如果有任何未发现的错误，如何测试字数统计程序？

Question

我刚刚重温了经典的C教科书K＆amp; R.并阅读练习1-11：

您如何测试字数统计程序？如果存在错误，哪种输入最有可能发现错误？

实际上，我只有一个基本的想法是手动计算现有段落以获得确切的单词编号，并将其与结果字计数程序计算进行比较。

有什么我错过的吗？测试的诀窍是什么？

修改

答案摘要：

单词的语义定义，一些特殊情况：

• 链接词：“cat-walk”
• 小词：a，b，c
• biiiiiig words：“a fooooooooo＆lt; 40MILLIONLETTERS＆gt; ooooooo a”有3个字

边界条件：

• 文字之间有多个空格。
• 大于2GB的文字
• 包含破折号但没有空格的单词。
• 非ascii字样。
• 采用不同编码的文件（如果您的程序支持）
• 被空格包围但不包含任何单词字符的字符（例如“hello - world”）
• 没有任何文字的文字
• 在一行中包含所有单词的文本

Answer 1

嗯，这取决于你在语义上定义为单词的内容。 由于你谁正在编写单词计数程序，你应该知道单词是什么。

因此，为了测试这个程序，你必须考虑角落的情况：“链接词”算作一两个单词吗？你认为“我”是一两个吗？等。

至于K＆amp; R练习，我猜他们自愿忘记了一些这些角落的情况，他们建议你分析他们的代码，找到这些警告。

Answer 2

以下是一些可以发现错误的文本示例：

• 文字之间有多个空格。
• 大于2GB的文字
• 包含破折号但没有空格的单词。
• 非ascii字样。
• 采用不同编码的文件（如果您的程序支持）
• 被空格包围但不包含任何单词字符的字符（例如“hello - world”）
• 没有任何文字的文字
• 在一行中包含所有单词的文本

Answer 3

我没有重新阅读练习1-11这个答案......（我的书是60公里之外）

可能编码错误的事情

• 小词："a b c d"有4个字
• biiiiiig words："a fooooooooo<40MILLIONLETTERS>ooooooo a"有3个字
• 使用多个符号：",.!? ...

可能尚未理解的定义

• "cat-walk" 1个字？ 2个字？
• "under-\nstood"换行符（带连字符）在单词中间

Answer 4

要测试算法，您应该使用众所周知的结果创建一组测试用例。

此测试用例应涵盖：

• 输入的大多数可能组合;
• “边境”案件。在你的情况下，它可能是：一个单词，2个单词，有很多分隔符，短文本开始，以分隔符结束，等等;
• 一些奇怪的文字。只要看看算法，就会想到可以打破它的奇怪输入。通常它是一个非常小的文本（3-4）单词，但它们之间有一些奇怪的分隔符，如"hello,word", "hello ,word", "hello word,,,,"

Answer 5

其他人已经提出了一些很好的实用建议。让我添加两件事：

首先，K＆amp; R不希望您发现其代码的所有缺陷。练习的目的是让你意识到这样一个事实，即经常存在虚假输入，并且你可能有一天会在类似的情况下以某种方式以某种方式处理它。你怎么做完全取决于你。请记住，一些看似简单的问题有时需要进行艰苦的思考。

以防万一：当我的愚蠢的iPhone收到一条消息“foo is bad.it闻起来。”时，它会将“bad.it”识别为URL。看起来很有趣，但到目前为止，您无法修改此错误而无需更改消息内容本身。

第二，你的头衔是误导性的。你无法通过测试找到程序中的所有错误。或者像Edsger Dijkstra曾经说过的那样：

  

测试显示存在，而不是缺席的错误。

这是理论计算机科学的基本结果，实际上可以证明。如果您有兴趣，请参阅Rice's theorem。

编辑：在写这篇文章时，我发现了一个与我们的主题有某种关系的错误：StackOverflow解析器不会将“http://en.wikipedia.org/wiki/Rice's_theorem”识别为URL。 ： - ）

EDIT2：提交了关于元here的错误报告。