描述的系统架构,通过图2~图9对本公开实施例的软件测试用例的冗余校验方法进行详细描述。
图2示意性示出了根据本公开实施例的软件测试用例的冗余校验方法的流程图。
如图2所示,该实施例的软件测试用例的冗余校验方法可以包括操作S210~操作S250,该软件测试用例的冗余校验方法可以由上述服务器105执行。
在操作S210,获取针对软件的同一目标类的测试用例集合,测试用例集合包括特定单元测试用例和多个待校验测试用例。
例如,目标类包括Java实现类,使用同一个Java实现类的所有测试用例作为数据源。例如,某一Java实现类manageEndExceptionDataImpl共有getingManageSeatersExceptionByConditions、updateSign、delRecord、mngSeaters 4种方法,则在测试用例的特征抽取时,可以将该Java实现类中的所有测试用例均作为抽取对象。
为了对特定单元测试用例(Junit Test Case)进行唯一性校验,本操作将特定单元测试用例(Junit Test Case)和测试同方法的多个待校验测试用例相互区分,共同作为数据源。
在操作S220,根据目标类预设多个特征属性,基于词法分析来构建每个特征属性对应的特征抽取器。
在操作S230,针对测试用例集合中的每个测试用例,使用多个特征抽取器来抽取该测试用例的多个特征信息。
在操作S240,以特定单元测试用例的至少一个特征信息作为参考特征信息集,分别将每个待校验测试用例的至少一个特征信息与参考特征信息集进行匹配校验。
在操作S250,根据匹配校验的结果,确定特定单元测试用例在多个待校验测试用例中的冗余状态。
通过本公开的实施例,基于词法分析,针对Java开发项目中的特定单元测试用例,分析同一目标类下的测试用例集合(也即测试类)中测试用例的构成特性,将每个测试用例抽取到细粒度的多个特征信息,对特定单元测试用例中的至少一个特征信息进行匹配校验,来检测特定单元测试用例是否存在与其作用相同(重复)的测试用例,对特定单元测试用例进行唯一性校验,或者冗余校验。通过对特定单元测试用例进行唯一性校验,来检查是否存在冗余的测试用例,保证测试用例的唯一性,从而在测试用例作用效果最大化的同时,精简测试用例的代码,提高测试效率。
图3示意性示出了根据本公开实施例的构建特征抽取器的原理图。
如图3所示,在本公开实施例中,上述操作S220中的多个特征属性包括数据准备(特征属性1)、断言执行(特征属性2)、Mock结果(特征属性3)和测试场景(特征属性4)。
例如,在某Java开发项目中,某一测试用例的数据准备为queryMap的构造过程;测试场景为resMap获取{包括manageEndExceptionDataImpl.getingManageSeatersExceptionByConditions(queryMap);};断言执行为retCode和retMsg的Assert.assertEquals语句。
接着,根据预设的这些特征属性,基于词法分析来构建每个特征属性对应的特征抽取器。使用多个特征抽取器可以将一个测试用例抽取到具有这些特征属性的特征信息(或者特征语句)。
词法分析是将构成句子的字符序列转换为词的序列,并对每个词加上语法或语义标记,包括以下三种核心技术:分词、词性标注、命名实体识别等。传统的此法分析基于词典和规则,常见于编译过程,智能化的词法分析结合机器学习、深度学习等方式,使得此法分析更加准确。
具体而言,针对特征属性之数据准备、断言执行、Mock结果和测试场景,鉴于测试用例的形式和构成特征,分别基于词法分析来构建4种特征抽取器。例如,针对“数据准备”对应的特征抽取器(特征抽取器1),该特征抽取器主要用于抽取测试用例中执行的方法的入参等组合信息。例如,对Junit中测试数据组装“过程”准备,比如queryMap构建时,共执行queryMap.put()方法n次,将queryMap作为数据准备特征之一,以及Java基本类型如String等在初始化时的语句,也作为特征之一。针对“断言执行”对应的特征抽取器(特征抽取器2),该特征抽取器主要用于对Junit测试用例中断言的期望和实际的属性进行抽取。针对“Mock结果”对应的特征抽取器(特征抽取器3),由于Junit的Mock方法一般均具有特定的语法,该特征抽取器主要用于可以模拟所测试方法中依赖的调用方法的结果。例如,该特征抽取器对Mockito、@Mock或new Expectations()中result等Mock信息进行组装作为Mock特征。针对“测试场景”对应的特征抽取器(特征抽取器2),该特征抽取器主要用于对Junit测试用例中具体调用的方法进行抽取。
