黑盒测试重点复习内容

简介: 黑盒测试重点复习内容

一、等价类划分+边界值分析法


对于各种输入或者输出,必须考虑等价类和边界值,并补充一些特殊值,如空值、空格、0、异常格式等特殊值。


基本概念:


有效等价类:满足需求的数据集合


无效等价类:不满足需求的数据集合


步骤总结:


明确需求

确定有效和无效等价类

提取数据编写测试用例

例1:输入条件是金额字段的一个取值范围,要求为0.01-10元,精度为小数点后两位


输入条件

有效等价类

无效等价类

amount:0.01-10

1. amount = 5(有效值)

1. amount = 0.00


2. amount = 0.01(边界值

2. amount = 10.01(大于最大值 )


3. amount = 10.00(边界值)

3.amount = 9.999(精度错误)



4.amount = 1(带前空格)



5.amount = “”(空值)



6.amount = ab(异常)

例题:


bcdeaa1e0d6c937c72ab962f1663ccf6_a5dd7afc6d4dc3f2fa63fd4a67a7ec12.png


二、判定表法


对于输入输出条件存在各种组合,且不同组合走不同的逻辑时,优先使用判定表法。


基本概念:


条件桩:输入条件,列出了系统的所有输入,列出的输入次序无关紧要

动作桩:结果,列出了系统可能采取的操作,这些操作的排序顺序没有约束

条件项:输入条件取值的全部组合,列出针对它左列输入的取值,在所有可能的情况下的真假值

动作项:条件项对应的所有的结果,列出在输入项的各种取值情况下应该采取的动作

规则:一组条件与动作的组合,一条规则对应一条测试用例


9095eda46175b1c25156e3601d67f7c5_c674976eafdb861965de2eedb4f8deea.png


例2:在APP上领取红包,第一项要求用户登录,第二项要求用户点击首页,第三项要求用户点击领取红包,三项都完成后领到红包;但如果第一项不满足,则报错F;如果是第二项不满足,则报错S;第三项不满足则报错T。


对条件组合后,得到如下判定表:


c6f76c3be2865bcacbf42816239b429f_image-20230228102240940.png


进行简化,得到如下判定表:


1838e031d6bf91d7a4789282e13f049c_image-20230228102333423.png


步骤总结:


1、分析需求,确定条件桩和动作桩

2、全组合条件,得到条件项

3、根据条件项,依次填写动作项

4、简化判定表

5、输出测试用例(一个规则对应一条测试用例)

组合条件,得到条件项

3、根据条件项,依次填写动作项

4、简化判定表

5、输出测试用例(一个规则对应一条测试用例)

相关文章
|
机器学习/深度学习 人工智能 算法
图解机器学习 | KNN算法及其应用
KNN算法(K近邻算法)是一种很朴实的机器学习方法,既可以做分类,也可以做回归。本文详细讲解KNN算法相关的知识,包括:核心思想、算法步骤、核心要素、缺点与改进等。
4627 1
图解机器学习 | KNN算法及其应用
|
机器学习/深度学习 存储 TensorFlow
【Python机器学习】卷积神经网络卷积层、池化层、Flatten层、批标准化层的讲解(图文解释)
【Python机器学习】卷积神经网络卷积层、池化层、Flatten层、批标准化层的讲解(图文解释)
784 0
|
12月前
|
JavaScript 前端开发 Java
编程语言中的常见Bug及解决方案
本文总结了主流编程语言中的常见Bug及其解决方案,涵盖JavaScript、Python、C/C++、Java和Go。例如,JavaScript中小数相加精度不准确,可通过`toFixed()`解决;Python 2中整数除法向下取整,改用浮点数除法;C/C++内存管理与缓冲区溢出,使用安全函数如`snprintf`;Java空指针异常,使用非空判断或`Optional`类;Go并发编程中的竞态条件,采用互斥锁或原子操作。了解这些Bug及解决方案有助于提高编程质量。
294 9
|
机器学习/深度学习 算法 API
机器学习入门(五):KNN概述 | K 近邻算法 API,K值选择问题
机器学习入门(五):KNN概述 | K 近邻算法 API,K值选择问题
|
存储 JavaScript 前端开发
Xss跨站脚本攻击(Cross Site Script)
Xss跨站脚本攻击(Cross Site Script)
|
机器学习/深度学习 传感器 算法
【图像分割】基于K-means算法实现遥感图像分类附Matlab代码
【图像分割】基于K-means算法实现遥感图像分类附Matlab代码
|
机器学习/深度学习 算法 数据挖掘
Python实现聚类(Kmeans)分析客户分组
Python实现聚类(Kmeans)分析客户分组
Python实现聚类(Kmeans)分析客户分组
|
机器学习/深度学习 自然语言处理 算法
KMeans算法全面解析与应用案例
KMeans算法全面解析与应用案例
2968 0
|
算法 搜索推荐 数据挖掘
用户画像之KMeans 算法解释及项目中用到的算法
用户画像之KMeans 算法解释及项目中用到的算法
306 1
|
机器学习/深度学习 算法 搜索推荐
【机器学习】十大算法之一 “KNN”
KNN(k-nearest neighbors)算法是一种监督学习算法,也是机器学习中比较基础的算法之一。它主要应用于分类和回归。KNN算法的基本思想是在训练集中搜索k个距离测试样本最近的样本,并对这些邻居样本中的大多数进行分类或回归。KNN算法是一种非参数算法,不需要对数据分布进行任何假设,具有很强的鲁棒性和普适性。KNN算法可以用于图像识别、语音识别、推荐系统等常见的机器学习应用领域。KNN算法在实际应用中具有很高的可扩展性,几乎可以应用于任何领域。
1377 0
【机器学习】十大算法之一 “KNN”