（笔记）计算机科学和PYTHON编程导论第七讲——调试_计算机科学和python编程导论期中测试-CSDN博客

本文链接：https://blog.csdn.net/u013052955/article/details/79892555

课程内容及目标：

讨论测试和调试。讨论如何测试代码，以确定是否可能有bug
黑盒测试
白盒测试
讨论调试的相关技术

1.我们应该在什么时候进行测试？什么时候调试bug

如果我们提前弄清楚如何设计我们的代码，那么测试和调试将会更加简单。

优秀的程序员会如何设计：

(1)将代码分解成独立的模块，从而独立地进行测试和调试

(2)写出好的文档。在进入代码前，认真想想并写下你下一步将干什么，我对输入的期望是什么？我对输出的期望是什么？

(3)会记录下可能的假设

一旦我们设计好了代码，就可以进行测试了。为了测试它，基本上我们需要做两件事：

(1)剔除任何的语法错误

(2)删除任何静态语义错误

2.测试的方法：

目标：

(1)确认错误确实存在

(2)如果能证明bug不存在是最好的，但事实上，难以做到。比起证明一件事情不存在，证明一件事情存在要容易得多。

我们没有时间去将所有的可能性都测试一遍，所以需要一种方法来完成测试。我们来分析一下：

我们想做的是找到一系列输入，它们很有可能暴露错误，但这样的测试实际上非常有效，这就是所谓的测试套件，其思想就是我们将进行分解，将输入分解成子集，为代码正确性提供等效信息。所以我们要做的是将所有可能的输入集分割成一系列的子集，并且保证每个元素都在一个子集里。一旦分解完成，将会构建一个测试集，其中至少包含每个子集中的一个元素。从每个子集中，挑选一个输入元素，然后运行测试，看是否能够成功。举个栗子：

def isBigger(x, y):
    '''
    功能：判断x是否大于y，假设x和y都是整型
    如果x<y将返回真，否则为假
    '''

输入空间：所有成对的整数

可能的分割：

——x为正，y为正

——x为负，y为负

——x为正，y为负

——x为负，y为正

——x=0，y=0

——x=0，y≠0

——x≠0，y=0

这样分解的原因：

其实还有很多分割的方法，如x是个质数而y不是质数等等，但是这种分割方法跟问题不相关。这个输入空间的分割其实被称为自然分区，即看到整数，那它自然有正数、负数和0三种分区。当然我们也可以分割成九种情况。毕竟x和y分别有正数、负数和0三种情况。

构成测试套件：

(1)通过特定分类使用启发式的方法探索路径，称之为黑盒测试：

优点：可以避免发生偏见；测试不需要实施的知识。

这里有段代码：

def sqrt(x, eps):
    """Assumes x,eps floats
        x>=0
        eps>0
      return res such that
        x-eps<=res*res<=x+eps"""

规格路径：

——x=0

——x>0

按理来说需要两种测试用例即可。但是这是不够的。有了经典测试还应该有边界测试，如下面的几个测试用例可以很好地体现这一点：

x	eps
0.0	0.0001
25.0	0.0001
.05	0.0001
2.0	0.0001
2.0	1.0/2.0**64.0
1.0/2.0**64	1.0/2.0**64.0
2.0**64.0	1.0/2.0**64.0
1.0/2.0**64.0	2.0**64.0
2.0**64.0	2.0**64.0

前四个测试为经典测试，注意到eps非常小，精确度很高，非常接近答案。然后从规格中选择了0这个示例，然后是一些正值的示例。还挑选了一个完美的可被平方根的25.0，还有根不是很合理的平方数。接下里，就是边界测试了，第五行x仍旧选择了和经典测试中相同的2.0，然而eps被赋予了特别小的值。接下来的几行，例子中的x要么非常大，要么非常小，与此同时，eps要么非常大，要么非常小

(2)基于代码本身使用启发式的方法探索路径，称之为白盒测试：

这个方法要利用代码本身进行检测。一个好的白盒检测套件，也被称作穷举路径测试，其中代码片段的每一条可能路径至少都被检测了一次，但几乎不可能。如果有一个循环执行了10亿次，我们可能就不能够完成这个任务了。我们可以提供几个不同的检测方案，这和递归有异曲同工之妙。举个例子：

def abs(x):
    """Assumes x is an int
       returns x if x>=0 and -x otherwise"""
    if x<-1:
        return -x
    else:
        return x

这段代码用于寻找绝对值。那么测试套件的选择：

{-2,2}，这是个穷举测试路径，既检测了if，还检测了else

但是漏了-1这种情况，当x为-1时应该执行if语句而不是执行else语句。即我们依旧要检验边界情况，即：

{-2,-1,2}

这里有几条要遵守的规则：

<1>确保检查了if语句的所有分支

<2>确保都测试了每次例外

<3>如果我有一个循环，一个for循环，要检测循环之前的程序，即循环体刚好被执行了一次，或者该循环体本应执行多次，如前面所述，不可能执行所有检测，那么我们可以抽取三个案例，因为它们很可能暴露错误。

<4>对while循环也是如此

<5>如果有个递归函数，那么需要测试一下没有递归调用会发生什么。如果刚好有一个递归调用，又会发生什么。同样，有多次递归又会发生什么。即0次、1次和多次的测试。

3.开始测试：

将从名为单元测试（unit testing）的方法入手：

单元测试会选择一个模块，比如一个函数，然后检测它。用输入值检测它，这些结果应该是我们可以预期的。这就会抓住一些算法错误。

完成单元测试后，下一步就是进行集成测试（integration testing），检验作为整体的系统是否正常工作。如果有若干个互相作用的函数，这将会抓住一些所谓的交互错误。

循环以上两个步骤，直到抓到了所有可能的错误。

还有一个测试很有用，就是建立一个测试驱动。驱动就是代码，建立它们就是为了进行测试。首先将会创建一段代码，从而绑定全局变量、数据结构以及其他我需要做测试的东西，之后拿着这套检测套件——即输入序列——在每一种检测手段中都运行一遍这段代码，保存结果，并且输出报告

注意，在循环测试完毕后，还要进行回归测试，即将之前用于测试的套件在新的代码汇总进行测试。

4.调试（Debugging）：

错误分为显性错误和隐性错误，永久性错误和间歇性错误。

如何调试：

①研究手头的数据。正确的测试用例和错误的测试用例都要看。

②建立一个和数据一致的假设

③设计并运行一个可重复的实验，但会包含驳回假设的可能性。

④要一直记录游览一遍实验中所做的事，这会帮助我们缩小假设的范围，即代码中什么出错了。

然后将调试看做检索。我们要做的是选出可能出现错误的范围，然后把它不断缩小。设计一些东西，帮助我们暴露计算的中间环节。一个非常好并简单的工具就是打印语句。举个例子：

下面代码用于检测是否是回文结构：

def isPal(x):
    assert type(x) == list
    temp = x
    temp.reverse
    if type == x:
        return True
    else:
        return False

def silly(n):
    for i in range(n):
        result = []
        elem = raw_input('Enter element:')
        result.append(elem)
    if isPal(result):
        print('Yes')
    else:
        print('No')

进行测试发现，输入'ab'后依旧返回Yes，出现错误，那么使用二分查找来分离出错误的具体位置：

选择代码的中点并放置一个打印语句：