生成测试用例的方法和装置与流程

1.本发明涉及计算机技术领域，尤其涉及一种生成测试用例的方法和装置。


背景技术：

2.目前互联网公司在进行产品测试过程中，在测试用例的设计阶段，主要是由测试人员根据产品需求文档及文档中的流程图，通过手工编写测试用例并输出。然而，通过手工编写测试用例，在有限的时间内，手工编写效率较低，耗时耗力，且编写的测试用例文档零散不便于管理和查阅。


技术实现要素：

3.有鉴于此，本发明实施例提供一种生成测试用例的方法和装置，能够解决测试人员在获得产品需求流程图后手工编写场景测试用例而带来的人力和时间成本浪费的问题，可以帮助测试人员提高工作效率、时间利用率，提早发现问题，且生成的测试用例便于管理和查阅。
4.为实现上述目的，根据本发明实施例的一个方面，提供了一种生成测试用例的方法。
5.一种生成测试用例的方法，包括：
6.通过深度学习网络对待测试文档进行识别处理得到所述待测试文档中包括的文本和判断符；
7.将所述待测试文档中包括的文本和判断符与所述待测试文档进行匹配，得到所述待测试文档的流程节点信息，所述流程节点信息包括的各个流程节点的元素属性和文字信息、以及流程节点之间的逻辑顺序和判断词；
8.根据测试用例模板包括的字段，从所述流程节点信息中提取各个字段对应的字段值；
9.使用测试用例编写方法对所述字段值进行逻辑处理以生成测试用例。
10.可选地，通过深度学习网络对待测试文档进行识别处理得到所述待测试文档中包括的文本和判断符包括：
11.通过第一深度学习网络对待测试文档进行文字图文检测，以检测所述待测试文档中的文本框；
12.根据所述文本框进行文本匹配和提取；
13.将提取的文本输入第二深度学习网络进行通用文字识别，以得到所述待测试文档中包括的文本和判断符。
14.可选地，使用测试用例编写方法对所述字段值进行逻辑处理以生成测试用例之前，还包括：
15.根据预设的字段对应的取值范围，将从所述流程节点信息中提取的字段对应的字段值扩展为对应的取值范围；
16.以及，使用测试用例编写方法对所述字段值进行逻辑处理以生成测试用例包括：
17.根据所述字段对应的取值范围，使用测试用例编写方法分别对所述取值范围内的每个字段值进行逻辑处理以生成多个测试用例。
18.可选地，所述待测试文档包括流程图，所述流程节点的元素属性根据流程节点所使用的流程图组件类型来获取，其中，
19.若流程图组件为矩形组件，则流程节点的元素属性为过程元素；
20.若流程图组件为菱形组件，则流程节点的元素属性为判断元素；
21.若流程图组件为椭圆形组件，则流程节点的元素属性为开始或结束元素；
22.若流程图组件为箭头组件，则流程节点的元素属性为流向元素。
23.可选地，所述测试用例模板包括的字段包括：模块字段、场景字段、步骤描述字段和预期结果字段；
24.并且，根据测试用例模板包括的字段，从所述流程节点信息中提取各个字段对应的字段值包括：
25.对模块字段，直接从所述流程节点信息中提取所述模块字段的字段值；
26.对场景字段，从所述流程节点信息的过程元素中提取文字信息作为所述场景字段的字段值；
27.对步骤描述字段，从所述流程节点信息的判断元素中提取文字信息作为所述步骤描述字段的字段值；
28.对预期结果字段，从所述流程节点信息的判断元素中提取文字信息，并根据所述判断元素对应的流向元素的判断词生成所述预期结果字段的字段值。
29.根据本发明实施例的另一方面，提供了一种生成测试用例的装置。
30.一种生成测试用例的装置，包括：
31.识别处理模块，用于通过深度学习网络对待测试文档进行识别处理得到所述待测试文档中包括的文本和判断符；
32.匹配处理模块，用于将所述待测试文档中包括的文本和判断符与所述待测试文档进行匹配，得到所述待测试文档的流程节点信息，所述流程节点信息包括的各个流程节点的元素属性和文字信息、以及流程节点之间的逻辑顺序和判断词；
33.字段值提取模块，用于根据测试用例模板包括的字段，从所述流程节点信息中提取各个字段对应的字段值；
34.逻辑处理模块，用于使用测试用例编写方法对所述字段值进行逻辑处理以生成测试用例。
35.可选地，所述识别处理模块还用于：
36.通过第一深度学习网络对待测试文档进行文字图文检测，以检测所述待测试文档中的文本框；
37.根据所述文本框进行文本匹配和提取；
38.将提取的文本输入第二深度学习网络进行通用文字识别，以得到所述待测试文档中包括的文本和判断符。
39.可选地，所述装置还包括字段值扩展模块，用于：
40.使用测试用例编写方法对所述字段值进行逻辑处理以生成测试用例之前，根据预
