新闻详情

新闻详情

首页 / 资讯中心 / 详情

黑盒测试核心方法详解

发布时间:2026/11/16 18:06:36来源:尧图网络
黑盒测试核心方法详解
等价类划分有效等价类 无效等价类规则针对有效等价类选取一条测试数据尽可能覆盖所有效等价类针对无效等价类选取一条测试数据单独覆盖一个无效等价类区别大小写在等价类种不需要考虑测试用例中需要程序需要录入0~100之间的整数等价划分的步骤根据需求找出页面的元素根据每个元素的需要或者规则找出条件根据等价类划分的表格列出条件有效等价类无效等价类根据每个条件找出对应有效等价类和无效等价类并进行编号根据将等价类转换为测试用例的规则来生成测试用例选取一条测试数据尽可能多的覆盖所有有效等价类选择一条测试数据单独覆盖一个无效等价类等价类划分法——原则在输入条件规定了取值范围或值的个数的情况下可以确定一个有效等价类和两个无效等价类。0-100 一个有效 两个无效输入条件规定了输入值的集合或是规定了必须如何的条件则可以确定一个有效等价类和一个无效等价类旧密码正确 旧密码错误在输入条件是一个布尔量的情况下可确定一个有效等价类和一个无效等价类真 假在规定了输入数据的一组值假定 n 个并且程序要对每一个输入值分别处理的情况可以确定 n 个有效等价类和一个无效等价类成绩90 以上优秀80~90 为良好60~80 为一般60 一下不及格在规定了输入数据必须遵守的规则的情况下可确立一个有效等价类符合规则和若干个无效等价类从不同角度违反了规则。正确大写字母小写字母数字 错误好多个在确知已划分的等价类中各个元素在程序处理中的方式不同的情况下则应该对该等价类进一步划分为更小的等价类边界值的划分完善等价类的边界值要单独使用一条测试用例等价划分跟边界值划分结果起来一起用判定表划分判定表是分析和表达多种输入条件下系统执行不同动作的工具它可以把复杂的逻辑关系和多种条件组合的情况表达的即具体又明确。例子若用户欠费或停机则不允许主被叫判定表法设计用例的步骤列出所有的条件桩和动作桩确定条件桩的个数计算出规则个数如果有 3 个条件每个条件有两个取值故应有 2*2*28 个规则有几个条件桩就是 2 的几次方来计算规则个数。使用折半法填入条件项条件项和动作项把不符合常理的规则去掉化简合并相似规则根据实际的业务逻辑合并有风险化简需谨慎将每条规则转换为一条或多条用例判断表划分和等价类划分结合测试用例例子2验证码不正确过期时间失效验证码——3条用例补充的用例场景法流程图等价类划分边界时划分判定表针对单个功能测试用例编写。场景法业务流划分基本流程、备选流程、异常流程基本流程通过业务流程输入都是正确能达到目标流程的。插入卡 -- 输入密码 -- 输入取款金额 -- 取款 -- 退卡备选流程通过业务流程输入错误操作导致流程反复经过纠正错误后仍然能达到目标流程。插入卡 -- 输入密码错误 -- 再次输入密码正确 -- 输入取款金额 -- 取款 -- 退卡异常流程通过业务流程输入错误操作产生异常终止流程。插入卡 -- 输入密码错误超过 3 次 -- 吞卡锁定卡画流程图 processon 登录 | ProcessOn正交试验法状态机定义状态机是有限状态自动机的简称是现实事物运行规则抽象而成的一个数学模型状态现实事物是有不同状态的。如门开关。状态机也就是 State Machine不是指一台实际机器而是指一个数学模型概念第一个是 State状态。一个状态机至少要包含两个状态。open, closed。第二个是 Event事件。事件就是执行某个操作的触发条件或者口令。对于自动门“输入开门指令” 就是一个事件。第三个是 Action动作。事件发生以后要执行动作。例如事件是 “按开门按钮”动作是 “开门”。编程的时候一个 Action 一般就对应一个函数。第四个是 Transition变换。也就是从一个状态变化为另一个状态。例如 “开门过程” 就是一个变换。例子因果图
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