通过本公开的实施例,将每个测试用例抽取到4个细粒度的特征信息,通过细粒度特征信息的比对和整合,保证了特征抽取的准确度。并且,基于词法分析的特征抽取可以利用编译过程中的词法信息,也避免了基于机器学习等智能方式带来的较高复杂度的耗时较长的问题。
接着,基于已构建的多个特征抽取器,分别对测试用例集合中的每个测试用例进行特征抽取,抽取到每个测试用例的多个特征信息。该特征信息的数目根据预设的特征属性的数目来确定,例如,特征属性为3个,则抽取到的每个测试用例的特征信息均为3个。
然后,在抽取到每个测试用例的多个特征信息后,分别对特定单元测试用例与每个待校验测试用例中的特征信息进行匹配校验。该匹配校验过程可以分为两个阶段,第一阶段为单一特征信息的匹配校验,第二阶段为组合特征信息的匹配校验。
图4示意性示出了根据本公开实施例的单一特征信息的匹配校验过程的流程图。
如图4所示,在本公开实施例中,参考特征信息集包括第一参考特征信息;上述操作S240以特定单元测试用例的至少一个特征信息作为参考特征信息集,分别将每个待校验测试用例的至少一个特征信息与参考特征信息集进行匹配校验,可以进一步包括操作S441~操作S444。
在操作S441,从特定单元测试用例的多个特征信息中任意选取一个特征信息,作为第一参考特征信息。
在操作S442,针对多个待校验测试用例中的每个待校验测试用例,将该待校验测试用例中与第一参考特征信息的特征属性相对应的特征信息,作为第一目标特征信息。
在操作S443,计算第一目标特征信息与第一参考特征信息的第一文本相似度。
在操作S444,在确定第一文本相似度高于相似度阈值的情况下,确定第一目标特征信息与第一参考特征信息相似。
该相似度阈值可以根据经验值进行设定,例如设定为0.75,则在第一文本相似度高于0.75时,确定第一目标特征信息与第一参考特征信息相似;否则,在第一文本相似度小于或等于0.75时,第一目标特征信息与第一参考特征信息不相似。
例如,在特征信息的数目为4个时,多个特征信息可以分别表示为A、B、C、D这4个特征信息。首先,从特定单元测试用例的这4个特征信息中任选特征信息A,对其进行匹配校验。该特征信息A为任选,或者可以选择特征信息B,为了简明在此不再赘述。接着,分别确定多个待校验测试用例中的每个待校验测试用例中的特征信息A。然后,计算特定单元测试用例的特征信息A与某一待校验测试用例中的特征信息A的文本相似度,文本相似度的计算方式在后续进行详细说明,在此不再赘述。最终,确定这两个不同测试用例的特征信息A是否相似,相似也即两者作用相同。
通过本公开的实施例,先进行单一特征信息的匹配校验,对不同测试用例的同一特征属性下的特征信息进行文本相似度计算,确定这两个不同测试用例的特征信息是否相似,可以降低匹配校验的难度。
图5示意性示出了根据本公开实施例的文本相似度计算过程的流程图。
如图5所示,在本公开实施例中,多个特征信息均为字符串形式,第一文本相似度包括莱文斯坦比;上述操作S443计算第一目标特征信息与第一参考特征信息的第一文本相似度,可以进一步包括操作S531~操作S532。
在操作S531,根据第一目标特征信息的字符串长度和第一参考特征信息的字符串长度,计算第一目标特征信息与第一参考特征信息的莱文斯坦距离。
莱文斯坦距离(Levenshtein Distance)是描述一个字符串X转化成另一个字符串Y所需最少的操作次数,其中允许的操作包括插入、删除、替换。例如,对于长度为M的字符串X和长度为N的字符串Y,假设M和N分别表示字符串X和字符串Y的长度,X(i)和Y(j)分别表示字符串X的第i个字符、字符串Y的第j个字符,i=1,2,…,M,j=1,2,…,N,字符串X与字符串Y中的任意长度的字符串的莱文斯坦距离可以表示为D(i,j)。则该莱文斯坦距离D(i,j)的递归计算方式如下:
初始化:
递归关系的伪代码:
For each i=1,2,...,M
For each j=1,2,...,N
基于上述莱文斯坦距离D(i,j)的递归计算方式,可以计算出字符串X与字符串Y的莱文斯坦距离D(M,N)。
操作S532,根据莱文斯坦距离,确定第一目标特征信息与第一参考特征信息的莱文斯坦比。
莱文斯坦比的计算方式如下:
式中,Sim为莱文斯坦比。
通过本公开的实施例,莱文斯坦比是基于莱文斯坦距离来衡量字符串相似度的指标,通过莱文斯坦比计算不同测试用例的同一特征信息的文本相似度,进而达到匹配特征的目的。
图6示意性示出了根据本公开实施例的第一参考特征信息的唯一属性判断的流程图。