设的字段对应的取值范围，将从所述流程节点信息中提取的字段对应的字段值扩展为对应的取值范围；
41.以及，所述逻辑处理模块还用于：
42.根据所述字段对应的取值范围，使用测试用例编写方法分别对所述取值范围内的每个字段值进行逻辑处理以生成多个测试用例。
43.可选地，所述待测试文档包括流程图，所述流程节点的元素属性根据流程节点所使用的流程图组件类型来获取，其中，
44.若流程图组件为矩形组件，则流程节点的元素属性为过程元素；
45.若流程图组件为菱形组件，则流程节点的元素属性为判断元素；
46.若流程图组件为椭圆形组件，则流程节点的元素属性为开始或结束元素；
47.若流程图组件为箭头组件，则流程节点的元素属性为流向元素。
48.可选地，所述测试用例模板包括的字段包括：模块字段、场景字段、步骤描述字段和预期结果字段；
49.并且，所述字段值提取模块还用于：
50.对模块字段，直接从所述流程节点信息中提取所述模块字段的字段值；
51.对场景字段，从所述流程节点信息的过程元素中提取文字信息作为所述场景字段的字段值；
52.对步骤描述字段，从所述流程节点信息的判断元素中提取文字信息作为所述步骤描述字段的字段值；
53.对预期结果字段，从所述流程节点信息的判断元素中提取文字信息，并根据所述判断元素对应的流向元素的判断词生成所述预期结果字段的字段值。
54.根据本发明实施例的又一方面，提供了一种生成测试用例的电子设备。
55.一种生成测试用例的电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例所提供的生成测试用例的方法。
56.根据本发明实施例的再一方面，提供了一种计算机可读介质。
57.一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例所提供的生成测试用例的方法。
58.上述发明中的一个实施例具有如下优点或有益效果：通过深度学习网络对待测试文档进行识别处理得到待测试文档中包括的文本和判断符；将待测试文档中包括的文本和判断符与待测试文档进行匹配，得到待测试文档的流程节点信息，流程节点信息包括的各个流程节点的元素属性和文字信息、以及流程节点之间的逻辑顺序和判断词；根据测试用例模板包括的字段，从流程节点信息中提取各个字段对应的字段值；使用测试用例编写方法对字段值进行逻辑处理以生成测试用例，实现了通过深度学习技术，对待测试文档进行识别匹配处理，并基于测试用例模板自动生成测试用例，解决了测试人员在获得产品需求流程图等待测试文档后手工编写场景测试用例而带来的人力和时间成本浪费的问题，能快速获得接口测试用例，用ai智能测试替代部分人工成本，同时还可以帮助测试人员提高工作效率、时间利用率，提早发现问题，且生成的测试用例便于管理和查阅。
59.上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加
以说明。
附图说明
60.附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
61.图1是根据本发明实施例的生成测试用例的方法的主要步骤示意图；
62.图2是本发明一个实施例的生成场景用例的流程示意图；
63.图3是本发明一个实施例的需求流程图示意图；
64.图4是根据本发明实施例的生成测试用例的装置的主要模块示意图；
65.图5是本发明实施例可以应用于其中的示例性系统架构图；
66.图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
67.以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
68.为了解决现有技术中存在的技术问题，本发明提供了一种生成测试用例的方法和装置，可以基于深度学习技术来进行测试用例的自动生成，解决测试人员在获得产品需求流程图等待测试文档后手工编写场景测试用例而带来的人力和时间成本的浪费问题，能快速获得接口测试用例，用ai智能测试替代部分人工成本，同时还可以帮助测试人员提高工作效率、时间利用率，提早发现问题。
69.图1是根据本发明实施例的生成测试用例的方法的主要步骤示意图。如图1所示，本发明实施例的生成测试用例的方法主要包括如下的步骤s101至步骤s104。
70.步骤s101：通过深度学习网络对待测试文档进行识别处理得到待测试文档中包括的文本和判断符。
71.根据本发明的一个实施例，步骤s101在通过深度学习网络对待测试文档进行识别处理得到待测试文档中包括的文本和判断符时，具体可以按照以下步骤来执行：
