版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
20/24基于图的面向对象测试用例生成第一部分图表示及用例生成背景 2第二部分基于图的测试目标与建模 3第三部分域图与测试图的转换过程 5第四部分路径约束条件与用例生成 8第五部分生成用例的广度优先搜索算法 10第六部分生成用例的深度优先搜索算法 14第七部分基于路径约束的用例合成 17第八部分测试用例生成策略优化 20
第一部分图表示及用例生成背景图表示及用例生成背景
图表示
图是一种数据结构,由节点(顶点)和连接这些节点的边组成。它广泛用于表示各种关系,如:
*实体-关系图:表示实体及其之间的关系。
*控制流图:表示程序中的控制流。
*时序图:表示系统中的交互。
在面向对象系统中,图可用于表示类、对象及其交互。其中,节点代表类或对象,而边代表它们之间的关系(如继承、关联或依赖)。
用例生成背景
用例是描述系统功能的文本文档。它们定义了用户如何与系统交互以实现特定目标。用例生成是软件测试的关键步骤,因为它有助于确保系统满足用户需求。
传统的用例生成方法依赖于手动分析系统规范和需求文档。然而,这种方法效率低下且容易出错,尤其对于复杂系统。为了克服这些挑战,研究人员探索了基于图的用例生成技术。
图在用例生成中的优势
使用图表示面向对象系统具有以下优势:
*清晰度:图提供了系统结构的直观表示,便于理解和分析。
*抽象性:图抽象了系统实现细节,使用例生成专注于系统的高级功能。
*可跟踪性:图中的节点和边可追溯到系统规范中的特定元素,提高了用例的可验证性。
基于图的用例生成
基于图的用例生成技术利用图表示来自动化或辅助用例生成过程。这些技术通常涉及以下步骤:
1.构建图:从面向对象系统中提取类、对象及其交互关系,并生成一个图。
2.识别测试路径:在图中识别与特定用例或功能相关的路径。
3.生成用例描述:根据识别出的路径,使用自然语言生成器创建用例描述。
通过自动化用例生成过程,基于图的方法可以提高效率、减少错误并提高测试覆盖率。第二部分基于图的测试目标与建模基于图的测试目标与建模
引言
基于图的面向对象测试用例生成方法将系统建模为图,并利用图论算法来生成测试用例。这种方法的有效性取决于测试目标的准确建模和图的正确构造。因此,本文将深入探讨基于图的测试用例生成中的测试目标与建模。
测试目标建模
测试目标是指测试需要达到的目标,通常可以分为以下几类:
*功能覆盖:确保测试用例覆盖指定的系统功能或代码路径。
*结构覆盖:确保测试用例覆盖指定的代码结构,例如语句、分支或循环。
*数据流覆盖:确保测试用例覆盖指定的数据流,即变量或参数之间的交互。
*等价类划分:将输入值划分为等价类,并为每个类生成至少一个测试用例。
*边界值分析:为输入值的上界和下界生成测试用例。
图模型
图模型是系统的一种表示,其中:
*节点:表示系统对象或组件。
*边:表示对象之间的交互或依赖关系。
*权重:(可选)表示交互或依赖关系的强度或重要性。
测试目标与图模型映射
为了利用图模型生成测试用例,需要将测试目标映射到图元素上。例如:
*功能覆盖:识别系统功能对应的节点和边,并生成针对它们的测试用例。
*结构覆盖:确定代码结构对应的节点和边,并生成覆盖它们的测试用例。
*数据流覆盖:识别数据流对应的边,并生成流动数据的测试用例。
*等价类划分:将等价类分配给图中相应的节点,并生成覆盖它们的测试用例。
*边界值分析:在图中识别输入值的边界节点,并生成相应的测试用例。
图模型的构造
图模型的构造是一个关键步骤,需要考虑以下因素:
*模型抽象级别:图模型的抽象级别应与测试目标相匹配。
*模型范围:图模型应覆盖所有相关的系统组件和交互。
*模型准确性:图模型应准确地反映系统的结构和行为。
常见的图模型构造方法包括:
*自上而下建模:从系统用例或需求开始,逐步细化图模型。