如图6所示,在本公开实施例中,在上述操作S444之后,还可以包括操作S641。
在操作S641,判断第一参考特征信息在多个待校验测试用例中是否存在相似的特征信息,如果是,则针对特定单元测试用例的另一个特征信息返回从特定单元测试用例的多个特征信息中任意选取一个特征信息的操作;否则,确定第一参考特征信息具有唯一属性。
具体而言,在特定单元测试用例的任一特征信息(也即第一参考特征信息)在多个待校验测试用例中不存在相似的特征信息的情况下,可以确定该第一参考特征信息具有唯一属性,也即认为特定单元测试用例与其它测试用例有所不同,能够保证该特定单元测试用例的存在是独一无二的(不存在与之重复的测试用例)。此时,该第一参考特征信息作为当前正在匹配校验的具有唯一属性的测试用例。否则,在第一参考特征信息在多个待校验测试用例中存在相似的特征信息的情况下,则该第一参考特征信息不具有唯一属性。然后针对特定单元测试用例的另一特征信息返回上述操作S441,以该另一特征信息作为第一参考特征信息,继续判断该另一特征信息在多个待校验测试用例中是否存在相似的特征信息。
以此类推,重复执行上述操作S441~操作S444和操作S641,直至特定单元测试用例的多个特征信息均完成第一阶段的匹配校验,校验结果可以是特定单元测试用例中存在至少一个具有唯一属性的特征信息,或者特定单元测试用例中均不存在具有唯一属性的特征信息。
通过本公开的实施例,基于相似特征信息的判断,可以确定出特定单元测试用例的任一特征信息是否具有唯一属性。
接着,在确定特定单元测试用例的多个特征信息均不具有唯一属性的情况下,则进入第二阶段,也即组合特征信息的匹配校验。
图7示意性示出了根据本公开实施例的组合特征信息的匹配校验过程的流程图。
如图7所示,在本公开实施例中,特征信息为T个,T≥3且为整数;参考特征信息集还包括第二参考特征信息;上述操作S240以特定单元测试用例的至少一个特征信息作为参考特征信息集,分别将每个待校验测试用例的至少一个特征信息与参考特征信息集进行匹配校验,还可以进一步包括操作S741~操作S744。
在操作S741,在确定特定单元测试用例的T个特征信息中均不存在具有唯一属性的特征信息的情况下,从特定单元测试用例的T个特征信息中任意选取t个特征信息并按照预定顺序进行组合,得到第二参考特征信息,1<t≤T且t为整数。
在操作S742,针对多个待校验测试用例中的每个待校验测试用例,将该待校验测试用例中与第二参考特征信息的特征属性相对应的t个特征信息并按照预定顺序进行组合,得到第二目标特征信息。
在操作S743,计算第二目标特征信息与第二参考特征信息的第二文本相似度。
在操作S744,在确定第二文本相似度高于相似度阈值的情况下,确定第二目标特征信息与第二参考特征信息相似。
例如,在T=4,特定单元测试用例的A、B、C、D这4个特征信息中均不存在具有唯一属性的特征信息时,对A、B、C、D这4个特征信息进行四选二、四选三、甚至是全选的组合。四选二的组合也即从A、B、C、D中选两个,比如AB、BC等。同理,四选三的组合也即从A、B、C、D中选三个,比如ABC、ACD等。该组合的顺序可以为预定顺序。在确定特定单元测试用例的T个特征信息中选取的t个特征信息以及预定顺序后,基于预定顺序对该t个特征信息进行组合,得到第二参考特征信息。可见,该第二参考特征信息为组合特征信息。
例如,针对四选二的组合,首先,从特定单元测试用例的A、B、C、D中选取AB这一组合特征信息,对其进行匹配校验。接着,分别确定多个待校验测试用例中的每个待校验测试用例中的AB这一组合特征信息。然后,计算特定单元测试用例的特征信息AB与某一待校验测试用例中的特征信息AB的文本相似度。最终,确定这两个不同测试用例的特征信息AB是否相似,相似也即两者作用相同。
通过本公开的实施例,在确定特定单元测试用例的多个特征信息均不具有唯一属性的前提下,则进入第二阶段,也即组合特征信息的匹配校验。基于相似特征信息的判断,在第二阶段可以确定出特定单元测试用例的任一组合特征信息是否具有唯一属性。
图8示意性示出了根据本公开实施例的第二参考特征信息的唯一属性判断的流程图。
如图8所示,在本公开实施例中,在上述操作S744之后,还可以包括操作S841。
在操作S841,判断第二参考特征信息在多个待校验测试用例中是否存在相似的组合特征信息,如果是,则针对特定单元测试用例的另外t个特征信息返回从特定单元测试用例的T个特征信息中任意选取t个特征信息并按照预定顺序进行组合的操作;否则,确定第二参考特征信息具有唯一属性。