72.通过第一深度学习网络对待测试文档进行文字图文检测，以检测待测试文档中的文本框；
73.根据文本框进行文本匹配和提取；
74.将提取的文本输入第二深度学习网络进行通用文字识别，以得到待测试文档中包括的文本和判断符。
75.根据本发明的该实施例，第一深度学习网络例如是ctpn网络，ctpn是一种基于目标检测方法的文本检测模型，对faster rcnn进行了改进，并结合双向lstm，所以ctpn对水平排列的文字检测效果非常好。ctpn的另一个亮点是将文本检测任务转化为一连串小尺度文本框的检测，转换为更细粒度的任务，可以得到更准确的文本框。将待测试文档导入第一深度学习网络ctpn进行通用文字图文检测，可以更准确地检测待测试文档中的文本框。
76.之后，在检测到文本框之后，将根据文本框对待测试文档中的文本进行文本匹配
和文本提取，如此即可更准确地获取到文本框中包括的文本内容。
77.然后，将提取的文本输入第二深度学习网络进行通用文字识别。第二深度学习网络例如是rcnn网络，一种用于图像的目标检测算法，通过rcnn网络进行通用文字识别，可以更准确地进行文字识别。通过第二深度学习网络对待测试文档进行处理，即可更准确地获取到待测试文档中包括的文本、判断符等，其中，判断符指的是流程图中常出现的“＞”、“＜”、“＝”等的特殊字符。
78.步骤s102：将待测试文档中包括的文本和判断符与待测试文档进行匹配，得到待测试文档的流程节点信息，流程节点信息包括的各个流程节点的元素属性和文字信息、以及流程节点之间的逻辑顺序和判断词。
79.在得到待测试文档中包括的文本和判断符之后，即可执行步骤s102，将待测试文档中包括的文本和判断符与待测试文档进行匹配，得到待测试文档的流程节点信息，流程节点信息包括各个流程节点的元素属性和文字信息、以及流程节点之间的逻辑顺序和判断词。在本发明的实施例中，待测试文档中包括流程图，具体地，可通过正则匹配的方法，将待测试文档中包括的文本和判断符与待测试文档进行匹配。根据待测试文档，即可得到流程图各个节点之间的逻辑关系等，通过建立正则匹配表达式，即可将步骤s101中得到的文本和判断符，与待测试文档中的流程图进行匹配，以得到该待测试文档中的流程图包括的各个流程节点的信息，具体地，流程节点信息包括各个流程节点的元素属性和文字信息、以及流程节点之间的逻辑顺序和判断词。
80.图3是本发明一个实施例的需求流程图示意图。在本发明的实施例中，待测试文档中即包括了需求流程图。如图3，其示出了部分的需求流程图。在需求流程图中，每个流程图组件都代表一个流程节点，根据流程节点所使用的流程图组件类型即可获取流程节点的元素属性，其中，若流程图组件为矩形组件，则流程节点的元素属性为过程元素；若流程图组件为菱形组件，则流程节点的元素属性为判断元素；若流程图组件为椭圆形组件，则流程节点的元素属性为开始或结束元素；若流程图组件为箭头组件，则流程节点的元素属性为流向元素。具体地，还可根据实际应用的需要对其他流程图组件对应的元素属性进行设定。
81.在每个流程节点中，不仅包括了其元素属性，同时还包括了其文字信息，即每个流程节点所使用的流程图组件中的文字信息。例如：图3中的菱形组件，该流程节点的元素属性为判断元素，其中的文字信息为“标准单计费是否成功”。在流程节点之间，根据箭头组件的方向即可得到流程节点之间的逻辑顺序；根据箭头组件上的文本即可得到流程节点之间的判断词。例如：菱形组件之后可能会执行文本内容为“计费失败”的流程节点，也可能会执行文本内容为“计费成功”的流程节点，并且，根据箭头组件上的文本“y”或“n”，可以得到执行不同流程节点对应的判断词。
82.另外，由于在实际运行过程中，一个复杂产品可能会分为多个模板进行开发，相应地，该产品的需求流程图就会包括多个子需求流程图，且每个子需求流程图对应一个模块开发，故而在对需求流程图进行流程节点信息提取时，还可以包括提取模块信息。
83.步骤s103：根据测试用例模板包括的字段，从流程节点信息中提取各个字段对应的字段值。
84.为了自动生成测试用例，本发明预先设置了测试用例模板，用于将待测试文档中的有用信息提取后保存到测试用例模板中，并根据测试用例模板来进行测试用例生成。
85.根据本发明的实施例，待测试文档中包括流程图，测试用例模板包括的字段例如可以包括：模块字段、场景字段、步骤描述字段和预期结果字段；
86.并且，根据测试用例模板包括的字段，从所述流程节点信息中提取各个字段对应的字段值包括：
87.对模块字段，直接从所述流程节点信息中提取所述模块字段的字段值；
