测试造数据必备神库Faker(python语言)

在测试过程中,有时候需要造一些测试数据,制造数据要耗费掉大量的精力,使用python的一个库能方便快捷的完成。

以最简单的造姓名和电话号码举例,如果我们自己写造测试数据的方法,大约需要10行的代码。

import random

def phone():
    third = second = [3, 4, 5, 6, 7, 8][random.randint(0, 5)]
    suffix = random.randint(10000000, 99999999)
 return "1{}{}{}".format(second, third, suffix)

def name():
    first = ['张', '金', '李', '王', '赵', '钱', '孙', '杨', '孙', '乔']
    second = ['玉', '明', '龙', '芳', '军', '玲']
    third = ['', '立', '玲', '高', '国', '蓝', '军', '玲']
 return random.choice(first) + random.choice(second) + random.choice(third)

print(phone())
print(name())

使用faker库只需要两行代码。

name = fake.name()
phone = fake.phone_number()

一、Faker库介绍

Faker是一个Python包,开源的github项目,地址:<u style="text-decoration: none; border-bottom: 1px dashed rgb(128, 128, 128);">https://github.com/joke2k/faker</u>

主要用来创建伪数据,使用Faker包,无需再手动生成或者手写随机数来生成数据,只需要调用Faker提供的方法,即可完成数据的生成。

安装:

pip install Faker

导入包:

from faker import Faker

实例化:

fake = Faker(locale='zh_CN')

初始化参数locale:为生成数据的文化选项,默认为en_US,只有使用了相关文化,才能生成相对应的随机信息(比如:名字,地址,邮编,城市,省份等),如使用zh_CN代表中国,生成的信息就是中国文化的姓名、地址等。如使用en_US代表美国,生成的信息就是英文名、美国文化的街道、地址等。

支持非常多的国家和地区文化:

en_US- English (United States)

zh_CN- Chinese (China)

de_DE- German

fake = Faker(locale='zh_CN') # 中文
name = fake.name()
address = fake.address()
print("中国:"+name+"|"+address)

fake = Faker(locale='en_US') # 英文
name = fake.name()
address = fake.address()
print("美国:"+name+"|"+address)

fake = Faker(locale='de_DE') # 德文
name = fake.name()
address = fake.address()
print("德国:"+name+"|"+address)
image

二、常用的方法

地理信息类:

city_suffix():市,县

country():国家

country_code():国家编码

district():区

geo_coordinate():地理坐标

province():省份

基础信息类:

ssn():生成身份证号

company():随机公司名

credit_card_number():信用卡号

job():随机职位

name():随机生成全名

phone_number():随机生成手机号

email():随机邮箱

网络基础信息类:

ipv4():随机IP4地址

ipv6():随机IP6地址

domain_name():生成域名

mac_address():随机MAC地址

url():随机URL地址

浏览器信息类:

chrome():随机生成Chrome的浏览器user_agent信息

firefox():随机生成FireFox的浏览器user_agent信息

internet_explorer():随机生成IE的浏览器user_agent信息

opera():随机生成Opera的浏览器user_agent信息

safari():随机生成Safari的浏览器user_agent信息

文本、加密类

text():随机生成文本(有可能不是一句正常的话,仅文本)

word():随机生成词语

words():随机生成多个词语

md5():随机生成MD5

sha1():随机SHA1

sha256():随机SHA256

时间信息类:

date():随机日期

date_between():随机生成指定范围内日期,参数:start_date,end_date

future_date():未来日期

future_datetime():未来时间

timezone():随机时区

year():随机年份

from faker import Faker

fake = Faker(locale='zh_CN')
province = fake.province()
city= fake.city()
ssn = fake.ssn()
company=fake.company()
job = fake.job()
name =fake.name()
ipv4 = fake.ipv4()
print(province,city,ssn,company,job,name,ipv4)
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,519评论 5 468
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,842评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,544评论 0 330
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,742评论 1 271
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,646评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,027评论 1 275
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,513评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,169评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,324评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,268评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,299评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,996评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,591评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,667评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,911评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,288评论 2 345
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,871评论 2 341