了解自动化 Web GUI 测试：跨探索策略和状态抽象的实证研究

自动化 Web GUI 测试 (AWGT) 依赖于探索策略，这些策略通过 GUI 操作来运行 Web 应用程序，以最大限度地提高代码覆盖率，涵盖传统的基于模型、基于强化学习 (RL) 和新兴的基于 大语言模型 (LLM) 的方法。状态抽象可以检测具有相同功能的页面以避免重复测试，长期以来一直被认为对于指导探索至关重要。然而，探索策略和状态抽象如何共同影响测试有效性仍有待探索。我们提出了一项实证研究，从代码覆盖率和故障揭示的角度分析这两个因素。我们比较了基于模型、基于强化学习和基于 LLM 的代表性方法；研究六种状态抽象如何影响基于模型和基于强化学习的方法；检查不同历史表示下基于 LLM 的方法，这些方法充当状态抽象的一种形式；并比较不同方法所暴露的故障。我们的结果表明，没有任何单一策略在所有方面都表现出色。相反，类别在代码覆盖率、状态覆盖率和故障发现方面表现出互补的优势。状态抽象是一个关键因素：严格、细粒度的抽象有利于基于模型的策略，而紧凑的抽象更好地支持基于强化学习的策略。历史表示显着影响基于 LLM 的策略，其中简洁的功能级上下文表现最佳。我们还发现代码覆盖率与故障揭示能力的相关性较弱，这凸显了多维度评估的必要性。这些发现为选择探索策略和设计 AWGT 的有效状态抽象提供了实用指导。