黑盒测试实战：人民币数字大写转换的用例设计与缺陷分析-北京尧图网络

简介中科大软测实验一《人民币数字大写转换黑盒测试实验报告》是一份软件测试课程实验报告范例面向高校软件工程、计算机相关专业学生和初步接触测试的读者。报告基于Windows 7与Visual Studio 2010环境围绕人民币数字大写转换功能系统展示黑盒测试的完整流程重点覆盖等价类划分、边界值分析和因果图三类用例设计方法并给出测试用例的预期输入、实际输出以及测试记录。压缩包内为1个PDF文档大小417KB目录清晰包含引言、引用文件、测试结果概述、详细测试结果、评价和测试活动总结等模块。目前已有427人学习/下载。阅读此报告可快速了解黑盒测试报告的结构与写法掌握输入域划分、边界取值和因果图构造的实操思路对完成软件测试作业或规范测试文档有直接参考价值。1. 话从黑盒说起为什么一个“人民币数字大写转换”能写满一份实验报告把同一个人民币大写转换函数交给三个团队实现对1001.05这个输入可能会得到“壹仟零壹元零伍分”“壹仟零壹元伍分”和“壹仟零零壹元零伍分”三种输出。黑盒测试的目的就是不看内部实现仅凭输入输出把这些差异找出来并判定哪一个是程序缺陷。中科大《软件测试》实验一选择这个题目原因就在这输入域可以无限扩展业务规则又明确到可以裁决对错还自带数字精度和中文单位两套系统。这篇文章按黑盒测试的流程来梳理先定义被测对象的业务规则再设计覆盖等价类、边界值和判定表的用例集最后把用例集变成可重复执行的测试脚本适合正在写实验报告的学生也适合刚做接口测试的工程师参考。2. 先钉住业务规则人民币大写转换的输入域与输出格式黑盒测试的第一步不是写用例而是把“预期输出”的标准定下来。人民币数字大写转换的公共业务规则并不复杂但在实验报告里最容易被扣分的恰恰是规则定义不完整只说“转换正确”却没有说明零、整、角分位缺失时应该输出什么。没有这个前提后续所有用例都缺少断言依据。2.1 被测对象与输出规则我一般会把规则拆成一张可以引用的表每条规则给编号实验报告的“预期输出”列后面标注对应规则号方便老师复核。规则编号规则含义示例输入预期输出R1数字字符与汉字一一对应1.00壹元整R2连续多个零只保留一个“零”1001.00壹仟零壹元整R3角位为零但分位不为零要补“零”1.05壹元零伍分R4角位不为零、分位为零末尾补“整”1.10壹元壹角整R5输入为零输出“零元整”0.00零元整R6输入超范围或精度超分位报错100.001金额无效这张表的重点是 R2、R3、R4 三条。它们决定了输出里“零”和“整”两个字是否出现而这两个字正是实现中分歧最大的地方。常见实现差异包括R3 里“零”可以被省略R4 里“整”可以被丢弃R5 里“零元整”被写成“零元”。实验报告里如果有歧义正确的做法是先注明“以规则表为准”再执行用例。2.2 从业务规则到测试维度在动手设计用例前先把规则翻转为黑盒测试的输入维度。一个金额字符串由五个维度组成数值大小零、最小金额、个位、十位、百位、千位、万位、亿位、千亿位小数位无小数、一位小数、两位小数、超过两位小数零的分布无零、整数部分单个零、整数部分连续零、角位零、分位零符号正数、负数、零输入格式纯数字、前导零、尾随点、千分位、全角数字这五个维度不是等权的。对于课程实验这类没有完整需求文档的被测件我会默认按“最大兼容口径”来设计支持负数、支持字符串格式归一化、支持超过两位小数时报错。如果被测实现不满足其中某条就在报告的“需求差异”里记录而不是直接删除这条用例。这样写出来的报告结论更有说服力。2.3 用锚点样例圈出核心风险区直接写完整测试集容易漏点。我的习惯是先定一组锚点样例每个样例只针对一个风险点跑通之后再扩展。anchor_cases [ 0, # R5零的特殊输出 0.01, # 最小可用金额分位无角 0.10, # 角位非零、分位为零验证 R4 1, # 整数无小数位 10, # 十位进位 1001, # 整数中间单个零验证 R2 10010, # 整数中间连续零与末尾零 100.01, # 角位为零、分位非零验证 R3 1001.10, # 整数零小数尾零同时触发 R2/R4 9999.99, # 万元进位前最后一条 10000.00, # 万元进位点 100000000000.00, # 千亿位边界 -1.00, # 负数口径 01.00, # 前导零口径 1., # 尾随点口径 ]逻辑说明前 4 个用例是精度最小的回归集负责验证基础映射中间 4 个围绕“零”字的出现位置布局是不同实现分歧最大的区域最后 4 个针对格式容错和边界溢出属于黑盒攻击点。