1、背景

在软件需求、开发、测试过程中,有时候需要使用一些测试数据,针对这种情况,我们一般要么使用已有的系统数据,要么需要手动制造一些数据。由于现在的业务系统数据多种多样,千变万化。在手动制造数据的过程中,可能需要花费大量精力和工作量,此项工作既繁复又容易出错,比如要构造一批用户三要素(姓名、手机号、身份证)、构造一批银行卡数据、或构造一批地址通讯录等。

这时候,人们常常为了偷懒快捷,测试数据大多数可能是类似这样子的:

测试, 1300000 000123456
张三, 1310000 000123456
李四, 1320000 000234567
王五, 1330000 000345678

测试数据中包括了大量的“测试XX”,要么就是随手在键盘上一顿乱敲,都是些无意义的假数据。

你是不是这样做的呢?坦白的说,有过一段时间,笔者偶尔也是这么干的。

但是,细想一下,这样的测试数据,不仅要自己手动敲,还假的不能再假,浪费时间、浪费人力、数据价值低。

而且,部分数据的手工制造还无法保障:比如UUID类数据、MD5、SHA加密类数据等。

为了帮助大家解决这个问题,更多还是提供种一种解决方案或思路,今天给大家分享一款Python造数据利器:Faker库,利用它可以生成一批各种各样的看起来“像真的一样”的假数据。

直接上实战,让大家体会一下,如何将生成的模拟数据,最终写入到Excel文件中。

from faker import Faker
import pandas as pd
 
fake = Faker(["zh_CN"])
Faker.seed(0)

def get_data():
    key_list = ["姓名","详细地址","所在省份","手机号","身份证号","出生年月","邮箱"]
    name = fake.name()
    address = fake.address()
    province = address[:3]
    number = fake.phone_number()
    id_card = fake.ssn()
    birth_date = id_card[6:14]
    email = fake.email()
    info_list = [name,address,province,number,id_card,birth_date,email]
    person_info = dict(zip(key_list,info_list))
    return person_info


df = pd.DataFrame(columns=["姓名","详细地址","所在省份","手机号","身份证号","出生年月","邮箱"])
for i in range(10000):
    person_info = [get_data()]
    df1 = pd.DataFrame(person_info)
    df = pd.concat([df,df1])
df.to_excel("模拟数据.xlsx",index=None)

结果如下:
WX20220223-100608.png

2. Faker介绍 、安装

2.1 Faker是什么

Faker是一个Python包,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。
项目地址:

https://github.com/joke2k/faker

2.2 安装

安装 Faker 很简单,使用 pip 方式安装:

pip install Faker

除了pip 安装,也可以通过上方提供的github地址,来下载编译安装。

(py3_env) ➜  py3_env pip show faker
Name: Faker
Version: 4.1.1
Summary: Faker is a Python package that generates fake data for you.
Home-page: https://github.com/joke2k/faker
Author: joke2k
Author-email: joke2k@gmail.com
License: MIT License
Location: /Users/xxx/work_env/py3_env/lib/python3.7/site-packages
Requires: python-dateutil, text-unidecode
Required-by:

3. Faker常用使用

3.1 基本用法

Faker 的使用也是很简单的,从 faker 模块中导入类,然后实例化这个类,就可以调用方法使用了:

from faker import Faker

fake = Faker()
name = fake.name()
address = fake.address()
print(name)
print(address)

# 输出信息
Ashley Love
074 Lee Village Suite 464
Dawnborough, RI 44234

这里我们造了一个名字和一个地址,由于 Faker 默认是英文数据,所以如果我们需要造其他语言的数据,可以使用 locale参数,例如:

from faker import Faker

fake = Faker(locale='zh_CN')
name = fake.name()
address = fake.address()
print(name)
print(address)

# 输出信息
张艳
海南省上海市朝阳邱路y座 175208

是不是看起来还不错,但是有一点需要注意,这里的地址并不是真实的地址,而是随机组合出来的,也就是将省、市、道路之类的随机组合在一起。
这里介绍几个比较常见的语言代号:

  • 简体中文:zh_CN
  • 繁体中文:zh_TW
  • 美国英文:en_US
  • 英国英文:en_GB
  • 德文:de_DE
  • 日文:ja_JP
  • 韩文:ko_KR
  • 法文:fr_FR

例如将语言修改为繁体中文fake = Faker(locale='zh_TW'),输出信息为:

