news 2026/5/9 2:45:32

Web测试中如何简单定位Bug

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Web测试中如何简单定位Bug

定位bug之前要确定自己对用例的理解是否有问题。(在工作中,很多测试结果错误都是因为自己对用例的理解没有到位,以致于操作错误导致结果不符合预期)

一般来说bug分为前端bug和后端bug,前端bug为请求数据错误,后端bug为响应数据错误。

前端bug

根据运行结果与预期不符的步骤进行定位,然后抓包,一般来说主流浏览器(Chrome,firefox等)自带抓包插件。其他常用抓包软件:fiddler,burpsuite,wireshake等。

1.抓包:

在网页先打开f12开发者工具,NetWork中查看发送的请求是否正确,包括状态码,URL,请求参数等。如果错误,需对其错误进行进一步分析。

常见状态码错误:

400:语义有误,当前请求无法被服务器理解;

403:(禁止)服务器拒绝请求。

404:(未找到)服务器找不到请求的网页。

412:(未满足前提条件)服务器未满足请求者在请求中设置的其中一个前提条件。

500:(服务器内部错误)服务器遇到错误,无法完成请求。

502:(错误网关)服务器作为网关或代理,从上游服务器收到无效响应。

ps:抓包时需要关闭浏览器其他插件,排除工具的干扰。

2.兼容性相关bug

2.1浏览器本身不兼容的问题,会导致无法加载页面的情况,报错信息一般也可以通过抓包和通过控制台查看错误行号和附近代码。

2.2浏览器的版本更新,导致产品原本的功能无法使用,这时就需要确定多个浏览器是否都是这个情况。

后端bug

若前端请求数据没问题,那就需要定位是否为后端bug。

1.接口查看:在网页先打开f12开发者工具,查看响应数据,对比通过后端接口拿到的数据和前端显示的数据,来确认问题出在哪里。

2.查看报错日志,通过日志分析发生问题的位置。

3.查看缓存是否正确。

4.查看数据库确认数据的是否正确。

ps:确定为bug后。对比软件的上一个版本测试一下bug是否能够重现,如果上个版本也会出现bug,说明可能是软件本身的代码问题。若不能重现,可能是这个版本的某些功能改动导致的bug。

自动化测试定位bug:根据报错的代码位置进行定位检查

·检查方法用法是否正确

·检查传参是否正确

·单步调试错误代码(这是个很重要也是很有效的方法,边调试和边查看控制台能够准确定位错误原因)

写自动化测试用例之前先看一下手动测试结果有没有问题!!!

若手动测试用例没有问题,而自动化测试的结果有问题或者不稳定,先检查自动化代码逻辑是否正确。若正确,则可判断出用例不适合做自动化。

ps:如何证明自动化代码逻辑正确?在代码中添加可以覆盖到所有情况的代码,进行测试是否全部通过。若不通过,则为代码逻辑问题。

关于调试代码的时候会出现的问题:如果有些代码的方法使用发生了错误,有可能是产品其他部门的功能更新了,这个时候就需要跟其他部门的人沟通确定一下。

最后作为一位过来人也是希望大家少走一些弯路,在这里我给大家分享一些软件测试的学习资料,这些资料希望能给你前进的路上带来帮助。

视频文档获取方式:
这份文档和视频资料,对于想从事【软件测试】的朋友来说应该是最全面最完整的备战仓库,这个仓库也陪伴我走过了最艰难的路程,希望也能帮助到你!以上均可以分享,点下方小卡片即可自行领取。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/5/2 13:22:01

Miniconda-Python3.10镜像发布:专为PyTorch GPU训练优化的极简环境

Miniconda-Python3.10镜像发布:专为PyTorch GPU训练优化的极简环境 在深度学习项目日益复杂、实验迭代频率不断提升的今天,一个干净、稳定又足够轻快的开发环境,往往比强大的GPU更能决定研发效率。你是否经历过这样的场景:刚接手同…

作者头像 李华
网站建设 2026/5/2 11:58:09

SSH隧道转发端口访问Jupyter:Miniconda-Python3.10实战教学

SSH隧道转发端口访问Jupyter:Miniconda-Python3.10实战教学 在人工智能实验室或个人开发场景中,你是否曾遇到这样的困境?明明已经在远程GPU服务器上装好了PyTorch和Jupyter,却因为安全策略无法从本地笔记本直接访问;或…

作者头像 李华
网站建设 2026/5/1 12:39:19

利用Miniconda管理多个PyTorch项目环境,避免依赖冲突

利用 Miniconda 管理多个 PyTorch 项目环境,避免依赖冲突 在深度学习项目开发中,一个看似不起眼却频繁“暴雷”的问题是什么?不是模型调参失败,也不是 GPU 显存不足,而是——“为什么你的代码能跑,我的就不…

作者头像 李华
网站建设 2026/5/3 22:01:58

一文搞懂大模型微调

前言 你是不是也有过这样的困惑:明明调用GPT、Llama这些大模型的API能解决通用问题,但一到自己的业务场景——比如让模型识别行业专属术语、生成符合公司风格的文案、处理特定格式的数据分析——效果就大打折扣?要么回答偏离需求,…

作者头像 李华
网站建设 2026/5/1 10:27:33

从Anaconda下载到PyTorch GPU运行:一站式操作手册

从Anaconda下载到PyTorch GPU运行:一站式操作手册 在深度学习项目中,最让人头疼的往往不是模型设计或调参,而是环境配置——明明代码没问题,却因为 torch.cuda.is_available() 返回 False 而卡住;或者换了台机器&…

作者头像 李华
网站建设 2026/5/3 21:10:20

清华镜像源配置教程:大幅提升Miniconda和pip安装速度

清华镜像源配置:加速 Miniconda 与 pip 安装的实战指南 在人工智能项目开发中,你是否经历过这样的场景?——深夜赶实验,运行 conda install pytorch 后盯着终端进度条一动不动,半小时过去只下载了 30%,最终…

作者头像 李华