88.对场景字段，从所述流程节点信息的过程元素中提取文字信息作为所述场景字段的字段值；
89.对步骤描述字段，从所述流程节点信息的判断元素中提取文字信息作为所述步骤描述字段的字段值；
90.对预期结果字段，从所述流程节点信息的判断元素中提取文字信息，并根据所述判断元素对应的流向元素的判断词生成所述预期结果字段的字段值。
91.在如图3所示的实施例中，通过深度学习网络和正则匹配对物流计费模块的需求流程图进行识别处理和匹配处理后，即可得到其对应的流程节点信息。根据测试用例模板包括的字段，从流程节点信息中提取到“物流计费”作为模块字段的字段值，并将该字段值填充到如下表1所示的测试用例模板中。其中，一个模块包括的测试用例会有多个，每条测试用例对应一条数据，测试用例的编号可根据数据行数自动生成。
92.之后，根据需求流程图中流程节点的元素属性及文本，比如矩形组件代表过程元素，菱形组件代表判断元素，箭头组件代表流向元素，以及箭头文字“是”“否”“n”“y”“成功”“失败”等，即可从流程节点信息中提取场景字段、步骤描述字段和预期结果字段的字段值。具体地，对场景字段，从流程节点信息的过程元素中提取文字信息作为场景字段的字段值；对步骤描述字段，从流程节点信息的判断元素中提取文字信息作为步骤描述字段的字段值；对预期结果字段，从流程节点信息的判断元素中提取文字信息，并将判断元素对应的流向元素的判断词生成预期结果字段的字段值。具体地，在生成字段值之后，还可以根据字段值进行语句补充等以得到完整的用例模板填充值，并填充到如下的表1中。
93.表1
[0094][0095]
步骤s104：使用测试用例编写方法对字段值进行逻辑处理以生成测试用例。根据本发明的实施例，利用常用的测试用例编写方法对字段值进行逻辑处理设计即可生成测试
用例，测试用例编写方法例如包含等价类划分、边界值、正交法、错误猜测法等，利用测试用例编写方法将测试用例模板中不同字段对应的字段值进行逻辑处理并组合，即可得到测试用例的步骤描述并格式化，生成预期结果。其中，在进行逻辑处理时，可以根据字段值进行语句补充以得到更清楚的步骤描述内容以及预期结果。
[0096]
根据本发明的其中一个实施例，使用测试用例编写方法对所述字段值进行逻辑处理以生成测试用例之前，还可以包括：
[0097]
根据预设的字段对应的取值范围，将从所述流程节点信息中提取的字段对应的字段值扩展为对应的取值范围；
[0098]
以及，使用测试用例编写方法对所述字段值进行逻辑处理以生成测试用例包括：
[0099]
根据所述字段对应的取值范围，使用测试用例编写方法分别对所述取值范围内的每个字段值进行逻辑处理以生成多个测试用例。
[0100]
例如：假设某字段对应的取值范围为1
‑
100(该字段值限定为正整数)，从流程节点信息中提取的该字段对应的字段值为50，则可将该字段对应的字段值扩展位对应的取值范围1
‑
100。之后，在生成测试用例时，通过对取值范围内的每个字段值进行逻辑处理，即可生成100个测试用例。
[0101]
最后，将生成的测试用例与用例库对接，组合形成的每条数据中的字段自动识别用例模版字段，并将对应信息保存到模板每行对应的字段下，最终行成场景测试用例的正常场景、异常场景等。
[0102]
根据上述的步骤s101至步骤s104，即可通过深度学习技术，对待测试文档进行识别匹配处理，并基于测试用例模板自动生成测试用例，解决了由测试人员手动编写测试用例所带来的人力和时间成本浪费以及效率低的问题。
[0103]
图2是本发明一个实施例的生成场景用例的流程示意图。在该实施例中，以根据待测试文档中的需求流程图生成场景用例为例进行说明。如图2所示，本发明实施例的生成场景用例的流程主要包括：
[0104]
1、将需求流程图导入深度学习网络进行通用文字、图文检测；
[0105]
2、对需求流程图中的图文及有效信息进行匹配和提取；
[0106]
3、将流程图输入深度学习网络进行通用文字识别；
[0107]
4、结合通用文字检测识别结果得到流程节点信息；
[0108]
5、按照测试用例编写方法进行逻辑组合处理；
[0109]
6、测试用例库端接收任务；
[0110]
7、自动填充测试用例模板；
[0111]
8、生成场景测试用例并保存。
[0112]
图4是根据本发明实施例的生成测试用例的装置的主要模块示意图。如图4所示，本发明实施例的生成测试用例的装置400主要包括识别处理模块401、匹配处理模块402、字段值提取模块403和逻辑处理模块404。
[0113]
识别处理模块401，用于通过深度学习网络对待测试文档进行识别处理得到所述待测试文档中包括的文本和判断符；