具体而言,在特定单元测试用例的任一组合特征信息(也即第二参考特征信息)在多个待校验测试用例中不存在相似的组合特征信息的情况下,可以确定该第二参考特征信息具有唯一属性。否则,在第二参考特征信息在多个待校验测试用例中存在相似的组合特征信息的情况下,则该第二参考特征信息不具有唯一属性。然后针对特定单元测试用例的另一组合特征信息返回上述操作S741,也即重新组合特征信息,以该另一组合特征信息作为第二参考特征信息,继续判断该另一组合特征信息在多个待校验测试用例中是否存在相似的组合特征信息。
以此类推,重复执行上述操作S741~操作S744和操作S841,直至特定单元测试用例的多个组合特征信息均完成第二阶段的匹配校验,校验结果可以是特定单元测试用例中存在至少一个具有唯一属性的组合特征信息,或者特定单元测试用例中均不存在具有唯一属性的组合特征信息。
通过本公开的实施例,基于相似特征信息的判断,可以确定出特定单元测试用例的任一组合特征信息是否具有唯一属性。通过特征信息的组合和匹配校验过程,既能保证唯一性校验效率,又能保证唯一性校验的准确度。
图9示意性示出了根据本公开实施例的测试用例冗余状态确定过程的流程图。
如图9所示,在本公开实施例中,上述操作S250根据匹配校验的结果,确定特定单元测试用例在多个待校验测试用例中的冗余状态,可以包括操作S951。
在操作S951,在匹配校验的结果为第一校验结果的情况下,确定多个待校验测试用例中不存在与特定单元测试用例冗余的测试用例,其中,第一校验结果表征了特定单元测试用例中存在至少一个具有唯一属性的特征信息。
通过本公开的实施例,可以确定多个待校验测试用例中不存在与特定单元测试用例冗余的测试用例,冗余校验结果有利于软件工程师对测试用例进行复核(review)。
请继续参阅图9,在本公开实施例中,上述操作S250根据匹配校验的结果,确定特定单元测试用例在多个待校验测试用例中的冗余状态,还可以包括操作S952。
在操作S952,在匹配校验的结果为第二校验结果的情况下,确定多个待校验测试用例中存在至少一个与特定单元测试用例冗余的测试用例,其中,第二校验结果表征了特定单元测试用例中均不存在具有唯一属性的特征信息。
通过本公开的实施例,可以确定多个待校验测试用例中存在至少一个与特定单元测试用例冗余的测试用例,此时可以输出该特定单元测试用例和至少一个与该特定单元测试用例冗余的测试用例的名称,作为特定单元测试用例的冗余校验的参考结果。冗余校验结果有利于软件工程师对测试用例进行复核。
例如,输入public void testUpdateSign0()、public void testUpdateSign1()、public void testUpdateSign2()、public void testUpdateSign3()、public voidtestUpdateSign4()、public void testUpdateSign5()这6个测试用例组成测试用例集合。其中,以public void testUpdateSign4()作为特定单元测试用例,其他5个作为待校验测试用例。经过上述冗余状态确定过程后,如果public void testUpdateSign4()与public void testUpdateSign5()抽取到的特征信息是相似的,也即在测试用例publicvoid testUpdateSign4()的特征信息抽取中,没有抽取到使public voidtestUpdateSign4()唯一的属性。则输出public void testUpdateSign4()、public voidtestUpdateSign5()作为冗余校验的参考结果,两者未通过冗余校验。又例如,在这6个测试用例中,经过上述冗余状态确定过程后,抽取的特征信息不存在任何相同的特征信息,则认为不存在冗余的测试用例,则通过冗余校验。
需要说明的是,上述操作S951与操作S952属于相互并列的操作,根据匹配校验的结果,可以确定两者中的任一操作,从而确定特定单元测试用例的冗余状态。
请继续参阅图9,在本公开实施例中,上述操作S952确定多个待校验测试用例中存在至少一个与特定单元测试用例冗余的测试用例之后,还可以包括操作S953。
在操作S953,在多个待校验测试用例中,删除至少一个与特定单元测试用例冗余的测试用例。
通过本公开的实施例,通过对特定单元测试用例进行唯一性校验,来检查是否存在冗余的测试用例,根据冗余状态结果,软件开发者可以删减作用相同的测试用例,精简测试用例的代码,确保当前测试用例集合中的所有测试用例都起着独一无二的作用,保证测试用例集合代码的简洁。
