[发明专利]一种基于selenium测试工具的web应用系统自动化测试的方法有效
申请号: | 202010194600.1 | 申请日: | 2020-03-19 |
公开(公告)号: | CN111538649B | 公开(公告)日: | 2022-09-23 |
发明(设计)人: | 胡海峰;刘玉珍 | 申请(专利权)人: | 南京邮电大学 |
主分类号: | G06F11/36 | 分类号: | G06F11/36 |
代理公司: | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人: | 王恒静 |
地址: | 210003 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 selenium 测试 工具 web 应用 系统 自动化 方法 | ||
1.一种基于selenium测试工具的web应用系统自动化测试的方法,其特征在于,该方法包括:
(1)分析待研究web应用系统的功能,构建系统功能流程图;
(2)将所述待研究web应用系统中的每一个网页看作是一个状态,根据所述系统功能流程图,确定状态数量和状态之间的转移关系,同时设定转移矩阵P∈Rn×n,并初始化转移矩阵中的元素全为0;
(3)利用马尔科夫链模型描述并计算系统状态之间的转移概率,得到所述待研究web应用系统的最终状态转移矩阵;
(4)根据所述状态转移矩阵采用selenium测试工具对所述待研究web应用系统进行自动化测试;
所述步骤(3)具体包括:
(31)将状态Si,1≤i≤n所在状态作为目标层,Si转移到k个状态设为并且下标满足n为状态的总数,即转移的k个状态为总状态的一个子集,求解对应状态之间的转移概率表示状态Si分别转移到的转移概率,与状态Si没有转移关系的转移概率为0;
(32)对状态Si转移到的k个状态分别进行影响因子评估,设定对应的影响因子为根据影响因子的比值来衡量转移状态的相关性,并得到判别矩阵A,表示为:
(33)对判别矩阵A进行一致性判别,若判别矩阵的不一致性被接受,则计算所述判别矩阵A对应最大特征向量对应于状态Si和状态之间的转移概率,否则,调整判别矩阵A,并重新进行一致性判别;
(34)若Si已全部遍历,则将转移矩阵P补充完整,进行步骤(4),否则把下一个状态当做Si,返回到步骤(1);
所述步骤(33)具体包括:
(331)求解判别矩阵A的最大特征值λmax,即:AY=λmaxY,其中,Y∈Rk是矩阵A最大特征值λmax对应的特征向量;
(332)计算判别矩阵A一致程度的指标CI:
(333)通得到对应矩阵阶数的平均随机性指标RI,并计算一致性比例CR,
当CR<0.1时,判别矩阵A不一致性被接受,求出的最大特征向量Y∈Rk对应于状态Si和状态之间的转移概率,即:如果CR≥0.1,需要调整判别矩阵A,返回步骤(31);
(334)如果Si全部遍历了,将转移矩阵P补充完整,进行步骤(4),否则把下一个状态当作Si,返回到步骤(1);
所述步骤(4)具体包括:
(41)基于selenium测试工具编写测试脚本,并在脚本中添加测试数据,对状态S1,S2,..,Sn分别进行模块封装;
(42)构造状态空间[S1,S2,..,Sn],从状态空间中获取初始状态Sstart和结束状态Send;构造测试路径列表TP=[],并将初始状态Sstart添加到TP=[]中,从初始状态Sstart开始,利用模拟转移概率算法随机确定转移概率值,进而进行状态之间的转移,直到到达Send;
(43)假设当前状态为Si,若状态Si不是结束状态,从转移矩阵P中获取状态Si对应第i行所有不为0的转移概率值,即第i行的不为0的概率值,若Si转移到k个状态,分别为且下标满足且Si转移到状态的转移概率为将k条出边的转移概率进行累加,将k条出边的转移概率累计加和分别映射到[0,1]区间内,利用随机算法随机产生一个[0,1]的随机数R,0<R<1,如果随机数落入区间段内,即:则选择j对应的边作为出边,即选择状态作为下一状态,并将状态Si添加到测试路径TP=[]中;
将置为当前状态,判断当前状态是否为结束状态,若是,则将其添加到TP=[]中,并输出测试路径列表;否则返回步骤(43)循环,直到到达结束状态;
(44)当一条完整的测试路径被确定好之后,获取TP=[]列表,依次调用TP=[]中对应所有封装好的状态模块,执行模块中的脚本代码,到达相应的web页面,实现页面自动化测试;
(45)将测试脚本部署到Jenkins集成系统上,定时重复执行自动化测试,打印测试报告;
所述步骤(43)中,将k条出边的转移概率进行累加,即:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学,未经南京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010194600.1/1.html,转载请声明来源钻瓜专利网。