*自下而上建模:从组件级交互开始,逐步构建图模型。
*混合建模:结合自上而下和自下而上的方法。
结论
基于图的面向对象测试用例生成方法依赖于测试目标的精确建模和图模型的正确构造。本文探讨了测试目标与图模型之间的映射,介绍了图模型的构造方法,并强调了图模型在生成有效测试用例中的重要性。第三部分域图与测试图的转换过程关键词关键要点【域图与测试图的转换过程】:
1.域图中节点表示系统组件或业务实体,边表示它们之间的关系。测试图中的节点表示测试用例,边表示执行测试用例的顺序和依赖关系。
2.转换过程涉及识别域图中的关键组件和关系,并将其转换为测试图中对应的测试用例和顺序约束。
3.转换算法考虑了测试图生成目标,例如覆盖率、边界条件和业务规则遵从性,并优化测试用例数量和执行效率。
【测试图的构造】:
域图与测试图的转换过程
域图是抽象描述系统功能的图模型,而测试图是面向对象测试用例生成中用于表示系统行为的图模型。将域图转换为测试图是面向对象测试用例生成的关键步骤。
1.域图的抽象
域图的抽象过程包括:
-识别域实体和关系:从域图中识别表示系统实体和它们之间关系的节点和边。
-提取属性:为每个实体和关系提取相关属性。
-定义操作:识别实体和关系上支持的操作,并记录其参数和返回值。
2.测试图的构建
测试图的构建过程如下:
-创建测试类:对于每个域实体,创建一个表示该实体的测试类。
-定义测试方法:对于每个操作,在测试类中定义一个测试方法,该方法表示该操作的特定调用。
-设置测试数据:为每个测试方法设置输入数据,覆盖该操作的所有可能的输入组合。
-验证输出:为每个测试方法定义断言,以验证操作的预期输出。
3.域图与测试图之间的映射
域图和测试图之间的映射是双射的,即每个域图元素对应一个测试图元素,反之亦然。映射过程如下:
-实体映射:域图中的每个实体映射到测试图中的一个测试类。
-关系映射:域图中的每个关系映射到测试图中的一组测试方法。
-属性映射:域图中每个实体的属性映射到测试类中的一个属性。
-操作映射:域图中每个操作的调用映射到测试图中一个测试方法的调用。
4.从域图到测试图的转换算法
从域图到测试图的转换算法可以如下定义:
```
foreachentityindomain_model:
createtest_classforentity
foreachrelationinentity.relations:
createtest_methodforrelation
foreachparameterinrelation.parameters:
settest_dataforparameter
foreachreturn_valueinrelation.return_values:
verifyreturn_value
```
5.转换的复杂性
域图与测试图的转换过程的复杂性取决于:
-域图的规模:域图的节点和边越多,转换过程就越复杂。
-域图的复杂性:域图中关系和操作越多,转换过程就越复杂。
-测试图的覆盖深度:测试图需要覆盖的系统行为的范围越多,转换就越复杂。
为了应对这些复杂性,可以使用自动化工具协助转换过程,例如基于图论算法和面向对象建模技术的工具。第四部分路径约束条件与用例生成关键词关键要点主题名称:路径约束条件
1.路径约束条件是在一组测试用例执行路径上定义的谓词,以限制给定路径的执行。
2.这些约束条件可以用于指定路径上必须满足的特定状态、输入或输出值。
3.通过整合路径约束条件,可以生成更具体的测试用例,覆盖代码中的特定场景和分支。
主题名称:基于路径的用例生成
路径约束条件与用例生成
在面向对象测试用例生成中,路径约束条件在用例生成过程中起着至关重要的作用,它限制了测试用例的可选路径,从而提高了测试覆盖率。
路径约束条件
路径约束条件是针对特定程序路径的布尔表达式,它描述了该路径可被执行的条件。这些条件可能是变量值、方法调用或其他控制流语句。