楊志宏
100 中壢博愛街10號9樓

3.2 常用函数

除了上述介绍的fake.namefake.address生成姓名和地址两个函数外,常用的faker函数按类别划分有如下一些常用方法。

1、地理信息类

  • fake.city_suffix():市,县
  • fake.country():国家
  • fake.country_code():国家编码
  • fake.district():区
  • fake.geo_coordinate():地理坐标
  • fake.latitude():地理坐标(纬度)
  • fake.longitude():地理坐标(经度)
  • fake.postcode():邮编
  • fake.province():省份
  • fake.address():详细地址
  • fake.street_address():街道地址
  • fake.street_name():街道名
  • fake.street_suffix():街、路

2、基础信息类

  • ssn():生成身份证号
  • bs():随机公司服务名
  • company():随机公司名(长)
  • company_prefix():随机公司名(短)
  • company_suffix():公司性质
  • credit_card_expire():随机信用卡到期日
  • credit_card_full():生成完整信用卡信息
  • credit_card_number():信用卡号
  • credit_card_provider():信用卡类型
  • credit_card_security_code():信用卡安全码
  • job():随机职位
  • first_name_female():女性名
  • first_name_male():男性名
  • last_name_female():女姓
  • last_name_male():男姓
  • name():随机生成全名
  • name_female():男性全名
  • name_male():女性全名
  • phone_number():随机生成手机号
  • phonenumber_prefix():随机生成手机号段

3、计算机基础、Internet信息类

  • ascii_company_email():随机ASCII公司邮箱名
  • ascii_email():随机ASCII邮箱:
  • company_email():
  • email():
  • safe_email():安全邮箱

4、网络基础信息类

  • domain_name():生成域名
  • domain_word():域词(即,不包含后缀)
  • ipv4():随机IP4地址
  • ipv6():随机IP6地址
  • mac_address():随机MAC地址
  • tld():网址域名后缀(.com,.net.cn,等等,不包括.)
  • uri():随机URI地址
  • uri_extension():网址文件后缀
  • uri_page():网址文件(不包含后缀)
  • uri_path():网址文件路径(不包含文件名)
  • url():随机URL地址
  • user_name():随机用户名
  • image_url():随机URL地

5、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
  • linux_platform_token():随机Linux信息
  • user_agent():随机user_agent信息

6、数字类

  • numerify():三位随机数字
  • random_digit():0~9随机数
  • random_digit_not_null():1~9的随机数
  • random_int():随机数字,默认0~9999,可以通过设置min,max来设置
  • random_number():随机数字,参数digits设置生成的数字位数
  • pyfloat():left_digits=5 #生成5的整数位数, right_digits=2 #生成2的小数位数, positive=True #是否只有正数
  • pyint():随机Int数字(参考random_int()参数)
  • pydecimal():随机Decimal数字(参考pyfloat参数)

7、文本、加密类

  • pystr():随机字符串
  • random_element():随机字母
  • random_letter():随机字母
  • paragraph():随机生成一个段落
  • paragraphs():随机生成多个段落
  • sentence():随机生成一句话
  • sentences():随机生成多句话,与段落类似
  • text():随机生成一篇文章
  • word():随机生成词语
  • words():随机生成多个词语,用法与段落,句子,类似
  • binary():随机生成二进制编码
  • boolean():True/False
  • language_code():随机生成两位语言编码
  • locale():随机生成语言/国际 信息
  • md5():随机生成MD5
  • null_boolean():NULL/True/False
  • password():随机生成密码,可选参数:length:密码长度;special_chars:是否能使用特殊字符;digits:是否包含数字;upper_case:是否包含大写字母;lower_case:是否包含小写字母
  • sha1():随机SHA1
  • sha256():随机SHA256
  • uuid4():随机UUID

8、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
  • date_between_dates():随机生成指定范围内日期,用法同上
  • date_object():随机生产从1970-1-1到指定日期的随机日期。
  • date_time():随机生成指定时间(1970年1月1日至今)
  • date_time_ad():生成公元1年到现在的随机时间
  • date_time_between():用法同dates
  • future_date():未来日期
  • future_datetime():未来时间
  • month():随机月份
  • month_name():随机月份(英文)
  • past_date():随机生成已经过去的日期
  • past_datetime():随机生成已经过去的时间
  • time():随机24小时时间
  • timedelta():随机获取时间差
  • time_object():随机24小时时间,time对象
  • time_series():随机TimeSeries对象
  • timezone():随机时区
  • unix_time():随机Unix时间
  • year():随机年份

9、python 相关方法

  • profile():随机生成档案信息
  • simple_profile():随机生成简单档案信息
  • pyiterable():迭代器
  • pylist():列表
  • pyset():集合
  • pystruct():结构体
  • pytuple():元组
  • pydict():字典
  • pybool():布尔类型
  • pydecimal():数字
  • pyint():整型
  • pystr():字符串

