計算機信息處理產品測試樣本文件的生成方法
2023-07-21 02:31:41
專利名稱：計算機信息處理產品測試樣本文件的生成方法
技術領域：
本發明涉及一種計算機信息處理產品測試樣本文件的生成方法，特別是指一種對計算機信息處理產品與中文編碼字符集標準的符合程度進行測試時，測試樣本文件的生成方法，屬於計算機信息處理技術領域。
背景技術：
文字信息在計算機信息處理產品中是以二進位編碼形式存在的。因此，二進位編碼和文字符號之間就有了對應關係。如果兩個計算機信息處理產品各自採用的上述對應關係互不相同，這兩個計算機信息處理產品之間的信息交換或信息共享就不能正常進行。中文編碼字符集標準就是為了解決上述問題而制定的；換句話說，如果所有的計算機信息處理產品都遵循中文編碼字符集標準對中文文字信息進行處理，就不會出現計算機信息處理產品之間不能正常進行信息交換或信息共享的問題。
為了驗證一個計算機信息處理產品是否符合某一中文編碼字符集標準，就需要對該計算機信息處理產品進行具體的測試。中文編碼字符集標準涉及的計算機信息處理產品很多，包括計算機作業系統、計算及圖形/圖象處理產品、辦公自動化產品、計算機軟體開發工具、瀏覽器、電子郵件工具(E-mail)等等，而這些計算機信息處理產品又會運行於各不相同的計算機作業系統中，例如Unix、Linux、OS2、Solaris、Windows等等。要在每個作業系統上進行針對各種計算機信息處理產品的測試是非常複雜的工作。
以往，也有一些檢測計算機信息處理產品是否符合中文標準的檢測方法，這些方法的主要特點是將漢字及符號顯示出來，與中文字庫進行比較，而沒有真正對相應計算機信息處理產品是否符合中文字符編碼標準進行檢測；因此，從1980年第一個中文編碼字符集標準發布以來，始終沒有這樣的一種檢測手段來滿足對計算機信息處理產品是否符合中文編碼字符集標準的需求。
發明內容
本發明的主要目的是提供一種計算機信息處理產品測試樣本文件的生成方法，將符合中文編碼字符集標準的編碼寫入到測試樣本文件之中，為所述計算機信息處理產品對於中文編碼字符集標準地符合程度的測試提供測試樣本數據。
本發明通過如下的技術方案解決實現本發明的目的根據中文編碼字符集標準，將用於檢測計算機信息處理產品的樣本字符所對應的中文字符編碼經過處理後，寫入到測試樣本文件之中；具體過程如下步驟1建立一個空的測試樣本文件；步驟2按照中文編碼字符集標準，對要寫入到所述測試樣本文件的中文編碼的每個字節逐個與其取值範圍進行比較；步驟3如果該字節的取值不符合所述中文編碼字符集標準，執行步驟5；步驟4如果該字節的取值符合所述中文編碼字符集標準，則將該字節寫入到所述測試樣本文件中；步驟5取下一個字節後，重複執行步驟2-5，直到最後一字節處理完畢。
為了使測試樣本文件能夠廣泛地適應對所有的計算機信息處理產品的測試，還可以採用為計算機信息處理產品提供運行支持的計算機作業系統所能處理的文件格式建立。
本發明提供的方法，將符合中文編碼字符集標準的編碼寫入到測試樣本文件之中，為所述計算機信息處理產品對於中文編碼字符集標準地符合程度的測試提供測試樣本數據；改變了以往檢測計算機信息處理產品時與中文字庫進行比較的測試手段，提供了真正對符合計算機信息處理產品測試的測試數據源。
圖1為本發明單字節編碼空間測試樣本文件生成流程圖；圖2為本發明雙字節編碼空間測試樣本文件生成流程圖；圖3為本發明四字節編碼空間測試樣本文件生成流程圖。
具體實施例方式
以下結合附圖和具體的實施例對本發明作進一步的詳細說明中文編碼字符集標準涉及的計算機信息處理產品很多，包括作業系統、圖形圖象處理、辦公自動化、開發工具、瀏覽器、E-mail等等，而這些計算機信息處理產品又會運行在不同的作業系統上，例如Unix、Linux、OS2、Solaris、Windows等。因此，要在每種作業系統上建立一套針對各種計算機信息處理產品的測試程序是非常複雜的工作。但是，由於輸入過程不在編碼標準的測試範圍之內，那麼，最方便的輸入方法就是直接將二進位編碼提交給計算機信息處理產品。文本文件的存儲格式完全是字符的二進位編碼，而且在所有計算機信息處理產品、作業系統中的解析是相同的。因此，可以把測試樣本文件構造為文本文件格式(TXT格式)。中文編碼字符集標準中，每個字節的取值範圍是有界的，所有字符的編碼位置在整個編碼空間中形成多塊空間，每塊空間中，中文字符的編碼是連續的。在生成測試樣本文件時，只要控制好每個字節的取值範圍就可以得到完整的測試樣本字符編碼的集合了。這裡所說的取值範圍由採用的中文編碼字符集標準，例如GB18030-2000中文編碼字符集標準，規定。
以GB18030-2000中文編碼字符集標準為例，生成具有該標準中所有字符編碼的測試樣本文件時，可以採用一計算機軟體開發一測試樣本文件的自動生成程序。該程序的流程參見圖1。