参数调整上如果被测实现不支持负数把-1.00这行标记为“异常输入”不参与转换结果比较如果被测实现有金额上限把100000000000.00换成“上限值 1”这个取值。锚点样例不用全部放进报告正文但必须出现在附件或附录里作为扩展用例的基线。3. 黑盒测试用例设计等价类、边界值与判定表的落地组合课程实验报告最忌讳的是用例表里堆几百条相似数据。评审老师看的是设计思路等价类划分考验“能不能收住输入域”边界值分析考验“能不能找到临界点”判定表考验“能不能处理条件组合”。这三件套做完用例数量自然控制在 40 到 60 条覆盖却可以到全量。3.1 等价类划分先把无限输入收进有限集合金额输入从数学上是无限的但程序能接受的合法形态是有限的。我把输入先分成有效与无效两大类。等价类编号等价类描述代表输入预期走向EC-01合法整数金额100正常转换EC-02合法一位小数金额100.1正常转换EC-03合法两位小数金额100.01正常转换EC-04空字符串异常EC-05含非数字字符10a异常EC-06小数位超过两位100.001异常有效等价类还应该覆盖“整数部分长度 1 位、2 位、3 位、4 位、5 位以上”的子类因为这些区间对应个、十、百、千、万这几个中文单位。无效等价类的重点是验证被测实现外层有没有校验逻辑——很多实现拿到或10a会直接抛异常但拿到100.001会先做浮点转换再舍入导致静默产生错误结果。这组用例就是用来抓这种静默错误的。3.2 边界值分析围绕进位和零位布点边界值分析和等价类的区别在于等价类关心“属于哪个集合”边界值关心“集合边缘的那一条”。对人民币大写转换来说最敏感的边界是进位点和精度边界。边界类型输入预期输出要点最小金额0.01壹分而不是零元零角壹分角分边界0.09 / 0.10玖分 / 壹角分位进位到角位元位进位0.99 / 1.00玖角玖分 / 壹元整十元进位9.99 / 10.00玖元玖角玖分 / 壹拾元整百元进位99.99 / 100.00玖拾玖元玖角玖分 / 壹佰元整千元进位999.99 / 1000.00玖佰玖拾玖元玖角玖分 / 壹仟元整万元进位9999.99 / 10000.00玖仟玖佰玖拾玖元玖角玖分 / 壹万元整这一组用例的用意不在数量多而在逼出进位逻辑的偏差。常见缺陷包括10000.00被输出为“壹万零元整”多了一个零10.00被输出为“壹拾元零角零分”没有按 R4 省略零角零分。每一条边界都要在报告中留出“实际输出”列因为边界用例通过率往往比普通用例低一个档次。3.3 判定表驱动用例生成用零位拆出口径判定表是处理“零”与“整”两个字最合适的技术。角位和分位是否为零两两组合后有四条规则输出行为完全不同。这个交叉点用等价类划分表达不清楚用边界值也只能覆盖其中的一部分。组合编号角位分位预期输出片段输入样例DT-1为 0为 0“元整”结尾1.00DT-2为 0不为 0“元零 X 分”1.05DT-3不为 0为 0“元 X 角整”1.10DT-4不为 0不为 0“元 X 角 X 分”1.15规则解释DT-2 必须补“零”否则输出会变成“壹元伍分”读起来违反中文金额习惯DT-3 必须用“整”收尾否则输出会停在“壹元壹角”语义不完整DT-4 反而不能加“整”加了就属于冗余输出。这三条规则是设计判定表的核心依据。判定表还可以继续扩展把整数部分是否含零加进来作为第三个条件。总共形成 2 × 2 × 2 8 条规则但在实验报告里我建议只保留上述四条基础规则把整数零单独放在等价类里去测否则判定表的可读性会下降。3.4 场景法与缺陷模式的映射除了单输入的黑盒用例还要按场景法设计几条操作流。主场景是“输入合法金额 → 转换成功 → 返回大写字符串”扩展流是“输入非法金额 → 报错 → 提示重新输入”异常流是“输入超大金额 → 拒绝转换 → 记录日志”。场景法在这里的价值在于验证被测系统的整体行为而不仅仅是转换函数本身。