3.3 常用数据场景

1、构造通讯录记录

from faker import Faker

fake = Faker(locale='zh_CN')
for _ in range(5):
    print('姓名:', fake.name(), ' 手机号:', fake.phone_number())
    
# 输出信息:
姓名: 骆柳  手机号: 18674751460
姓名: 薛利  手机号: 13046558454
姓名: 翟丽丽  手机号: 15254904803
姓名: 宋秀珍  手机号: 13347585045
姓名: 孔桂珍  手机号: 18258911504

2、构造信用卡数据

from faker import Faker

fake = Faker(locale='zh_CN')
print('Card Number:', fake.credit_card_number(card_type=None))
print('Card Provider:', fake.credit_card_provider(card_type=None))
print('Card Security Code:', fake.credit_card_security_code(card_type=None))
print('Card Expire:', fake.credit_card_expire())

# 输出信息:
Card Number: 676181530350
Card Provider: Diners Club / Carte Blanche
Card Security Code: 615
Card Expire: 09/21

3、生成个人档案信息

from faker import Faker

fake = Faker(locale='zh_CN')
print(fake.profile())

# 输出信息
{'job': '美术指导', 'company': '易动力传媒有限公司', 'ssn': '370703197807179500', 'residence': '广西壮族自治区旭县蓟州东莞街L座 784064', 'current_location': (Decimal('78.3608745'), Decimal('-95.946407')), 'blood_group': 'B+', 'website': ['https://www.jiewang.org/', 'https://www.longsong.cn/', 'https://jingyong.net/', 'https://58.cn/'], 'username': 'qinqiang', 'name': '唐伟', 'sex': 'F', 'address': '新疆维吾尔自治区建华市东丽拉萨街a座 875743', 'mail': 'shenyang@hotmail.com', 'birthdate': datetime.date(2014, 4, 27)}

4、生成Python相关结构信息

from faker import Faker

fake = Faker(locale='zh_CN')
print('生成Python字典: {}'.format(fake.pydict(
    nb_elements=10, variable_nb_elements=True)))  # Python字典
print('生成Python可迭代对象:{}.'.format(fake.pyiterable(
    nb_elements=10, variable_nb_elements=True)))   # Python可迭代对象
print('生成Python结构:{}'.format(fake.pystruct(count=1)))  # Python结构


# 输出信息
成Python字典: {'论坛': 'nVcSbHlrcrhIBtwByVUM', '直接': 'drkyFUNcNxdbwYKhRLEZ', '成功': 'https://fang.cn/main/search/blog/search/', '没有': datetime.datetime(2006, 2, 24, 15, 40, 14), '原因': 404, '作者': 'OTJjsFHQklpUvTPtLCqP'}
生成Python可迭代对象:{1088, 'ignqbohwYRxqolLEzSti', 'http://gang.cn/main/search.php', 'zRnNYdIpPXUxEVISHbvS', 'ToZxuBetghvlPHUumAvi', 9830, 'OYAjoKeVNGhHMLgnYUAw', 970446.888, -17681479853.4069, 872236250787063.0, datetime.datetime(2017, 12, 24, 5, 58, 58), 'aRSfxiUSuMqHXvKCCkMJ'}
生成Python结构:(['cKwOvdCEFOhCERMSMXSf'], {'只有': 'hhwGCmjkHMOUjBTDztXp'}, {'还有': {0: 'vjcNqpnRbNUUxXpgVyvh', 1: [8725, 7125, 'aTSJssAJUKpuRLcbiwyK'], 2: {0: 'RmWlFQQpVZIQkxZPfJnq', 1: 'efsUVLgeStXbCOJDuJCf', 2: ['FgZQLCRjUTmEbBdDMEPZ', 'https://min.cn/search/faq/']}}})

4. 自定义Faker数据类型

如果这些数据还不够生成数据使用,Faker还支持创建自定义的Provider生成数据。

from faker import Faker
from faker.providers import BaseProvider

# 创建自定义Provider
class CustomProvider(BaseProvider):
    def customize_type(self):
        return 'test_Faker_customize_type'

# 添加Provider
fake = Faker()
fake.add_provider(CustomProvider)
print(fake.customize_type())

是不是十分简单,以后常用的数据就可以自己创建Provider用自动化的方法生成了,不仅节省了时间,复用性也变高了。

5. 总结

这些只是其中的一些常见的数据,Faker 可以造的数据远不止这些类型。相信通过本文的介绍,大家应该对 Faker 不陌生了吧。
此外,作为一个开源的库,Faker的源码是非常值得研究的,也是Python新手可以用来练开源项目的利器。

最后修改:2022 年 04 月 27 日
如果觉得我的文章对你有用,请随意赞赏