首先，需要建立一個空的測試樣本文件；然後，按照中文編碼字符集標準，對要寫入到所述測試樣本文件的中文編碼的每個字節逐個與其取值範圍進行比較；如果該字節的取值符合所述中文編碼字符集標準，則將該字節寫入到所述測試樣本文件中；如果該字節的取值不符合所述中文編碼字符集標準，則取下一個字節，重複執行步驟2-5，直到最後一字節處理完畢。
由於GB18030-2000中文編碼字符集標準是一個單、雙、四字節混合的編碼標準，為了進一步驗證計算機信息處理產品與GB18030-2000中文編碼字符集標準之間的符合程度，還可以將測試樣本文件生成為雙、四字節混合的測試樣本文件，各字節編碼的字符數量按GB18030-2000中文編碼字符集標準中各字節編碼字符數量的比例生成。由於圖1所示的處理只是生成單字節中文編碼字符的測試樣本文件處理過程，對於雙字節、四字節中文編碼字符的測試樣本文件的處理而言，其過程與生成單字節中文編碼字符的測試樣本文件處理過程沒有太大的差別，只是按照相應的字節數量，增加對各個字節的取值範圍的比較過程即可，具體參見圖2、3。
在測試計算機信息處理產品時，對其所述測試樣本文件中的字符編碼進行簡單的編輯操作，例如剪切、粘貼、刪除、插入。如果這些編輯操作的結果不會造成測試樣本文件中的文本混亂，則上述的測試說明被測試計算機信息處理產品符合GB18030-2000中文編碼字符集標準的要求。
具體的一個測試過程實例如下採用包含15個均為TXT格式的測試樣本文件，分別對應GB18030-2000中文編碼字符集標準中的雙字節字符1至5區、三個用戶自定義區、四字節漢字區、單字節區、蒙文區、藏文區、彝文區、維文區和單雙四字節混排測試樣本；字符的排列格式與順序與GB18030-2000中文編碼字符集標準完全一致。測試過程中，在被測的計算機信息處理產品中依次顯示各個測試樣本字符，並與GB18030-2000中文編碼字符集標準進行比較。
一般的作業系統和辦公軟體都提供有字處理工具，因此，能很方便地顯示測試樣本。而對於類似於計算機開發工具、圖形圖像處理軟體、網絡傳輸軟體等，則可以通過函數、API等手段開發出支持GB18030-2000中文編碼字符集標準的應用程式，使這些被測計算機信息處理產品的界面、編輯區等處可以正確地顯示或處理GB18030-2000中文編碼字符集標準的字符。
由於計算機信息處理產品輸出的字符顯示結果是圖形，由點陣字或是曲線字表示。而GB18030-2000中文編碼字符集標準是印刷品。因此，將上述的測試樣本字符集分成若干個子集，採用人工方式進行與GB18030-2000中文編碼字符集標準的比較。由於本發明提供了上述的測試樣本文件的生成方法，因此，使得這種測試與標準的吻合度更高。
最後應說明的是以上實施例僅用以說明本發明而並非限制本發明所描述的技術方案；因此，儘管本說明書參照上述的各個實施例對本發明已進行了詳細的說明，但是，本領域的普通技術人員應當理解，仍然可以對本發明進行修改或者等同替換；而一切不脫離本發明的精神和範圍的技術方案及其改進，其均應涵蓋在本發明的權利要求範圍當中。
權利要求
1.一種計算機信息處理產品測試樣本文件的生成方法，其特徵在於根據中文編碼字符集標準，將用於檢測計算機信息處理產品的樣本字符所對應的中文字符編碼經過處理後，寫入到測試樣本文件之中；具體過程如下步驟1建立一個空的測試樣本文件；步驟2按照中文編碼字符集標準，對要寫入到所述測試樣本文件的中文編碼的每個字節逐個與其取值範圍進行比較；步驟3如果該字節的取值不符合所述中文編碼字符集標準，即不在所述的取值範圍之內，執行步驟5；步驟4如果該字節的取值符合所述中文編碼字符集標準，則將該字節寫入到所述測試樣本文件中；步驟5取下一個字節，重複執行步驟2-5，直到最後一個字節處理完畢。
2.根據權利要求1所述的方法，其特徵在於所述測試樣本文件採用所述計算機信息處理產品運行的計算機作業系統所支持的文件格式建立。
3.根據權利要求1所述的方法，其特徵在於所述的取值範圍由所述的中文編碼字符集標準確定。
全文摘要
本發明公開了一種計算機信息處理產品測試樣本文件的生成方法，根據中文編碼字符集標準，將用於檢測計算機信息處理產品的樣本字符所對應的中文字符編碼經過處理後，寫入到測試樣本文件之中；本發明提供的方法，將符合中文編碼字符集標準的編碼寫入到測試樣本文件之中，為所述計算機信息處理產品對於中文編碼字符集標準地符合程度的測試提供測試樣本數據；改變了以往檢測計算機信息處理產品時與中文字庫進行比較的測試手段，提供了真正對符合計算機信息處理產品測試的測試數據源。
文檔編號G06F11/36GK1912847SQ200510087778
公開日2007年2月14日 申請日期2005年8月8日 優先權日2005年8月8日
發明者王立建, 吳志剛, 王欣 申請人:中國電子技術標準化研究所