基于上述公开的内容,本方法还可以扩展到对测试用例集合中的任一测试用例进行冗余校验,也即,将测试用例集合中的任一测试用例作为特定单元测试用例,其他测试用例都作为待校验测试用例,从而对该特定单元测试用例进行冗余校验。以此类推,确定确认测试用例集合中所有测试案例的冗余状态。由此,本方法保证测试用例集合中的各个测试用例都执行着独一无二的作用,进而为保证代码简洁性提供参考。
基于上述软件测试用例的冗余校验方法,本公开还提供了一种软件测试用例的冗余校验装置。以下将结合图10对该装置进行详细描述。
图10示意性示出了根据本公开实施例的软件测试用例的冗余校验装置的框图。
如图10所示,该实施例的软件测试用例的冗余校验装置1000包括测试用例获取模块1010、特征抽取器构建模块1020、特征信息抽取模块1030、匹配校验模块1040和冗余状态确定模块1050。
测试用例获取模块1010,用于获取针对软件的同一目标类的测试用例集合,测试用例集合包括特定单元测试用例和多个待校验测试用例。在一实施例中,测试用例获取模块1010可以用于执行前文描述的操作S210,在此不再赘述。
特征抽取器构建模块1020,用于根据目标类预设多个特征属性,基于词法分析来构建每个特征属性对应的特征抽取器。在一实施例中,特征抽取器构建模块1020可以用于执行前文描述的操作S220,在此不再赘述。
特征信息抽取模块1030,用于针对测试用例集合中的每个测试用例,使用多个特征抽取器来抽取该测试用例的多个特征信息。在一实施例中,特征信息抽取模块1030可以用于执行前文描述的操作S230,在此不再赘述。
匹配校验模块1040,用于以特定单元测试用例的至少一个特征信息作为参考特征信息集,分别将每个待校验测试用例的至少一个特征信息与参考特征信息集进行匹配校验。在一实施例中,匹配校验模块1040可以用于执行前文描述的操作S240,在此不再赘述。
冗余状态确定模块1050,用于根据匹配校验的结果,确定特定单元测试用例在多个待校验测试用例中的冗余状态。在一实施例中,冗余状态确定模块1050可以用于执行前文描述的操作S250,在此不再赘述。
根据本公开的实施例,测试用例获取模块1010、特征抽取器构建模块1020、特征信息抽取模块1030、匹配校验模块1040和冗余状态确定模块1050中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,测试用例获取模块1010、特征抽取器构建模块1020、特征信息抽取模块1030、匹配校验模块1040和冗余状态确定模块1050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,测试用例获取模块1010、特征抽取器构建模块1020、特征信息抽取模块1030、匹配校验模块1040和冗余状态确定模块1050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。
图11示意性示出了根据本公开实施例的适于实现软件测试用例的冗余校验方法的电子设备的方框图。
如图11所示,根据本公开实施例的电子设备1100包括处理器1101,其可以根据存储在只读存储器(ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。处理器1101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1101还可以包括用于缓存用途的板载存储器。处理器1101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 1103中,存储有电子设备1100操作所需的各种程序和数据。处理器1101、ROM 1102以及RAM 1103通过总线1104彼此相连。处理器1101通过执行ROM 1102和/或RAM1103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 1102和RAM 1103以外的一个或多个存储器中。处理器1101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1100还可以包括输入/输出(I/O)接口1105,输入/输出(I/O)接口1105也连接至总线1104。电子设备1100还可以包括连接至I/O接口1105的以下部件中的一项或多项:包括键盘、鼠标等的输入部分1106;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1107;包括硬盘等的存储部分1108;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1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111,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1110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1108。
