【技術實現步驟摘要】
本專利技術屬于測試腳本自動生成，尤其涉及一種基于深度學習的測試腳本自動生成方法及系統。
技術介紹
1、在項目結構和服務日益復雜化的今天，測試將成為項目質量把關的一個重要環節，海量的請求接口和業務場景都需要測試人員進行相應的回歸眼驗證才能確保服務的正常運轉。在早些時期依賴測試人員的人工測試已經成為過去，自動化測試逐漸成為主流。
2、然而自動化測試需要耗費大量的時間編寫相關的自動化測試代碼，不僅如此，自動化測試代碼的編寫還依賴于測試人員額外學習相應的技術語法，對測試人員的要求較高；當產品代碼的改動時，往往需要重新編寫或更新測試腳本，增加了很多的開發投入。
3、基于當前這種自動化測試準備時間長，編寫用例門檻高的現狀，亟需一種通過解析接口描述語言，提供簡單易用的界面化操作，配合測試人員業務邏輯，定制測試用例，生成自動化測試腳本的方法。
技術實現思路
1、本專利技術所要解決的技術問題是針對
技術介紹
的不足提供了一種基于深度學習的測試腳本自動生成方法及系統。
2、本專利技術為解決上述技術問題采用以下技術方案：
3、一種基于深度學習的測試腳本自動生成系統，包含測試腳本接收模塊、測試腳本管理模塊、用戶交互單元、參數關聯映射模塊、測試腳本自動生成模塊；
4、測試腳本接收模塊，用于根據標識的接口相關參數生成接口描述語言；
5、測試腳本管理模塊，用于儲存所述根據標識的接口相關參數生成接口描述語言；
6、用戶交互單元，用于對
7、參數關聯映射模塊，用于以建立參數關聯映射，并通過設置的參數約束對預覽結果進行驗證，生成測試腳本；
8、測試腳本自動生成模塊，用于生成測試腳本，具體包含系統管理模塊、測試用例分類模塊、測試指令生成模塊、測試腳本生成模塊、以及模型訓練與更新模塊；
9、其中，測試用例分類模塊，用于對根據標識的接口相關參數生成接口描述語言進行分析，得到對應的測試分系統及測試分系統知識庫；
10、測試指令生成模塊，用于對接口描述語言進行分析，將其轉化為對應的測試指令；
11、測試腳本生成模塊，用于對測試指令生成模塊輸出的測試指令轉換為腳本代碼，并展示給用戶，進行規范解析得到交互界面，同時通過所述交互界面設置業務參數并發出預覽請求；
12、模型訓練與更新模塊，用于對所使用到的網絡模型進行訓練與更新。
13、作為本專利技術一種基于深度學習的測試腳本自動生成系統的進一步優選方案，所述測試腳本接收模塊包含參數注解模塊和接口解析模塊；
14、所述參數注解模塊，用以通過注解的形式標識接口相關參數；
15、所述接口解析模塊，用以解析代碼中的注解自動生成接口描述語言。
16、作為本專利技術一種基于深度學習的測試腳本自動生成系統的進一步優選方案，所述參數關聯映射是指將實際邏輯一致的不同描述語言進行關聯；所述建立參數關聯映射包含：將不同的描述語言轉換為模板邏輯關系下的參數并比對，若邏輯一樣則建立參數關聯映射。
17、作為本專利技術一種基于深度學習的測試腳本自動生成系統的進一步優選方案，模型訓練與更新模塊包含解析模塊、檢測模型、方向分類器、識別模型；
18、其中，解析模塊，用于根據標識的接口相關參數生成接口描述語言；
19、檢測模型，用于對所述接口描述語言進行規范解析得到交互界面，通過各類連通域算法將交互界面的多個文本前景區域裁剪成多個四邊形文本行圖片；
20、方向分類器，用于對四邊形文本行圖片進行方向分類，計算四邊形文本行圖片的真實旋轉角度，通過透視變換將四邊形文本行圖片透視轉化為正定的文本行矩形圖片；
21、識別模型，用于對文本行矩形圖片進行ocr識別，同時結合業務語料topk，得到文本內容，并結合前景區域坐標和文本內容，對測試腳本圖片文件進行文本提取，輸出可編輯格式化文本內容。
22、作為本專利技術一種基于深度學習的測試腳本自動生成系統的進一步優選方案，所述系統管理模塊包含采集控制單元、數據處理和ram讀寫模單元、端口控制單元、同步時鐘控制單元、命令解幀單元、fifo數據緩存單元、flash數據存儲控制單元、數據判讀單元，所述采集控制單元、端口控制單元、同步時鐘控制單元、命令解幀單元、fifo數據緩存單元、flash數據存儲控制單元、數據判讀單元分別與數據處理和ram讀寫模單元連接。
23、一種基于深度學習的測試腳本自動生成系統的方法，具體包含如下步驟；
24、步驟1，根據標識的接口相關參數生成接口描述語言；
25、步驟2，儲存所述根據標識的接口相關參數生成接口描述語言；
26、步驟3，對所述接口描述語言進行規范解析得到交互界面，同時通過所述交互界面設置業務參數并發出預覽請求；
27、步驟4，建立參數關聯映射，并通過設置的參數約束對預覽結果進行驗證，生成測試腳本；
28、步驟5，對根據標識的接口相關參數生成接口描述語言進行分析，得到對應的測試分系統及測試分系統知識庫，對接口描述語言進行分析，將其轉化為對應的測試指令，對測試指令生成模塊輸出的測試指令轉換為腳本代碼，并展示給用戶，進行規范解析得到交互界面，同時通過所述交互界面設置業務參數并發出預覽請求，對所使用到的網絡模型進行訓練與更新。
