【技术实现步骤摘要】
本专利技术涉及计算机程序自动化测试，具体涉及一种浏览器ui自动测试的方法、装置及存储介质。
技术介绍
1、测试用例(test case)是将软件测试的行为活动做一个科学化的组织归纳，目的是能够将软件测试的行为转化成可管理的模式；同时测试用例也是将测试具体量化的方法之一，不同类别的软件，测试用例是不同的。不同于诸如系统、工具、控制、游戏软件，管理软件的用户需求有更加不同的趋势。
2、要使最终用户对软件感到满意，最有力的举措就是对最终用户的期望加以明确阐述，以便对这些期望进行核实并确认其有效性。测试用例反映了要核实的需求。然而，核实这些需求可能通过不同的方式并由不同的测试员来实施。例如，执行软件以便验证它的功能和性能，这项操作可能由某个测试员采用自动测试技术来实现；计算机系统的关键步骤可通过手工测试和观察来完成。
3、现有技术中测试用例生成方法生成测试用例准确性、可靠性比较低，导致测试结果与用户的需求差别较大，因此，需要生成高质量的测试用例进行测试是一项技术挑战。
技术实现思路
1、本专利技术针对上述现有技术中一个或多个技术缺陷，提出了如下技术方案。
2、一种浏览器ui自动测试的方法，该方法包括：
3、预处理步骤，基于浏览器ui元素之间的依赖关系，将采集的页面枚举、页面跳转及页面路由数据，预处理后生成路由树及多维索引；
4、测试用例生成步骤，将采用自然语言描述的测试用例使用测试用例转换模型基于所述路由树及多维索引生成由json
5、浏览器插件扩展步骤，在所述浏览器中扩展浏览器插件promise和selector，其中，浏览器插件promise提供执行调用链模拟真实调用步骤，浏览器插件selector实现元素查找功能；
6、测试步骤，使用由json段落组成的自动化测试用例对所述浏览器ui进行自动测试，所述json段落中的元素使用浏览器插件promise基于路由树对所述浏览器ui进行交互操作，所述交互操作包括用户点击、输入和导航；
7、测试结果监测步骤，所述浏览器插件selector从所述json段落记录查找关键测试元素，并将所述关键测试元素在多维索引中查找所述被测浏览器ui的对应的真实元素，基于所述真实元素的执行状态监测被测浏览器ui的响应和行为，以生成自动化测试结果；
8、测试验证与报告生成步骤：基于预期测试结果，对所述自动化测试结果进行验证，并生成测试报告。
9、更进一步地，被测浏览器ui的响应和行为包括：页面加载时间、错误日志和内存信息，用以评估所述自动化测试结果的准确性和稳定性。
10、更进一步地，所述测试用例生成步骤的操作为：使用所述测试用例转换模型的解析模块对所述自然语言描述的测试用例进行分词得到分词结果，使用所述测试用例转换模型的推断模块对所述分词结果进行关键词识别以及补正，并推断所述关键词对应的正确的操作类型；使用所述测试用例转换模型的分析模块对所述浏览器ui进行页面分析，以所述路由树，匹配用于生成自动化测试用例的页面，并根据多维索引，为所述自动化测试用例匹配相应的函数，并基于命名实体为所述函数匹配相应的参数，从而生成可执行的自动化测试用例。
11、更进一步地，所述测试用例转换模型是基于人工神经网络或gpt构建的。
12、更进一步地，对所述自动化测试结果进行验证包括：基于预期测试结果中的页面加载时间pt、错误日志pl和内存信息pm与所述自动化测试结果的页面加载时间rt、错误日志rl和内存信息rm进行匹配，如果匹配成功，则生成的自动化测试用例可用，否则，调整所述测试用例转换模型的推断模块的参数，以重新生成自动化测试用例。
13、更进一步地，调整所述测试用例转换模型的推断模块的参数的操作为：
14、计算pt与rt的差值：；
15、计算pl与rl的余弦相似度：cs=cos（pl，rl）；
16、所述内存信息pm、rm分别使用内存大小pms、rms来表示，内存占用时间pmt、rmt，计算和；
17、将、cs、和组成一维调整向量va保存在第二训练样本集中，将第二训练样本集输入至所述测试用例转换模型进行重新训练以调整推断模块的参数，其中所述第二训练样本集不同于上一次训练所述测试用例转换模型的第一训练样本集将第二训练样本集输入至所述测试用例转换模型进行重新训练以调整推断模块的参数，其中所述第二训练样本集不同于上一次训练所述测试用例转换模型的第一训练样本集。
18、本专利技术还提出了一种浏览器ui自动测试的装置，该装置包括：
19、预处理单元，基于浏览器ui元素之间的依赖关系，将采集的页面枚举、页面跳转及页面路由数据，预处理后生成路由树及多维索引；
20、测试用例生成单元，将采用自然语言描述的测试用例使用测试用例转换模型基于所述路由树及多维索引生成由json段落组成的自动化测试用例；
21、浏览器插件扩展单元，在所述浏览器中扩展浏览器插件promise和selector，其中，浏览器插件promise提供执行调用链模拟真实调用单元，浏览器插件selector实现元素查找功能；
22、测试单元，使用由json段落组成的自动化测试用例对所述浏览器ui进行自动测试，所述json段落中的元素使用浏览器插件promise基于路由树对所述浏览器ui进行交互操作，所述交互操作包括用户点击、输入和导航；
23、测试结果监测单元，所述浏览器插件selector从所述json段落记录查找关键测试元素，并将所述关键测试元素在多维索引中查找所述被测浏览器ui的对应的真实元素，基于所述真实元素的执行状态监测被测浏览器ui的响应和行为，以生成自动化测试结果；
24、测试验证与报告生成单元：基于预期测试结果，对所述自动化测试结果进行验证，并生成测试报告。
25、更进一步地，被测浏览器ui的响应和行为包括：页面加载时间、错误日志和内存信息，用以评估所述自动化测试结果的准确性和稳定性。
26、更进一步地，所述测试用例生成单元的操作为：使用所述测试用例转换模型的解析模块对所述自然语言描述的测试用例进行分词得到分词结果，使用所述测试用例转换模型的推断模块对所述分词结果进行关键词识别以及补正，并推断所述关键词对应的正确的操作类型；使用所述测试用例转换模型的分析模块对所述浏览器ui进行页面分析，以所述路由树，匹配用于生成自动化测试用例的页面，并根据多维索引，为所述自动化测试用例匹配相应的函数，并基于命名实体为所述函数匹配相应的参数，从而生成可执行的自动化测试用例。
27、更进一步地，所述测试用例转换模型是基于人工神经网络或gpt构建的。
28、更进一步地，对所述自动化测试结果进行验证包括：基于预期测试结果中的页面加载时间pt、错误日志pl和内存信息pm与所述自动化测试结果的页面加载时间rt、错误日志r本文档来自技高网...