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/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。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软件测试用例的冗余校验方法。
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系统、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 1102和/或RAM 1103和/或ROM 1102和RAM 1103以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,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。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的软件测试用例的冗余校验方法。
在该计算机程序被处理器1101执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分1109被下载和安装,和/或从可拆卸介质1111被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分1109从网络上被下载和安装,和/或从可拆卸介质1111被安装。在该计算机程序被处理器1101执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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系统来实现,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或/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 (14)
1.一种软件测试用例的冗余校验方法,包括:
获取针对所述软件的同一目标类的测试用例集合,所述测试用例集合包括特定单元测试用例和多个待校验测试用例;
根据所述目标类预设多个特征属性,基于词法分析来构建每个所述特征属性对应的特征抽取器;
针对所述测试用例集合中的每个测试用例,使用多个所述特征抽取器来抽取该测试用例的多个特征信息;
以所述特定单元测试用例的至少一个特征信息作为参考特征信息集,分别将每个所述待校验测试用例的至少一个特征信息与所述参考特征信息集进行匹配校验;
根据所述匹配校验的结果,确定所述特定单元测试用例在所述多个待校验测试用例中的冗余状态。
2.根据权利要求1所述的方法,其中,所述目标类包括Java实现类,所述多个特征属性包括数据准备、断言执行、Mock结果和测试场景。
3.根据权利要求1所述的方法,其中,所述参考特征信息集包括第一参考特征信息;
所述以所述特定单元测试用例的至少一个特征信息作为参考特征信息集,分别将每个所述待校验测试用例的至少一个特征信息与所述参考特征信息集进行匹配校验,包括:
从所述特定单元测试用例的多个特征信息中任意选取一个特征信息,作为所述第一参考特征信息;
针对所述多个待校验测试用例中的每个待校验测试用例,将该待校验测试用例中与所述第一参考特征信息的特征属性相对应的特征信息,作为第一目标特征信息;
计算所述第一目标特征信息与所述第一参考特征信息的第一文本相似度;
在确定所述第一文本相似度高于相似度阈值的情况下,确定所述第一目标特征信息与所述第一参考特征信息相似。
4.根据权利要求3所述的方法,其中,所述多个特征信息均为字符串形式,所述第一文本相似度包括莱文斯坦比;
所述计算所述第一目标特征信息与所述第一参考特征信息的第一文本相似度包括:
根据所述第一目标特征信息的字符串长度和所述第一参考特征信息的字符串长度,计算所述第一目标特征信息与所述第一参考特征信息的莱文斯坦距离;
根据所述莱文斯坦距离,确定所述第一目标特征信息与所述第一参考特征信息的所述莱文斯坦比。