缺陷模式与用例之间存在明显的映射关系这组映射可以直接写进实验报告的“缺陷分析”章节缺陷模式暴露它的用例输入典型错误输出角分漏零100.05壹佰元伍分缺零连续零未压缩1001.00壹仟零零壹元整尾零误用1.10壹元壹角零分应为壹角整进位溢出99999999.99科学计数法或截断格式归一化缺失01.00报错而不是转换4. 从手工用例到回放器把实验报告升级成可重复的测试工程手工执行用例可以完成一份课程报告但无法回答“如果我改了转换逻辑哪些用例要重跑”这个问题。把用例集转化成可重复执行的测试脚本是黑盒测试从手工走向工程化的关键一步。这一步在实验报告里可以放在“测试结果分析”之后作为附加内容体现工作量。4.1 用例文件的最小格式测试用例统一放在一个 CSV 文件里字段固定为id,input,expected三列。用 CSV 而不是 Excel 的原因是CSV 可以直接被脚本读取也可以在 Excel 里打开再导出两边都兼容。id,input,expected B01,1001.05,壹仟零壹元零伍分 B02,1.10,壹元壹角整 B03,0.00,零元整 B04,0.01,壹分 B05,9999.99,玖仟玖佰玖拾玖元玖角玖分预期输出列建议手工填写不要用被测实现生成。否则整个测试就失去了独立性拿被测系统的输出当作预期再拿被测系统的输出去匹配永远只会得到 100% 通过率的假象。实验报告里如果这么做评审一眼就能看出来。4.2 用 Python 写一个轻量回放脚本拿到 CSV 用例文件后回放器的逻辑可以写得非常简单读取每一行、调用被测转换函数、比较实际输出与预期输出、记录结果到 JSON 文件。import csv import json import importlib from pathlib import Path def replay(converter, case_rows): results [] for row in case_rows: try: actual converter(row[input]) except Exception as exc: actual fEXC: {exc} results.append({ id: row[id], input: row[input], expected: row[expected], actual: actual, match: actual row[expected], }) return results def main(csv_file, module_name): rows list(csv.DictReader(open(csv_file, encodingutf-8-sig))) module importlib.import_module(module_name) results replay(module.convert_to_chinese, rows) Path(replay_report.json).write_text( json.dumps(results, ensure_asciiFalse, indent2), encodingutf-8) print(passed:, sum(r[match] for r in results), /, len(results)) if __name__ __main__: main(cases.csv, student_solution)逻辑说明代码的核心是replay函数它把被测转换函数视为一个纯函数输入字符串、输出字符串所有异常都被捕获并记录到actual字段。match字段用布尔值标记是否一致后续统计通过率只需要对match求和。参数说明cases.csv的列名必须是id,input,expectedmodule_name是被测模块名如果被测代码在子目录里先执行sys.path.insert(0, 目录路径)再导入。命令行运行方式为python replay.py cases.csv student_solution不需要安装任何第三方库。4.3 用报告日志定位零和整的缺陷回放脚本跑完重点看match为False的用例。实验报告里分析缺陷时我不会只看“失败”两个字而是把差异精确到字符比较预期输出和实际输出之间差了几个字、少了哪个字。