一旦计算负数、大量数字、文本和空白，接受 18 到 60 岁的年龄字段就有大量可能的输入。没有人能够全部尝试。 等价分区解决了这个问题，方法是对软件应以相同方式处理的输入进行分组，然后测试每组中的一个值。

这是每个测试人员应该首先学习的测试设计技术之一。在本指南中，我们将逐步完成它，并用 Python 测试一个示例。我们在 Python 3.13 上运行该代码，并包含其输出。下面的密码和优惠券规则是说明性示例，并非取自真实系统。

什么是等价划分？

等价划分，也称为等价类划分（ECP），是一种黑盒测试设计技术。它将特征的可能输入划分为分区或类。分区内的每个值都应该产生相同类型的行为。

因为您不需要查看代码，所以可以直接从需求中应用它。要了解有关这种测试风格的更多信息，请阅读黑盒与白盒测试。

为什么它有效

该技术基于一个假设：如果分区中的一个值发现错误，则该分区中的其他值也可能会发现它。如果一个值通过，其他值也可能会通过。在成人年龄领域中测试 25、26 和 27 岁可能不会告诉您任何单独测试 25 岁所无法得出的信息。

但这只是一个假设，而不是保证。软件可以将特殊情况隐藏在分区内，这是我们稍后会讨论的限制。

如何通过五个步骤完成

1. 阅读需求并识别输入及其规则。
2. 找到有效分区，它们是应该接受的值组，并注意不同范围的行为是否不同。
3. 查找无效分区，包括值太低、太高、类型错误和空白。
4. 从每个分区中选择一个代表值，通常在中间的某个位置。
5. 写下每个结果的预期结果，就像任何好的测试用例一样。

工作示例：年龄字段

要求： 18岁至60岁的用户均可注册。

五个测试可以覆盖需求中的每个行为。许多教程停在前三行，但最后两行是真实用户偶然触发的。您还可以添加负数或小数行，如果可以合理地以不同方式处理这些行。

在代码中测试它

下面是该规则作为一个函数，每个分区有一个单元测试，使用 Python 的内置 unittest：

import unittest

def can_register(age):
    if not isinstance(age, int) or isinstance(age, bool):
        raise TypeError("age must be a whole number")
    return 18 <= age <= 60

class EquivalenceTests(unittest.TestCase):
    def test_valid_partition(self):
        self.assertTrue(can_register(35))

    def test_too_young_partition(self):
        self.assertFalse(can_register(10))

    def test_too_old_partition(self):
        self.assertFalse(can_register(75))

    def test_wrong_type_partition(self):
        with self.assertRaises(TypeError):
            can_register("abc")

我们的运行通过了：

test_too_old_partition ... ok
test_too_young_partition ... ok
test_valid_partition ... ok
test_wrong_type_partition ... ok

在实际项目中，pytest 的参数化功能 是通过单个测试运行分区值表的一种巧妙方法。

工作示例：密码

要求： 密码长度必须为 8 到 20 个字符，并且至少包含一位数字。

这个有两个规则，长度和内容，所以我们考虑对这两个规则进行分区：

请注意，每个无效测试仅破坏一条规则。如果一个值太短并且缺少一个数字，则通过的测试无法告诉您哪项检查有效。一张支票可能被破坏，而另一张支票则掩盖了事实。

工作示例：非数字输入

该技术不限于数字范围。离散选项、类别和状态也形成分区。假设一家商店有这样的规则：

要求： 金卡会员免费送货，银卡会员免费送货 50 次，其他会员免费送货 100 次。未知的层值是错误。

在这里，每个选项都是其自己的分区，因为每个选项的行为都应该不同。其他常见分区包括文件类型（例如有效和无效上传）以及基于输出的组（例如批准或拒绝的贷款）。

一次多个输入

有了多个字段，组合的数量就会快速增长。三个字段有四个分区，每个字段提供 64 种组合。两种策略有帮助：

• 弱覆盖： 确保每个分区至少出现在一次测试中，并在每个测试中组合多个有效 值。对于无效值，请一次测试一个，以便错误不会相互掩盖。
• 基于规则的覆盖：当组合实际改变结果时，例如会员状态与订单值，使用决策表测试正确列出它们。

与边界值分析配对

分区告诉您要测试哪些组。它几乎没有提到一群虫子喜欢隐藏在哪里，而且许多虫子都藏在边缘。为了证明这一点，我们编写了一个有错误的版本，其中包含经典的差一错误：

def buggy(age):
    return 18 < age <= 60     # should be 18 <= age

[buggy(a) for a in (35, 10, 75)]   # [True, False, False]
buggy(18)                          # False

我们的分区值 35、10 和 75 都给出了正确的答案，因此这些测试将通过。然而，一名 18 岁的年轻人却被错误地拒绝了。这就是为什么这两种技术属于一起的原因：

使用分区来查找组，然后使用边界来测试组相遇的位置。在我们的代码中，对 17、18、60 和 61 的单独测试传递了正确的函数，并且会捕获该错误。我们的边界值分析指南完整地涵盖了这一点。

优点和局限性

最大的风险是错误的假设。如果代码对某个特定值有隐藏规则，您选择的测试可能根本达不到它。 探索性测试和代码覆盖率可帮助您找到分区遗漏的内容。

常见错误

• 忘记无效分区。仅测试快乐路径，不会检查错误处理。
• 测试一个分区中的多个值。这会在没有新信息的情况下增加成本。
• 在一个测试中组合多个无效值。一个错误可能隐藏另一个错误。
• 跳过边界。单独的分区测试经常会错过差一的错误。
• 猜测规则。如果需求不清楚，请询问。 60岁应该包括60岁半吗？

最后的话

等价分区取代了“我应该编写多少个测试？”一个更好的问题：“存在哪些行为，我是否涵盖了每一种行为？”要尝试一下，请拿一个您今天正在测试的表格，并在纸上列出其分区，包括无效的分区。接下来添加边界。您通常会发现更少的测试却发现更多的错误。

常见问题

继续学习