[0114]
匹配处理模块402，用于将所述待测试文档中包括的文本和判断符与所述待测试文档进行匹配，得到所述待测试文档的流程节点信息，所述流程节点信息包括各个流程节
点的元素属性和文字信息、以及流程节点之间的逻辑顺序和判断词；
[0115]
字段值提取模块403，用于根据测试用例模板包括的字段，从所述流程节点信息中提取各个字段对应的字段值；
[0116]
逻辑处理模块404，用于使用测试用例编写方法对所述字段值进行逻辑处理以生成测试用例。
[0117]
根据本发明的一个实施例，识别处理模块401还可以用于：
[0118]
通过第一深度学习网络对待测试文档进行文字图文检测，以检测所述待测试文档中的文本框；
[0119]
根据所述文本框进行文本匹配和提取；
[0120]
将提取的文本输入第二深度学习网络进行通用文字识别，以得到所述待测试文档中包括的文本和判断符。
[0121]
根据本发明的另一个实施例，生成测试用例的装置400还包括字段值扩展模块(图中未示出)，用于：
[0122]
使用测试用例编写方法对所述字段值进行逻辑处理以生成测试用例之前，根据预设的字段对应的取值范围，将从所述流程节点信息中提取的字段对应的字段值扩展为对应的取值范围；
[0123]
以及，逻辑处理模块404还可以用于：
[0124]
根据所述字段对应的取值范围，使用测试用例编写方法分别对所述取值范围内的每个字段值进行逻辑处理以生成多个测试用例。
[0125]
根据本发明的又一个实施例，所示待测试文档包括流程图，所述流程节点的元素属性根据流程节点所使用的流程图组件类型来获取，其中，
[0126]
若流程图组件为矩形组件，则流程节点的元素属性为过程元素；
[0127]
若流程图组件为菱形组件，则流程节点的元素属性为判断元素；
[0128]
若流程图组件为椭圆形组件，则流程节点的元素属性为开始或结束元素；
[0129]
若流程图组件为箭头组件，则流程节点的元素属性为流向元素。
[0130]
根据本发明的再一个实施例，所述测试用例模板包括的字段包括：模块字段、场景字段、步骤描述字段和预期结果字段；
[0131]
并且，字段值提取模块403还可以用于：
[0132]
对模块字段，直接从所述流程节点信息中提取所述模块字段的字段值；
[0133]
对场景字段，从所述流程节点信息的过程元素中提取文字信息作为所述场景字段的字段值；
[0134]
对步骤描述字段，从所述流程节点信息的判断元素中提取文字信息作为所述步骤描述字段的字段值；
[0135]
对预期结果字段，从所述流程节点信息的判断元素中提取文字信息，并根据所述判断元素对应的流向元素的判断词生成所述预期结果字段的字段值。
[0136]
根据本发明实施例的技术方案，通过深度学习网络对待测试文档进行识别处理得到待测试文档中包括的文本和判断符；将待测试文档中包括的文本和判断符与待测试文档进行匹配，得到待测试文档的流程节点信息，流程节点信息包括的各个流程节点的元素属性和文字信息、以及流程节点之间的逻辑顺序和判断词；根据测试用例模板包括的字段，从
流程节点信息中提取各个字段对应的字段值；使用测试用例编写方法对字段值进行逻辑处理以生成测试用例，实现了通过深度学习技术，对需求流程图进行识别匹配处理，并基于测试用例模板自动生成测试用例，解决了测试人员在获得产品需求流程图等的待测试文档后手工编写场景测试用例而带来的人力和时间成本浪费的问题，能快速获得接口测试用例，用ai智能测试替代部分人工成本，同时还可以帮助测试人员提高工作效率、时间利用率，提早发现问题，且生成的测试用例便于管理和查阅。
[0137]
图5示出了可以应用本发明实施例的生成测试用例的方法或生成测试用例的装置的示例性系统架构500。
[0138]
如图5所示，系统架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0139]
用户可以使用终端设备501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用，例如测试类应用、网页浏览器应用、软件测试类应用、测试用例类编辑工具等(仅为示例)。
[0140]
终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
[0141]
