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YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
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和OpenCV实现车辆跟踪计数(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 | 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 | 深度学习检测小目标常用方法
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>>
OpenCV中的监督学习
查看>>
opencv中读写视频
查看>>
opencv之cv2.findContours和drawContours(python)
查看>>
opencv之namedWindow,imshow出现两个窗口
查看>>
opencv之模糊处理
查看>>
Opencv介绍及opencv3.0在 vs2010上的配置
查看>>
OpenCV使用霍夫变换检测图像中的形状
查看>>
opencv保存图片路径包含中文乱码解决方案
查看>>
OpenCV保证输入图像为三通道
查看>>