用例生成中的路径约束条件
利用路径约束条件生成用例涉及以下步骤:
*路径选择:选择要覆盖的程序路径。
*约束条件收集:识别路径上的所有约束条件,包括初始条件、中间条件和退出条件。
*路径求解:使用符号执行或其他技术求解约束条件,以获取满足约束条件的输入组合。
*用例创建:根据求解的输入组合创建测试用例,这些用例保证所选路径得到覆盖。
用例生成方法
有几种利用路径约束条件生成用例的方法,包括:
*符号执行:它使用符号变量表示输入,并求解约束条件以生成可满足约束的输入组合。
*约束求解器:它使用专门的约束求解算法来求解约束条件并生成输入组合。
*枚举:它枚举所有可能的输入组合并检查它们是否满足约束条件。
路径约束条件的类型
根据其性质,路径约束条件可以分为:
*输入约束:约束测试用例的输入值。
*状态约束:约束程序的内部状态,例如变量值或对象引用。
*路径约束:约束测试用例的执行路径,例如方法调用顺序。
路径约束条件的优点
利用路径约束条件生成用例具有以下优点:
*提高覆盖率:通过强制执行特定的路径,路径约束条件提高了测试覆盖率。
*减少冗余:它避免生成重复的测试用例,因为约束条件限制了可行的输入组合。
*自动生成:自动化生成过程可以节省时间和资源。
路径约束条件的缺点
尽管有优点,路径约束条件也有一些缺点:
*路径选择:选择要覆盖的路径可能会很复杂,可能会遗漏关键路径。
*求解复杂性:求解约束条件可能是计算密集型的,尤其对于大型或复杂程序。
*依赖分析:生成精确的用例需要对程序进行深入分析以识别所有约束条件。
结论
路径约束条件是面向对象测试用例生成中一种强大的工具,它通过限制可选路径提高了测试覆盖率。利用符号执行或其他技术求解路径约束条件,可以自动生成满足特定路径条件的测试用例。尽管存在一些挑战,路径约束条件仍然是提高测试效率和有效性的宝贵技术。第五部分生成用例的广度优先搜索算法关键词关键要点广度优先搜索算法
1.广度优先搜索是一种图论算法,用于遍历图中的所有节点。该算法从起始节点开始,一层一层地遍历图,直到所有节点都被访问。
2.该算法使用队列数据结构来存储要访问的节点。每次访问一个节点时,将其所有未访问的相邻节点加入队列。
3.广度优先搜索对于寻找图中的最短路径、检测连通性以及生成测试用例等问题非常有用。
基于广度优先搜索的测试用例生成
1.可以使用广度优先搜索来生成测试用例,通过遍历状态图来探索可能的程序状态。
2.广度优先搜索从起始状态开始,将所有可达状态加入队列。它一层一层地遍历队列,直到所有状态都被覆盖。
3.使用广度优先搜索生成的测试用例可以有效地覆盖程序中不同的路径和状态,有助于提高测试的覆盖率和可靠性。基于图的面向对象测试用例生成
生成用例的广度优先搜索算法
简介
广度优先搜索(BFS)是一种遍历图形数据结构的算法,通过以层级顺序访问节点来生成测试用例。BFS算法从起始节点开始,依次访问其所有相邻节点,然后访问下一个层级的节点,直至遍历完整图形。
算法步骤
1.初始化:
-创建一个空队列,将起始节点入队。
-初始化一个空集合,用于存储已访问的节点。
2.循环处理队列:
-当队列不为空时,执行以下步骤:
-出队队首节点。
-若节点未被访问,则:
-将节点标记为已访问。
-将节点的所有相邻节点入队。
3.生成用例:
-依次遍历已访问节点集合中的节点。
-对于每个节点:
-创建一个测试用例,将节点作为测试用例的输入。
-执行测试用例,记录结果。
优点
BFS算法生成测试用例具有以下优点:
-完整性:算法遍历图形的所有路径,因此可以生成覆盖所有可能执行路径的全面测试用例集。
-有效性:算法以层级顺序遍历图形,确保生成的最短测试用例集。
-可扩展性:算法易于应用于不同的图形类型和测试用例生成场景。
局限性
BFS算法也有一些局限性:
-深度限制:算法仅覆盖图形的较浅层级,可能错过某些深层嵌套的错误。
-存储消耗:队列的存储需求可能会随着图形大小的增加而显著增加。
-路径依赖性:算法生成的测试用例顺序受图形结构的影响,可能无法检测某些特定路径上的错误。
应用
BFS算法广泛应用于面向对象测试用例生成中,包括以下场景:
-白盒测试:遍历对象的内部结构,生成基于控制流和数据流的全面测试用例。
-黑盒测试:探索对象的外部接口,生成基于输入和输出约束的有效测试用例。
-集成测试:测试多个对象之间的交互,生成涉及多个对象的全面测试用例。
示例
考虑以下图形:
```
A
/\
BC
/\/\
DEFG
```
使用BFS算法生成测试用例:
1.初始化队列:`[A]`
2.出队队首节点:`A`
3.`A`未被访问,入队其相邻节点:`[B,C]`
4.出队队首节点:`B`
5.`B`未被访问,入队其相邻节点:`[D,E]`
6.出队队首节点:`C`
7.`C`未被访问,入队其相邻节点:`[F,G]`
8.出队队首节点:`D`
9.出队队首节点:`E`
10.出队队首节点:`F`
11.出队队首节点:`G`
12.队列为空,生成测试用例:
```
-测试用例1:输入A
-测试用例2:输入B
-测试用例3:输入C
-测试用例4:输入D
-测试用例5:输入E
-测试用例6:输入F
-测试用例7:输入G
```
结论
基于图的BFS算法是一种有效的生成用例的方法,它可以生成全面、有效且可扩展的测试用例集。尽管存在某些局限性,但它仍然广泛应用于面向对象测试用例生成中。第六部分生成用例的深度优先搜索算法关键词关键要点深度优先搜索算法
1.深度优先遍历顺序:
-从初始节点出发,沿着某条路径一直往下探索,直到无法继续探索。
-如果当前节点所有子节点都已探索完毕,返回到父节点,再从父节点未探索的子节点继续探索。
2.生成用例的实现:
-对于给定的状态转移图,从图的初始状态开始,沿着路径深度优先遍历。
-在遍历过程中,收集沿途经过的边和状态,形成一个测试用例。
-当遍历到一个终点状态或遇到回路时,停止遍历并生成用例。
测试用例生成
1.深度优先搜索的优势:
-能够生成覆盖面广的测试用例,探索图中的所有路径。
-不受状态空间大小的影响,能够在有限时间内生成较大数量的测试用例。
2.深度优先搜索的局限性:
-可能生成重复的测试用例,例如在存在循环的图中。
-对于大型图,深度优先搜索可能导致栈溢出。
面向对象测试
1.深度优先搜索在面向对象测试中的应用:
-可以用于生成对象状态转移图,描述对象之间的交互和行为。
-通过深度优先搜索该图,可以生成涵盖对象不同状态和行为的测试用例。
2.面向对象测试的挑战:
-对象交互复杂,导致状态转移图庞大。
-对象行为不确定性,需要考虑各种可能的情况。基于图的面向对象测试用例生成中的深度优先搜索算法
引言
深度优先搜索(DFS)算法是一种用于图中遍历节点和边的算法。它以递归的方式工作,从一个起始节点开始,依次访问未访问的相邻节点,直到遍历完整个图。
在面向对象测试用例生成中,DFS算法被用于生成测试用例。通过将程序对象和方法之间的关系表示为图,DFS算法可以遍历图并生成测试用例,这些测试用例可以覆盖图中所有对象和方法。
深度优先搜索算法的步骤
DFS算法基于以下步骤:
1.从图中的初始节点开始。
2.如果当前节点的所有相邻节点都已访问,则回溯到父节点。
3.否则,选择一个未访问的相邻节点作为当前节点,并重复步骤1。
4.继续此过程,直到图中所有节点都已访问。
DFS算法在面向对象测试中的应用
在面向对象测试中,DFS算法用于生成测试用例,这些测试用例可以覆盖程序中所有对象和方法之间的交互。为此,程序对象和方法之间的关系被表示为图:
*对象作为节点:图中的每个节点表示一个对象。
*方法作为边:两个节点之间的边表示对象之间的方法调用。