5.根据权利要求3所述的方法,还包括:
判断所述第一参考特征信息在所述多个待校验测试用例中是否存在相似的特征信息,如果是,则针对所述特定单元测试用例的另一个特征信息返回所述从所述特定单元测试用例的多个特征信息中任意选取一个特征信息的操作;否则,确定所述第一参考特征信息具有唯一属性。
6.根据权利要求5所述的方法,其中,所述特征信息为T个,T≥3且为整数;所述参考特征信息集还包括第二参考特征信息;
所述以所述特定单元测试用例的至少一个特征信息作为参考特征信息集,分别将每个所述待校验测试用例的至少一个特征信息与所述参考特征信息集进行匹配校验,还包括:
在确定所述特定单元测试用例的T个特征信息中均不存在所述具有唯一属性的特征信息的情况下,从所述特定单元测试用例的T个特征信息中任意选取t个特征信息并按照预定顺序进行组合,得到所述第二参考特征信息,1<t≤T且t为整数;
针对所述多个待校验测试用例中的每个待校验测试用例,将该待校验测试用例中与所述第二参考特征信息的特征属性相对应的t个特征信息按照所述预定顺序进行组合,得到第二目标特征信息;
计算所述第二目标特征信息与所述第二参考特征信息的第二文本相似度;
在确定所述第二文本相似度高于所述相似度阈值的情况下,确定所述第二目标特征信息与所述第二参考特征信息相似。
7.根据权利要求6所述的方法,还包括:
判断所述第二参考特征信息在所述多个待校验测试用例中是否存在相似的组合特征信息,如果是,则针对所述特定单元测试用例的另外t个特征信息返回所述从所述特定单元测试用例的T个特征信息中任意选取t个特征信息并按照预定顺序进行组合的操作;否则,确定所述第二参考特征信息具有唯一属性。
8.根据权利要求5或7所述的方法,其中,所述根据所述匹配校验的结果,确定所述特定单元测试用例在所述多个待校验测试用例中的冗余状态,包括:
在所述匹配校验的结果为第一校验结果的情况下,确定所述多个待校验测试用例中不存在与所述特定单元测试用例冗余的测试用例,其中,所述第一校验结果表征了所述特定单元测试用例中存在至少一个所述具有唯一属性的特征信息。
9.根据权利要求5或7所述的方法,其中,所述根据所述匹配校验的结果,确定所述特定单元测试用例在所述多个待校验测试用例中的冗余状态,还包括:
在所述匹配校验的结果为第二校验结果的情况下,确定所述多个待校验测试用例中存在至少一个与所述特定单元测试用例冗余的测试用例,其中,所述第二校验结果表征了所述特定单元测试用例中均不存在所述具有唯一属性的特征信息。
10.根据权利要求9所述的方法,其中,所述确定所述多个待校验测试用例中存在至少一个与所述特定单元测试用例冗余的测试用例之后,还包括:
在所述多个待校验测试用例中,删除所述至少一个与所述特定单元测试用例冗余的测试用例。
11.一种软件测试用例的冗余校验装置,包括:
测试用例获取模块,用于获取针对所述软件的同一目标类的测试用例集合,所述测试用例集合包括特定单元测试用例和多个待校验测试用例;
特征抽取器构建模块,用于根据所述目标类预设多个特征属性,基于词法分析来构建每个所述特征属性对应的特征抽取器;
特征信息抽取模块,用于针对所述测试用例集合中的每个测试用例,使用多个所述特征抽取器来抽取该测试用例的多个特征信息;
匹配校验模块,用于以所述特定单元测试用例的至少一个特征信息作为参考特征信息集,分别将每个所述待校验测试用例的至少一个特征信息与所述参考特征信息集进行匹配校验;
冗余状态确定模块,用于根据所述匹配校验的结果,确定所述特定单元测试用例在所述多个待校验测试用例中的冗余状态。
12.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序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执行根据权利要求1~10中任一项所述的方法。
13.一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执行根据权利要求1~10中任一项所述的方法。
14.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310500802.8A CN116450416A (zh) | 2023-05-05 | 2023-05-05 | 软件测试用例的冗余校验方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310500802.8A CN116450416A (zh) | 2023-05-05 | 2023-05-05 | 软件测试用例的冗余校验方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116450416A true CN116450416A (zh) | 2023-07-18 |
