第52章：测试数据生成
学习目标
- 掌握AI生成测试数据的方法与类型
- 理解边界值数据、异常数据的设计
- 学会生成Mock数据与测试数据集
- 了解数据隐私保护的脱敏处理
测试数据类型
| 数据类型 | 生成要点 | AI优势 |
|---|---|---|
| 正向数据 | 符合规格的有效数据 | 快速生成大量样本 |
| 边界数据 | 最大/最小/临界值 | 自动识别边界条件 |
| 异常数据 | 非法格式、空值、溢出 | 覆盖多种异常场景 |
| Mock数据 | 模拟API响应 | 生成真实感数据 |
AI生成测试数据示例
Python
# AI生成的用户注册测试数据
test_users = [
# 正向数据
{"username": "user001", "email": "user001@test.com", "age": 25},
{"username": "user002", "email": "user002@test.com", "age": 30},
# 边界数据
{"username": "a", "email": "a@b.com", "age": 0}, # 最小长度
{"username": "maxlenuser1234567890", "email": "max@test.com", "age": 150}, # 最大
# 异常数据
{"username": "", "email": "", "age": -1}, # 空值
{"username": "user!", "email": "invalid", "age": 999}, # 格式错误
]本章小结
- 测试数据类型：正向、边界、异常、Mock四类
- AI优势：快速批量生成、自动识别边界、覆盖异常场景
- 脱敏处理：生成测试数据时保护隐私信息