卑微小测试的一天----自动生成正交法测试用例

原创

已于 2023-06-11 11:32:20 修改 · 1k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#测试用例 #python #开发语言

于 2023-06-11 11:30:02 首次发布

文章介绍了如何运用正交法来设计接口测试用例，以减少测试用例数量并保证覆盖率。通过一个大学通信系成绩查询的例子，展示了正交试验法如何减少全面检测的次数。文章提供了一个Python类`OAT`，用于根据正交表自动生成测试用例，并展示了如何使用该类处理测试参数。

前言

工作过程中，我们接触到需求后第一要务是熟悉需求并且输出测试用例，针对接口测试的入参测试，需要校验大量入参的组合场景，这时我们通常采用正交法来设计测试用例，在减少测试用例的数量时，同时保障测试用例的有效覆盖性。

正交法实验

正交试验法是分析多因素、多水准的一种实验法，它是借助正交表来对实验进行设计，依据少数的实验取代全面实验

在一项实验中，把影响实验结果的量称之为实验因素(因子)，简称因素。因素可以理解为实验过程中的自变量，实验结果可以看成因素的函数。在实验过程中，每一个因素可以处于不同的状态或状况，把因素所处的状态或状况，称之为因素的水准，简称水准。

举个例子：

某所大学通信系共2个班级，刚考完某一门课程，想依据“性别”、“班级”和“成绩”这三个查询条件对通信系这门课程的成绩分布，男女比例或班级比例进行人员查询：

依据“性别”=“男，女”进行查询

依据“班级”=“1班，2班”查询

依据“成绩”=“及格，不及格”查询

按照传统设计——全部检测

分析上述检测需求，有3个被测元素，被测元素我们称之为因素，每个因素有两个取值，我们称之为水准值（也就是2）。

如果是普通的全面检测，则如下（2^3=8次）
全校验
如果是正交法，则如下（2^2=4次）

如果入参数量更多正交法的收益就越大

自动生成正交用例

手动将入参情况列出来总归是繁琐的，我们可以通过正交表来自动输出相关组合场景，正交表规则取自
http://support.sas.com/techsup/technote/ts723_Designs.txt

# encoding: utf-8

from itertools import groupby
from collections import OrderedDict


def dataSplit(data):
    ds = []
    mb = [sum([k for m, k in data['mk'] if m <= 10]), sum([k for m, k in data['mk'] if m > 10])]
    for i in data['data']:
        if mb[1] == 0:
            ds.append([int(d) for d in i])
        elif mb[0] == 0:
            ds.append([int(i[n * 2:(n + 1) * 2]) for n in range(mb[1])])
        else:
            part_1 = [int(j) for j in i[:mb[0]]]
            part_2 = [int(i[mb[0]:][n * 2: