测试用例设计方法实战 – 等价类划分与边界值分析的正确打开方式

前言

做测试这些年，我见过太多同行写用例的方式：要么照着需求文档逐条翻译，要么凭感觉想到哪写到哪。结果呢？用例数量不少，但关键场景漏了、边界值没覆盖、重复用例一堆。

测试用例设计的核心问题不是"写多少"，而是怎么用最少的用例覆盖最多的场景。等价类划分和边界值分析就是解决这个问题的两把利器。今天这篇文章，我会把这两项技术从原理到实战完整讲透，并补充我在项目中总结的实战技巧。

一、为什么需要等价类划分和边界值分析？

1.1 穷举测试是不现实的

假设一个输入框接受1-100的整数，如果穷举测试，需要测试100个有效值加上无数个无效值。这在时间和资源上根本不可行。

等价类划分和边界值分析的核心思想是：不需要测试每个值，只需要测试每个"等价类"的代表值和"边界"上的值。

1.2 缺陷聚集在边界

大量研究表明，软件缺陷往往聚集在输入范围的边界附近。比如：

• 一个接受1-100的输入框，bug最可能出现在输入0、1、100、101这些值时
• 一个接受6-10位密码的字段，bug最可能出现在5位、6位、10位、11位时

这就是边界值分析的理论基础：在边界处找bug，效率最高。

二、等价类划分：用分组代替穷举

2.1 什么是等价类划分？

等价类划分（Equivalence Partitioning，简称EP）是一种黑盒测试技术，它将输入数据划分为若干个"等价类"——同一等价类中的值，预期会被程序以相同方式处理。因此，每个等价类只需选取一个代表值进行测试。

2.2 等价类的分类

输入域
├── 有效等价类：符合需求的输入，程序应正常处理
└── 无效等价类：不符合需求的输入，程序应拒绝或提示错误

2.3 实战案例：披萨订购数量

原文中的经典案例：一个披萨订购系统，数量输入框接受1-10的整数。

不使用等价类： 需要测试1, 2, 3, ..., 10, 0, -1, 11, 12, ..., 99, 100, ... → 无穷无尽

使用等价类划分：

从无穷多个测试值缩减到5个，覆盖率却不降反升——因为每个等价类中的值行为一致，测一个就等于测了全部。

2.4 等价类划分的适用范围

等价类划分不仅适用于数值输入，还适用于：

三、边界值分析：在缺陷最密集的地方下功夫

3.1 什么是边界值分析？

边界值分析（Boundary Value Analysis，简称BVA）是对等价类划分的补充。它专门测试等价类边界上的值，因为边界是缺陷最容易出现的地方。

3.2 五点边界法

对于一个范围 [min, max]，BVA测试以下5个关键点：

值：    min-1   min   min+1   ...   max-1   max   max+1
        ──────┼────┼──────────────┼────┼────┼──────
测试：   ✗      ✓     ✓           ✓    ✓    ✗
        无效   边界  边界内       边界内 边界  无效

3.3 实战案例：密码字段验证

密码字段要求6-10位字符，使用边界值分析：

我的实战补充： 很多测试人员只测min和max，忽略了min-1和max+1。但恰恰是这两个"刚好越界"的值，最容易暴露出off-by-one错误（差一错误）。比如开发写成了 if len(password) > 6 而不是 >= 6，6位密码就会被错误拒绝。

四、等价类划分 vs 边界值分析：如何配合使用？

两种技术不是替代关系，而是互补关系：

最佳实践：先EP后BVA

Step 1: 用等价类划分确定有效/无效分组
Step 2: 对每个等价类的边界做边界值分析
Step 3: 合并去重，形成最终用例集

五、进阶实战：多字段组合的用例设计

单个字段的等价类和边界值相对简单，但实际项目中往往有多个输入字段需要组合测试。

5.1 案例：用户注册表单

注册表单包含以下字段：

Step 1：对每个字段做等价类划分

Step 2：设计测试用例

不需要测试所有组合（4个字段各有5+个等价类，全组合=数千个），而是采用以下策略：

• 正常场景：所有字段取有效等价类代表值 → 1条用例
• 单字段异常：每次只有一个字段取无效等价类，其余取有效 → 每个无效等价类1条用例
• 关键组合：业务上常同时出错的组合 → 少量补充

# 用pytest参数化实现单字段异常测试
@pytest.mark.parametrize("field,value,expected_error", [
    ("username", "abc", "用户名至少4位"),
    ("username", "a" * 21, "用户名最多20位"),
    ("username", "test@user", "用户名只能包含字母和数字"),
    ("password", "Pass12", "密码至少8位"),
    ("password", "alllowercase1", "密码需包含大写字母"),
    ("email", "invalid-email", "邮箱格式不正确"),
    ("phone", "1234567890", "手机号必须11位"),
])
def test_register_invalid_field(field, value, expected_error):
    valid_data = {
        "username": "testuser01",
        "password": "Pass1234",
        "email": "test@example.com",
        "phone": "13800000001"
    }
    valid_data[field] = value
    resp = requests.post("/api/register", json=valid_data)
    assert expected_error in resp.json()["message"]

5.2 鲁棒性边界值分析

标准BVA只测试有效范围边界，鲁棒性BVA（Robust BVA） 还会测试超出范围的值：

我的经验： 鲁棒性BVA在金融、医疗等对数据准确性要求极高的系统中特别重要。比如金额输入框接受0.01-999999.99，不仅要测0.01和999999.99，还要测0.00和1000000.00，确保系统不会接受超出范围的值。

六、常见陷阱与避坑指南

陷阱1：等价类划分不完整

很多人只想到"太大"和"太小"两种无效等价类，忽略了其他类型：

输入：年龄（0-150的整数）
无效等价类：
  ✗ 负数（-1）          ← 大多数人会想到
  ✗ 大于150（200）       ← 大多数人会想到
  ✗ 小数（3.5）          ← 容易遗漏！
  ✗ 非数字（abc）        ← 容易遗漏！
  ✗ 空值（""）           ← 容易遗漏！
  ✗ 特殊字符（<script>） ← 容易遗漏！

陷阱2：边界值只取整数边界

如果输入范围是小数呢？比如折扣率0.01-0.99：

边界值：0.00, 0.01, 0.02, 0.98, 0.99, 1.00
不要只测：0, 1, 99, 100（这是整数思维）

陷阱3：忽视输出等价类

等价类划分不仅适用于输入，也适用于输出。比如一个计算折扣的函数：

输入：消费金额
输出：折扣率
  消费 < 100 → 无折扣
  100 ≤ 消费 < 500 → 9折
  500 ≤ 消费 < 1000 → 8折
  消费 ≥ 1000 → 7折

输出等价类边界：99, 100, 499, 500, 999, 1000

陷阱4：过度依赖单一技术

等价类和边界值主要针对单个输入字段。对于多字段组合逻辑、业务流程等场景，还需要配合：

• 判定表：处理多条件组合
• 场景法：处理业务流程
• 状态迁移测试：处理状态变化

七、自动化实践：用pytest实现参数化边界测试

import pytest

class TestDiscountCalculation:
    """折扣计算 - 等价类+边界值自动化测试"""

    def calculate_discount(self, amount):
        """被测函数：根据消费金额计算折扣"""
        if amount < 0:
            raise ValueError("金额不能为负数")
        if amount < 100:
            return 1.0    # 无折扣
        elif amount < 500:
            return 0.9    # 9折
        elif amount < 1000:
            return 0.8    # 8折
        else:
            return 0.7    # 7折

    # 等价类划分测试
    @pytest.mark.parametrize("amount,expected_discount", [
        (50, 1.0),      # 有效等价类：< 100
        (200, 0.9),     # 有效等价类：100-499
        (700, 0.8),     # 有效等价类：500-999
        (1500, 0.7),    # 有效等价类：≥ 1000
    ])
    def test_equivalence_classes(self, amount, expected_discount):
        result = self.calculate_discount(amount)
        assert result == expected_discount

    # 边界值分析测试
    @pytest.mark.parametrize("amount,expected_discount", [
        (0, 1.0),       # 边界：最小值
        (99, 1.0),      # 边界：无折扣上限
        (100, 0.9),     # 边界：9折下限
        (499, 0.9),     # 边界：9折上限
        (500, 0.8),     # 边界：8折下限
        (999, 0.8),     # 边界：8折上限
        (1000, 0.7),    # 边界：7折下限
    ])
    def test_boundary_values(self, amount, expected_discount):
        result = self.calculate_discount(amount)
        assert result == expected_discount

    # 无效等价类测试
    def test_negative_amount(self):
        with pytest.raises(ValueError, match="金额不能为负数"):
            self.calculate_discount(-1)

总结

记住这个口诀：先划分等价类，再分析边界值，最后用自动化参数化落地。