29、作為本專利技術基于深度學習的測試腳本自動生成方法的進一步優選方案，對所使用到的網絡模型進行訓練與更新，具體包含如下步驟；
30、步驟5.1，通過解析模塊根據標識的接口相關參數生成接口描述語言；
31、步驟5.2，通過檢測模型對所述接口描述語言進行規范解析得到交互界面，通過各類連通域算法將交互界面的多個文本前景區域裁剪成多個四邊形文本行圖片；
32、步驟5.3，通過方向分類器對四邊形文本行圖片進行方向分類，計算四邊形文本行圖片的真實旋轉角度，通過透視變換將四邊形文本行圖片透視轉化為正定的文本行矩形圖片；
33、假設四邊形頂點坐標分別為p＝[(x1,y1),(x2,y2),(x3,y3),(x4,y4)]，其真實角度為θ；
34、計算角度變換矩陣mat_θ，具體計算如下：
35、
36、計算角度變換后的四點坐標p′，具體計算如下：
37、
38、p′＝[(x′1,y′1),(x′2,y′2),(x′3,y′3),(x′4,y′4)]
39、計算透視變換矩陣mat_t，具體計算如下：
40、w＝max(x′1,x′2,x′3,x′4)-min(x′1,x′2,x′3,x′4)
41、h＝max(y′1,y′2,y′3,y′4)-min(y′1,y′2,y′3,y′4)
42、pm＝[(0,0),(w,0)本文檔來自技高網...
【技術保護點】
1.一種基于深度學習的測試腳本自動生成系統，其特征在于：包含測試腳本接收模塊、測試腳本管理模塊、用戶交互單元、參數關聯映射模塊、測試腳本自動生成模塊；
2.根據權利要求1所述的一種基于深度學習的測試腳本自動生成系統，其特征在于：所述測試腳本接收模塊包含參數注解模塊和接口解析模塊；
3.根據權利要求1所述的一種基于深度學習的測試腳本自動生成系統，其特征在于：所述參數關聯映射是指將實際邏輯一致的不同描述語言進行關聯；所述建立參數關聯映射包含：將不同的描述語言轉換為模板邏輯關系下的參數并比對，若邏輯一樣則建立參數關聯映射。
4.根據權利要求1所述的一種基于深度學習的測試腳本自動生成系統，其特征在于：模型訓練與更新模塊包含解析模塊、檢測模型、方向分類器、識別模型；
5.根據權利要求1所述的一種基于深度學習的測試腳本自動生成系統，其特征在于：所述系統管理模塊包含采集控制單元、數據處理和RAM讀寫模單元、端口控制單元、同步時鐘控制單元、命令解幀單元、FIFO數據緩存單元、Flash數據存儲控制單元、數據判讀單元，所述采集控制單元、端口控制單元、
6.一種基于權利要求1至5任一項所述的基于深度學習的測試腳本自動生成系統的方法，其特征在于：具體包含如下步驟；
7.根據權利要求6所述的基于深度學習的測試腳本自動生成方法，其特征在于：對所使用到的網絡模型進行訓練與更新，具體包含如下步驟；
8.根據權利要求6所述的基于深度學習的測試腳本自動生成方法，其特征在于：所述接口描述語言的生成包括以下步驟：通過注解的形式標識接口相關參數；解析代碼中的注解自動生成接口描述語言。
9.根據權利要求6所述的基于深度學習的測試腳本自動生成方法，其特征在于：所述接口描述語言至少包括：json語言、YAML語言以及WSDL語言。
10.根據權利要求6所述的基于深度學習的測試腳本自動生成方法，其特征在于：所述交互界面的獲得包括：通過描述語言解析器解析接口規范。
...【技術特征摘要】
1.一種基于深度學習的測試腳本自動生成系統，其特征在于：包含測試腳本接收模塊、測試腳本管理模塊、用戶交互單元、參數關聯映射模塊、測試腳本自動生成模塊；
2.根據權利要求1所述的一種基于深度學習的測試腳本自動生成系統，其特征在于：所述測試腳本接收模塊包含參數注解模塊和接口解析模塊；
3.根據權利要求1所述的一種基于深度學習的測試腳本自動生成系統，其特征在于：所述參數關聯映射是指將實際邏輯一致的不同描述語言進行關聯；所述建立參數關聯映射包含：將不同的描述語言轉換為模板邏輯關系下的參數并比對，若邏輯一樣則建立參數關聯映射。
4.根據權利要求1所述的一種基于深度學習的測試腳本自動生成系統，其特征在于：模型訓練與更新模塊包含解析模塊、檢測模型、方向分類器、識別模型；
5.根據權利要求1所述的一種基于深度學習的測試腳本自動生成系統，其特征在于：所述系統管理模塊包含采集控制單元、數據處理和ram讀寫模單元、端口控制單元、同步時鐘控制單元、命令解幀單元、fifo數據緩存單元、flash數據存儲控制...
【專利技術屬性】
技術研發人員：吳一陽，馬曉，楊兵，張靜，譚斯豪，
申請(專利權)人：廣州仁合時創信息技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。