等价类划分法：从原理到实战

等价类划分，说白了就是「把输入数据分堆儿」。

你想想看，测试不可能把所有输入都试一遍。一个年龄输入框，从0到200，难道每个数字都测？那项目得测到猴年马月去。等价类的核心思想就是：挑一个代表，测一堆数据。

原理：为什么能「以一代全」？

我刚开始做测试时也不理解——凭什么选一个就能代表全部？后来踩了坑才明白：程序对同一类数据的处理逻辑是一样的。

比如年龄输入框，程序判断逻辑通常是：

• 如果年龄在18-60之间，走「成年人」分支
• 如果小于18，走「未成年人」分支
• 如果大于60，走「老年人」分支

你看，18、25、40、55，这四个数在程序眼里其实是一回事——都落在18-60这个区间里。所以只要测一个25，就能代表整个区间。

有效等价类 vs 无效等价类

这是新手最容易搞混的地方。我简单说：

• 有效等价类：符合需求、程序能正常处理的数据
• 无效等价类：不符合需求、程序应该拒绝或报错的数据

举个例子，一个手机号验证功能，需求写的是「11位数字，以1开头」：

实战案例：年龄输入框

假设需求是「年龄输入框，只接受18-60岁的整数」：

// 等价类划分结果
有效等价类：
  - 18 ≤ 年龄 ≤ 60 的整数 → 选 25

无效等价类：
  - 年龄 < 18 的整数 → 选 15
  - 年龄 > 60 的整数 → 选 65
  - 小数 → 选 25.5
  - 非数字字符 → 选 "abc"
  - 负数 → 选 -5
  - 为空 → 选 ""

我个人习惯是，每个等价类至少选一个代表值。但注意：边界值要单独拿出来测，这个后面会讲。

实战案例：手机号验证

需求：11位数字，以1开头，第二位是3/5/7/8/9。

边界值分析法：等价类的好搭档

等价类划分有个弱点——它不关心边界。而程序出bug，十有八九都在边界上。

比如年龄18-60，等价类只测了25。但18和60这两个边界值呢？还有17、19、59、61呢？

边界值分析法的原则：

• 取边界值本身（上点）：18、60
• 取边界值相邻的值（离点）：17、19、59、61
• 如果边界是开区间，还要考虑内点

我建议的实践方式是：先用等价类划分确定「测哪些类」，再用边界值分析确定「测哪些具体值」。

// 年龄输入框的完整测试数据
等价类代表值：25（有效类）
边界值：17, 18, 19, 59, 60, 61
无效类代表值：-5, 25.5, "abc", ""

你看，这样组合下来，测试数据既全面又精简。一共才10个值，但覆盖了所有可能出问题的点。

知识体系图

下面这张图总结了等价类划分与边界值分析的关系：

避坑指南

我这些年总结的几个常见坑：

• 别把等价类分得太细：比如年龄18-60，有人非要分成18-30、31-45、46-60三个类。除非程序对这三个区间有不同处理逻辑，否则就是过度设计。
• 无效等价类别漏了「空值」和「特殊字符」：这是最容易被忽略的。我见过一个项目，所有功能都测了，唯独没测输入为空的情况，结果上线第一天就崩了。
• 边界值别忘了「开区间」和「闭区间」：需求写的是「18-60（含）」，那18和60就是有效边界。如果写的是「18-60（不含）」，那19和59才是有效边界。一字之差，测试数据完全不同。