Fast in jeden Projekt müssen die Datenbank gefüllt werden damit ausreichend getestet werden kann oder Reports erstellt werden können. Oft war es müssig und zeitraubend diese Daten zu erstellen. Einfacher funktioniere es über Faker. Faker ist eine Python Lib die diese Daten erstellt.
faker.Faker() initialisiert einen Fake-Generator, der Daten für verschiedene Eigenschaften auf der Grundlage verschiedener Datentypen erzeugen kann. Verschiedene Eigenschaften des Faker-Generators werden in “Providern” verpackt. Die Liste der verschiedenen Faker-Provider finden Sie hier. Es gibt auch Internet-Provider für ipv4 und andere Community-Provider wie Web, Cloud und Wifi. Benutzerdefinierte Provider können mit fake.add_provider(CustomProvider) erstellt und hinzugefügt werden.
faker.Faker() kann ein Gebietsschema als Argument nehmen, um lokalisierte Daten zurückzugeben. Das Standardgebietsschema ist en_US. Es bietet Unterstützung für Sprachen wie Hindi, Französisch, Spanisch, Chinesisch, Japanisch, Arabisch, Deutsch und viele andere.
Große CSV-Dateien mit gefälschten Daten können sehr einfach mit einer beliebigen Anzahl von Datensätzen erzeugt werden. Sie müssen nur die Kopfzeilen von CSV übergeben und die Dateneigenschaften für jede Spalte in der Kopfzeile angeben.
Faker erleichtert die Datengenerierung von Typen wie Name, E-Mail, Url, Adresse, Telefonnummer, Postleitzahl, Stadt, Bundesland, Land, Datum, Zeit und viele andere. Der Code zur Erzeugung von gefälschten CSV-Daten ist unten angegeben.
| import csv | |
| from faker import Faker | |
| import datetime | |
| def datagenerate(records, headers): | |
| fake = Faker('de_DE') | |
| fake1 = Faker('de_DE') # To generate phone numbers | |
| with open("People_data_de.csv", 'wt') as csvFile: | |
| writer = csv.DictWriter(csvFile, fieldnames=headers) | |
| writer.writeheader() | |
| for i in range(records): | |
| full_name = fake.name() | |
| FLname = full_name.split(" ") | |
| Fname = FLname[0] | |
| Lname = FLname[1] | |
| domain_name = "@testDomain.com" | |
| userId = Fname +"."+ Lname + domain_name | |
| writer.writerow({ | |
| "Email Id" : userId, | |
| "Prefix" : fake.prefix(), | |
| "Name": fake.name(), | |
| "Birth Date" : fake.date(pattern="%d-%m-%Y", end_datetime=datetime.date(2000, 1,1)), | |
| "Phone Number" : fake1.phone_number(), | |
| "Additional Email Id": fake.email(), | |
| "Address" : fake.address(), | |
| "Zip Code" : fake.postcode(), | |
| "City" : fake.city(), | |
| "State" : fake.state(), | |
| "Country" : fake.country(), | |
| "Year":fake.year(), | |
| "Time": fake.time(), | |
| "Link": fake.url(), | |
| "Text": fake.word(), | |
| }) | |
| if __name__ == '__main__': | |
| records = 1000000 | |
| headers = ["Email Id", "Prefix", "Name", "Birth Date", "Phone Number", "Additional Email Id", | |
| "Address", "Zip Code", "City","State", "Country", "Year", "Time", "Link", "Text"] | |
| datagenerate(records, headers) | |
| print("CSV generation complete!") |
Weitere Information finden Sie auf der Englischen Blog Seite für Python.