通过将程序表示为图,DFS算法可以遍历图并生成测试用例,这些测试用例可以覆盖图中所有对象和方法。
DFS算法的优势
DFS算法在面向对象测试用例生成中具有以下优势:
*系统性:DFS算法以系统的方式生成测试用例,确保所有对象和方法都得到覆盖。
*高效性:DFS算法是一种高效的算法,可以生成包含最小步骤数的测试用例。
*覆盖率高:DFS算法生成的测试用例可以覆盖程序的大部分代码,确保测试用例的有效性。
DFS算法的缺点
DFS算法也有一些缺点:
*路径依赖性:测试用例的顺序取决于DFS算法遍历图的方式。
*可能出现栈溢出:如果图很大或嵌套很深,DFS算法可能会导致栈溢出。
改进DFS算法
为了克服DFS算法的缺点,可以对其进行改进:
*启发式搜索:使用启发式搜索技术指导DFS算法,以生成更优化的测试用例。
*并行搜索:利用多线程或多进程并行执行DFS算法,以提高效率。
*深度限制:限制DFS算法的遍历深度,以避免栈溢出。
结论
深度优先搜索(DFS)算法是一种用于生成面向对象测试用例的有效算法。通过将程序对象和方法之间的关系表示为图,DFS算法可以遍历图并生成测试用例,这些测试用例可以覆盖图中所有对象和方法。虽然DFS算法具有一些缺点,但可以通过改进进行克服。第七部分基于路径约束的用例合成关键词关键要点路径约束
1.在面向对象程序中,路径约束描述了程序执行路径之间的关系。
2.这些约束可以通过控制流分析和数据流分析等技术来推断。
3.路径约束在测试用例生成中至关重要,因为它允许生成覆盖特定路径组合的测试用例。
基于路径约束的用例合成
1.这种方法使用路径约束来指导测试用例的生成过程。
2.它是一种符号执行方法,这意味着它执行程序并符号化处理输入变量。
3.符号执行可以帮助识别程序中导致故障的路径和输入约束。基于路径约束的用例合成
基于路径约束的用例合成是一种面向对象测试用例生成功能。它通过分析对象关系图(ORG),提取测试路径约束,并基于这些约束合成测试用例。
对象关系图(ORG)
ORG是一个有向图,其中节点表示类,边表示类之间的关联关系。ORG捕获了系统中类的结构和交互方式。
测试路径约束
测试路径约束是对于测试路径的限制条件。它们指定了执行测试路径所必需的类和方法调用序列。约束可以包括:
*顺序约束:指定必须按顺序执行的方法调用。
*选择约束:指定必须从一组选项中选择的一个方法调用。
*循环约束:指定可以多次执行的方法调用。
*数据流约束:指定方法调用之间必须传递的数据。
用例合成
基于路径约束的用例合成是一个迭代过程,涉及以下步骤:
1.提取测试路径约束:分析ORG并提取测试路径约束。
2.生成初始测试用例:基于约束生成初始测试用例。
3.执行测试用例:执行测试用例并收集运行时信息。
4.更新约束:根据运行时信息更新测试路径约束。
5.重复步骤2-4:直到满足覆盖率或其他测试目标。
算法
一个典型的基于路径约束的用例合成算法如下:
1.初始化测试用例集C为空。
2.初始化路径约束集P为从ORG中提取的约束集。
3.重复以下步骤,直到C满足覆盖目标或P为空:
*从P中选择一个约束c。
*从c中生成一个新测试用例t。
*执行t并收集运行时信息。
*根据运行时信息更新P。
*将t添加到C中。
优势
基于路径约束的用例合成提供以下优势:
*系统化:基于路径约束的合成是一种系统化的方法,可确保测试用例覆盖指定的目标。
*可扩展性:该方法可扩展到具有大量类的复杂系统。
*可检测性:通过生成具有明确约束的测试用例,更容易检测错误和遗漏。
局限性
*路径爆炸:ORG中的路径数可能呈指数增长,导致路径约束的数量过多,从而限制该方法的实用性。
*约束维护:测试路径约束需要随着系统演进而维护,这可能是一项耗时的任务。第八部分测试用例生成策略优化关键词关键要点基于风险的测试用例优先级
1.根据软件需求和潜在风险分析,识别和优先考虑测试用例。
