错误定位是软件测试中的一个重要过程,如何准确、快速的从复杂程序中定位到错误语句,已经成为了一个主要研究方向。在传统的软件错误定位方法中,基于程序谱的错误定位方法(Spectrum Based Fault Localization,SBFL)广泛应用。SBFL方法利用测试覆盖信息和测试用例的执行结果信息,通过怀疑度计算公式,计算程序各个语句发生错误的概率,辅助程序员定位软件中的错误。但是,SBFL方法的错误定位精确度不高,尤其对于复杂程序,仍然需要对大量的可疑语句进行检查,导致测试人员的工作开销过大,限制了 SBFL方法在实际软件测试中的应用。针对SBFL方法错误定位精确度不高的问题,本文提出了一种新的定位方法——基于错误分类谱的错误定位方法(Fault Classification Oriented Spectrum Based FaultLocalization,FC-SBFL)。该方法首先提出一种基于语句特征的错误分类方法,利用统计学计算原理,计算每类语句发生错误的概率。然后将基于语句特征的错误分类方法与传统的SBFL方法相结合,利用每类语句发生错误的概率,修正SBFL计算出的语句怀疑度值,进一步提高错误定位的精确度。此外,进一步分析了 FC-SBFL方法提高错误定位效果的原因,并对原因进行了详细的描述。为验证FC-SBFL方法的有效性,本文使用了 SIR库中的7个C语言程序包,选择其中132个错误版本作为被测程序进行实验研究。实验分析比较了传统的SBFL方法和FC-SBFL方法在不同怀疑度计算公式中的错误定位效果。实验结果表明应用FC-SBFL方法,对于被测程序中超过79.0%的错误语句的定位效果得到了提高,为FC-SBFL方法的实际应用提供了有力的支撑。