【技术保护点】
1.一种浏览器UI自动测试的方法，其特征在于，该方法包括：
2.根据权利要求1所述的方法，其特征在于，被测浏览器UI的响应和行为包括：页面加载时间、错误日志和内存信息，用以评估所述自动化测试结果的准确性和稳定性。
3.根据权利要求2所述的方法，其特征在于，所述测试用例生成步骤的操作为：使用所述测试用例转换模型的解析模块对所述自然语言描述的测试用例进行分词得到分词结果，使用所述测试用例转换模型的推断模块对所述分词结果进行关键词识别以及补正，并推断所述关键词对应的正确的操作类型；使用所述测试用例转换模型的分析模块对所述浏览器UI进行页面分析，以所述路由树，匹配用于生成自动化测试用例的页面，并根据多维索引，为所述自动化测试用例匹配相应的函数，并基于命名实体为所述函数匹配相应的参数，从而生成可执行的自动化测试用例。
4.根据权利要求3所述的方法，其特征在于，所述测试用例转换模型是基于人工神经网络或GPT构建的。
5.根据权利要求4所述的方法，其特征在于，所述对所述自动化测试结果进行验证包括：基于预期测试结果中的页面加载时间PT、错误日志PL
6.一种浏览器UI自动测试的装置，其特征在于，该装置包括：
7.根据权利要求6所述的装置，其特征在于，被测浏览器UI的响应和行为包括：页面加载时间、错误日志和内存信息，用以评估所述自动化测试结果的准确性和稳定性。
8.根据权利要求7所述的装置，其特征在于，所述测试用例生成单元的操作为：使用所述测试用例转换模型的解析模块对所述自然语言描述的测试用例进行分词得到分词结果，使用所述测试用例转换模型的推断模块对所述分词结果进行关键词识别以及补正，并推断所述关键词对应的正确的操作类型；使用所述测试用例转换模型的分析模块对所述浏览器UI进行页面分析，以所述路由树，匹配用于生成自动化测试用例的页面，并根据多维索引，为所述自动化测试用例匹配相应的函数，并基于命名实体为所述函数匹配相应的参数，从而生成可执行的自动化测试用例。
9.根据权利要求8所述的装置，其特征在于，所述测试用例转换模型是基于人工神经网络或GPT构建的。
10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，当所述计算机存储介质上的计算机程序被处理器执行时实现权利要求1-5任一项所述的方法。
...【技术特征摘要】
1.一种浏览器ui自动测试的方法，其特征在于，该方法包括：
2.根据权利要求1所述的方法，其特征在于，被测浏览器ui的响应和行为包括：页面加载时间、错误日志和内存信息，用以评估所述自动化测试结果的准确性和稳定性。
3.根据权利要求2所述的方法，其特征在于，所述测试用例生成步骤的操作为：使用所述测试用例转换模型的解析模块对所述自然语言描述的测试用例进行分词得到分词结果，使用所述测试用例转换模型的推断模块对所述分词结果进行关键词识别以及补正，并推断所述关键词对应的正确的操作类型；使用所述测试用例转换模型的分析模块对所述浏览器ui进行页面分析，以所述路由树，匹配用于生成自动化测试用例的页面，并根据多维索引，为所述自动化测试用例匹配相应的函数，并基于命名实体为所述函数匹配相应的参数，从而生成可执行的自动化测试用例。
4.根据权利要求3所述的方法，其特征在于，所述测试用例转换模型是基于人工神经网络或gpt构建的。
5.根据权利要求4所述的方法，其特征在于，所述对所述自动化测试结果进行验证包括：基于预期测试结果中的页面加载时间pt、错误日志pl和内存信息pm与所述自动化测试结果的页面加载时间rt、错误日志rl和内存信息rm进行匹配，如果匹配成功，则生成的自动化测试用例...
【专利技术属性】
技术研发人员：姜明晓，王志会，
申请(专利权)人：畅捷通信息技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。