2.使用风险矩阵或贝叶斯方法,将风险与特定测试用例相关联。
3.专注于覆盖高风险功能和场景,最大限度地提高测试效率和可靠性。
基于机器学习的测试用例生成
1.使用自然语言处理和机器学习算法,从需求规范中自动提取测试用例。
2.训练和优化模型,以生成针对特定需求的全面、相关且有效的测试用例。
3.提高测试用例生成过程的效率和准确性,节省时间和资源。
模糊测试用例生成
1.使用模糊逻辑和随机输入,生成测试用例覆盖边界的场景和罕见路径。
2.探索输入空间,发现可能导致系统故障的极端或异常情况。
3.增强测试覆盖率,提高对未知和意外输入的适应性。
基于分析的测试用例优化
1.使用测试覆盖率分析,确定未覆盖或覆盖不足的代码区域。
2.基于代码复杂性、历史缺陷和业务关键性等指标,优先考虑测试用例的优化。
3.减少冗余测试,专注于高价值和高影响的测试用例,提高测试效率。
基于约束的测试用例转换
1.将手动编写的测试用例转换为基于约束的模型,支持自动执行和维护。
2.定义约束,例如前置条件、后置条件和输入范围,以确保测试用例的有效性和可重复性。
3.提高测试过程的可扩展性和健壮性,降低人为错误的风险。
动态测试用例适应
1.在测试执行过程中动态调整测试用例,以响应系统状态和用户行为的变化。
2.使用反馈机制和会话追踪,修改测试用例并生成新的测试数据。
3.提高测试覆盖率,检测动态系统的回归和意外行为。测试用例生成策略优化
在面向对象测试用例生成中,测试用例生成策略优化至关重要,因为它可以显著提高测试有效性和效率。以下介绍常见的策略优化技术:
覆盖率引导优化:
*基于覆盖率的优先级化:根据覆盖率指标(例如,覆盖率或修复率)对测试用例进行优先级排序,专注于覆盖缺失或难以覆盖的代码路径。
*基于Coverage-AwarePathSelection(CAPS)的优化:使用CAPS算法选择测试路径,该算法最大化覆盖率并最小化测试用例数量。
搜索引导优化:
*基于搜索的优化:使用搜索算法(例如,遗传算法或蚁群优化)探索测试用例空间并生成覆盖目标代码路径的测试用例。
*基于符号执行的优化:符号执行可分析程序的行为,帮
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2024-2029年转角沙发行业市场现状供需分析及重点企业投资评估规划分析研究报告
- 2024-2029年轧钢棒材行业市场现状供需分析及重点企业投资评估规划分析研究报告
- 2024-2029年超声骨密度计行业市场现状供需分析及重点企业投资评估规划分析研究报告
- 河北宇华教育集团2022年中考五模化学试题含解析
- 2024-2029年视频会议终端行业市场现状供需分析及重点企业投资评估规划分析研究报告
- 2024-2029年蒸汽喷射加湿器行业市场现状供需分析及重点企业投资评估规划分析研究报告
- 2024-2029年芒果果酱行业市场现状供需分析及重点企业投资评估规划分析研究报告
- 2024-2029年船用气体分析仪行业市场现状供需分析及重点企业投资评估规划分析研究报告
- 2024-2029年航空耳机行业市场现状供需分析及重点企业投资评估规划分析研究报告
- 2024-2029年自然语言生成(NLG)软件行业市场现状供需分析及重点企业投资评估规划分析研究报告
- 中考历史模拟考试卷(附答案)
- “三个代表”重要思想
- 会计工作经历描述
- 注塑产品缺料8D报告样板
- 讲好中国故事传播中国声音
- DB14-T 2577-2022地方标准技术审查工作规范
- 4.5《热在水中的传递》教学课件
- GA/T 148-2019法医学病理检材的提取、固定、取材及保存规范
- 医生“三基三严”考核(麻醉、拔牙及口腔科基础知识)试题附答案
- 药棒穴位按摩(课堂PPT)
- 初中英语课程标准五级词汇表(打印版)
评论
0/150
提交评论