服务器505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503所发来的测试用例生成请求提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的测试用例生成请求等数据通过深度学习网络对待测试文档进行识别处理得到所述待测试文档中包括的文本和判断符；将所述待测试文档中包括的文本和判断符与所述待测试文档进行匹配，得到所述待测试文档的流程节点信息，所述流程节点信息包括的各个流程节点的元素属性和文字信息、以及流程节点之间的逻辑顺序和判断词；根据测试用例模板包括的字段，从所述流程节点信息中提取各个字段对应的字段值；使用测试用例编写方法对所述字段值进行逻辑处理以生成测试用例，并将处理结果(例如生成的测试用例
‑‑
仅为示例)反馈给终端设备。
[0142]
需要说明的是，本发明实施例所提供的生成测试用例的方法一般由服务器505执行，相应地，生成测试用例的装置一般设置于服务器505中。
[0143]
应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
[0144]
下面参考图6，其示出了适于用来实现本发明实施例的终端设备或服务器的计算机系统600的结构示意图。图6示出的终端设备或服务器仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0145]
如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram 603中，还存储有系统600操作所需的各种程序和数据。cpu 601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
[0146]
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；
以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
[0147]
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本发明的系统中限定的上述功能。
[0148]
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0149]
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0150]
描述于本发明实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，例如，可以描述为：一种处理器包括识别处理模块、匹配处理模块、字段值提取模块和逻辑处理模块。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定，例如，识别处理模块还可以被描述为“用于通过深度学习网络对待测试文档进行识别处理得到所述待测试
文档中包括的文本和判断符的模块”。
[0151]
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：通过深度学习网络对待测试文档进行识别处理得到所述待测试文档中包括的文本和判断符；将所述待测试文档中包括的文本和判断符与所述待测试文档进行匹配，得到所述待测试文档的流程节点信息，所述流程节点信息包括的各个流程节点的元素属性和文字信息、以及流程节点之间的逻辑顺序和判断词；根据测试用例模板包括的字段，从所述流程节点信息中提取各个字段对应的字段值；使用测试用例编写方法对所述字段值进行逻辑处理以生成测试用例。
[0152]
根据本发明实施例的技术方案，通过深度学习网络对待测试文档进行识别处理得到待测试文档中包括的文本和判断符；将待测试文档中包括的文本和判断符与待测试文档进行匹配，得到待测试文档的流程节点信息，流程节点信息包括的各个流程节点的元素属性和文字信息、以及流程节点之间的逻辑顺序和判断词；根据测试用例模板包括的字段，从流程节点信息中提取各个字段对应的字段值；使用测试用例编写方法对字段值进行逻辑处理以生成测试用例，实现了通过深度学习技术，对待测试文档进行识别匹配处理，并基于测试用例模板自动生成测试用例，解决了测试人员在获得产品需求流程图等待测试文档后手工编写场景测试用例而带来的人力和时间成本浪费的问题，能快速获得接口测试用例，用ai智能测试替代部分人工成本，同时还可以帮助测试人员提高工作效率、时间利用率，提早发现问题，且生成的测试用例便于管理和查阅。
[0153]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。