Family
ID=87128643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310500802.8A Pending CN116450416A (zh) | 2023-05-05 | 2023-05-05 | 软件测试用例的冗余校验方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116450416A (zh) |
-
2023
- 2023-05-05 CN CN202310500802.8A patent/CN116450416A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11775761B2 (en) | Method and apparatus for mining entity focus in text | |
CN109002510B (zh) | 一种对话处理方法、装置、设备和介质 | |
US10007596B2 (en) | Generating test scripts through application integration | |
CN110807311B (zh) | 用于生成信息的方法和装置 | |
CN111886596A (zh) | 使用基于序列的锁定/解锁分类进行机器翻译锁定 | |
CN110688111A (zh) | 业务流程的配置方法、装置、服务器和存储介质 | |
CN113626558B (zh) | 一种基于智能推荐的字段标准化的方法和系统 | |
US20180314683A1 (en) | Method and device for processing natural language | |
CN111240971B (zh) | 风控规则测试用例的生成方法、装置、服务器和存储介质 | |
CN110675865B (zh) | 用于训练混合语言识别模型的方法和装置 | |
CN112363814A (zh) | 任务调度方法、装置、计算机设备及存储介质 | |
US11947530B2 (en) | Methods and systems to automatically generate search queries from software documents to validate software component search engines | |
CN110716859A (zh) | 自动为修改的代码推送测试用例的方法及相关装置 | |
CN113010666B (zh) | 摘要生成方法、装置、计算机系统及可读存储介质 | |
CN116450416A (zh) | 软件测试用例的冗余校验方法、装置、电子设备及介质 | |
US11163953B2 (en) | Natural language processing and candidate response evaluation | |
CN113032256A (zh) | 自动化测试方法、装置、计算机系统和可读存储介质 | |
CN116452208B (zh) | 变更交易码的确定方法、装置、设备及介质 | |
CN116680184A (zh) | 代码扫描方法、装置、电子设备和介质 | |
US11429789B2 (en) | Natural language processing and candidate response identification | |
CN110737757B (zh) | 用于生成信息的方法和装置 | |
US11586822B2 (en) | Adaptation of regular expressions under heterogeneous collation rules | |
CN116661857A (zh) | 数据提取方法、装置、设备及存储介质 | |
CN115081450A (zh) | 文本分析方法,装置、设备、介质和程序产品 | |
CN116755709A (zh) | 数据处理方法、装置、电子设备及存储介质 |
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 |