博客
关于我
H5测试点(思维导图)
阅读量:628 次
发布时间:2019-03-14

本文共 649 字,大约阅读时间需要 2 分钟。

H5测试点(思维导图)

目录

接口测试

1.1 接口常见问题

  • 默认值传参:确保接口默认值的有效性和适用场景。
  • 参数是否必填:确认无必填参数的关键性处理逻辑错误。
  • 参数关联性:验证参数是否存在关联性规则(如依赖关系)。
  • 参数类型:检查参数类型是否与接口定义一致。

1.2 接口测试点

  • 默认值传参:确认默认值是否能够正确替代或设置参数。
  • 参数是否必填:检查系统是否正确处理缺失参数,或默认值是否生效。
  • 参数关联性:查找不同参数间的相互影响规则(如依赖关系)。
  • 参数类型:验证所有参数均符合预期类型要求。

常规业务功能逻辑测试

  • 关键业务场景:包括登录、注册、购物、结账等核心功能。
  • 流程正确性:确保业务流程符合操作规范,运行流畅无异常。
  • 边界条件:涵盖特殊输入值(如0、最大值、最小值)验证系统响应。

常规之外着重注意测试点

  • 异常处理效率:检查错误信息是否及时返回,系统是否能优雅处理异常。
  • 性能瓶颈:重点测试资源占用、响应时间等核心指标。
  • 兼容性测试:确保接口兼容性,支持多种终端及浏览器。

安全相关测试

  • 输入限制:验证字段输入范围和数据验证规则。
  • 数据加密:检查敏感数据是否采用加密存储和传输方式。
  • 权限控制:确保不同用户权限范围内操作仅限于其权限。
  • 防止XSS攻击:审查输入输出流程,确保安全防护措施有效。

如果您觉得文章内容有价值,请分享给更多技术爱好者,让他们受益匪浅,因为这将是我持续输出更多优质测试文章的主要动力!

你可以在技术交流群讨论更多软件测试资源和面试技巧,欢迎加入共赴进步的旅程!

转载地址:http://pgsoz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>