Java数据驱动测试中类型转换核心是准确、稳定、无副作用：需校验+异常捕获、正则预判、优先valueOf、布尔多值映射、防御null拆箱、BigDecimal防浮点误差、统一DataConverter解耦多源适配。
Java 类型转换逻辑在自动化测试框架的数据驱动中，核心不是“能不能转”，而是“转得准不准、稳不稳、有没有副作用”。数据驱动常从外部加载字符串型配置（如 properties、JSON、Excel），但接口参数或断言需要 int、double、boolean 等具体类型——这时必须做有意识、可兜底的类型适配，而非依赖隐式规则。
字符串到基本类型的解析必须带校验和异常捕获
外部数据源（如 data.properties 或 JSON）中的值全是字符串。直接调用 Integer.parseInt("123") 看似简单，但遇到空值、非数字、超范围值会直接抛 NumberFormatException，导致整个测试用例中断。
- 始终用 try-catch 包裹解析逻辑，失败时返回默认值或标记为无效数据
- 对数值类字段，先用正则预判格式：
"^-?\d+$"（整数）、"^-?\d*\.?\d+$"（浮点） - 避免使用已废弃的
new Integer("123")；优先选Integer.valueOf(str)（带缓存且空安全） - 布尔值不要仅靠
"true"/"false"字符串判断——接受"1"、"yes"、"on"等常见变体，统一映射为 boolean
包装类与基本类型切换需防御 null 拆箱
测试数据加载后常存为 Map<String, String>，再映射成 POJO 或参数对象。若字段定义为 Integer age（包装类），而源数据缺失该 key，map.get("age") 返回 null，后续赋值 int a = age 就触发 NullPointerException。
- POJO 字段优先用基本类型（如
int age）并设合理默认值（如 0），避免 null 风险 - 若必须用包装类（如泛型集合要求），赋值前加 null 判断：
user.setAge(age != null ? age : 0) - 工具方法中统一处理：
safeParseInt(map.get("age"), -1)，第二个参数为 fallback 值
运算与断言场景下的隐式提升要心里有数
测试脚本中常出现类似 expectedTotal = price * quantity 的计算。若 price 是 double、quantity 是 int，结果自动升为 double——但断言时若写 assertEquals(expected, actual)（两个 double），可能因浮点精度误差失败。
立即学习“Java免费学习笔记（深入）”；
- 涉及金额、计数等敏感类型，统一用
BigDecimal运算，避免 float/double 隐式提升带来的不可控误差 - 做数值断言时，对 double/float 使用带 delta 的重载方法：
assertEquals(expected, actual, 0.001) - char 或 byte 类型极少用于业务参数，若从配置读取 ASCII 码数字（如 "65"），应明确转为 char：
(char) Integer.parseInt("65")，而非依赖隐式 int→char
多数据源切换时类型适配层要解耦
当框架支持 properties、YAML、数据库等多数据源时，各源返回的数据结构不一（如 YAML 支持原生 boolean，properties 全是字符串）。不能让每个 DataProvider 都重复写一遍类型转换逻辑。
- 抽象出统一的
DataConverter接口，按字段名+期望类型路由到对应策略：converter.convert("timeout", Integer.class) - 针对不同数据源，实现
PropertiesDataConverter、YamlDataConverter，内部封装各自的类型推导规则 - 在注解层面支持类型提示，例如
@Param(type = "int") String timeoutStr，由框架自动完成转换