python replay.py cases.csv student_solution run_log.txt grep -E passed|EXC run_log.txt在replay_report.json中expected和actual两个字段可以直接对比。最常见的差异模式有三种缺“零”、多“整”、单位错位。缺“零”对应 R3 规则覆盖不足多“整”对应 R4 规则理解错误单位错位基本集中在拾与佰的边界。课程报告的结论部分不要写成“全部通过”更合理的表述是“通过率 96.7%2 条差异集中在角位零分位的处理上缺陷根因是 R3 规则未实现”。这样的结论既体现了黑盒测试的执行结果又给后续白盒修缺陷留了入口。5. 落地实验报告的十个排错细节精度、零、边界与被忽略的口径5.1 精度问题先判类型再判结果金额转换的黑盒测试最隐蔽的坑是浮点精度。Python 里0.1 0.2不等于0.3如果被测实现内部用浮点数计算金额99999999.99这类输入可能出现末位误差。测试侧的正确做法是输入一律使用字符串不转 float被测实现返回结果后先用Decimal归一化再比较超过两位小数的输入直接判定为非法不参与转换5.2 容易被误判的边界情况输入常见错法正确处理0.10输出“壹角”如果需求标注“角位为零分位也为零才加整”壹角可接受否则补整1.报错归一化为“1”再转换01.00拒绝归一化为“1.00”再转换1001.00壹仟零壹元补“整”更完整0.01零角壹分最简输出“壹分”1001.05壹仟零壹元伍分必须补零壹仟零壹元零伍分100000000000.00输出截断或溢出按需求决定是否支持“千亿”或“万亿”这份表格可以直接搬进实验报告的“测试中发现的问题”部分每条对应一个真实缺陷记录评审时信息密度比泛泛的“发现若干边界问题”高得多。5.3 用反向复核法把预期输出表审计一遍这里有一个可以立即用起来的技巧把已经填好的“预期输出”列做一次反向转换把中文大写金额转回十进制数字再与原始输入比对。正向转换容易因为规则理解偏差写错预期反向复核能抓出“零”和“整”的位置错误。CN_DIGITS 零壹贰叁肆伍陆柒捌玖 def reverse_check(cn: str) - bool: # 仅示意检查大写字符串中是否含有非法汉字 for char in cn: if char not in CN_DIGITS 元角分整拾佰仟万亿负: return False return True这个函数不验证语义只验证字符合法性。完整的反向复核要处理“壹仟零壹元”和“壹仟零壹元整”都能对应同一个数值的歧义这在课程实验里不需要完全实现。操作步骤很简单把报告里的预期输出列复制成纯文本逐行跑一遍校验出现非法字符或明显缺单位的行标记为“待复核”。执行完成后再决定是否调整预期输出还是判定被测实现存在缺陷。本文还有配套的精品资源点击获取

黑盒测试实战：人民币数字大写转换的用例设计与缺陷分析

相关推荐

OpenResearch：本地优先的科研操作系统

机器学习在黄铁矿微量元素分析中的应用：以造山型金矿为例

光伏大数据平台解决方案：从数据治理到智能运维的落地实践

更多资讯

Enzyme ShallowWrapper.forEach() 详解：遍历浅渲染节点并链式操作

Vue 3 组合式函数替代 Mixin：从底层原理到完整迁移实践

独立开发与AI编程实战：从部署踩坑到性能优化月度复盘

7天掌握CSS 3D变形：透视、动画与面试实战

微信小程序性格测试开发全解析：从计分逻辑到支付v3对接

VLC 仓库 checkasm 测试编写完全指南：从 API 命名到汇编级验证与基准测试

今日更新

深入解析Transformer多头注意力机制与工程优化

OpenClaw 的 Skills 跑学习任务，模型通道改到 TaoToken 通道行不行？

ChatGPT报错Oops, an error occurred! 全链路排查指南

本周精选

深入解析Transformer多头注意力机制与工程优化

OpenClaw 的 Skills 跑学习任务，模型通道改到 TaoToken 通道行不行？

ChatGPT报错Oops, an error occurred! 全链路排查指南

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？