Python实用工具：Faker库完全指南——快速生成逼真测试数据

作者：

在

一、Faker库核心概述

Faker是一款Python第三方库，核心用途是生成高度逼真的伪随机测试数据，涵盖姓名、地址、邮箱、手机号、文本、时间等数百种数据类型，广泛应用于软件开发、数据分析、自动化测试等场景。其工作原理是基于不同地区的本地化数据模板，通过随机算法组合生成符合现实逻辑的虚拟数据。

该库的优点十分突出：支持多语言多地区本地化配置、数据类型丰富且可自定义扩展、使用方式简单灵活；缺点则是生成的部分专业数据（如金融账号、医疗信息）不具备真实有效性，仅适用于测试环境。Faker遵循MIT开源许可证，开发者可自由用于商业和非商业项目，无授权限制。

二、Faker库安装与基础配置

2.1 安装方式

Faker的安装非常便捷，支持pip和conda两种主流包管理工具，技术小白也能轻松上手。

pip安装（推荐）
打开命令行终端，输入以下命令即可完成安装：
python pip install faker
若需要安装指定版本（如稳定版19.6.2），可执行：
python pip install faker==19.6.2
conda安装
如果你使用Anaconda环境，可通过conda-forge源安装：
python conda install -c conda-forge faker

2.2 验证安装

安装完成后，我们可以通过一段简单的代码验证是否安装成功。创建一个名为test_faker.py的文件，输入以下代码：

# 导入Faker的核心类
from faker import Faker

# 初始化Faker对象
fake = Faker()

# 生成一条随机姓名数据
print("随机姓名：", fake.name())

运行该脚本，若终端输出类似随机姓名： Jennifer Davis的结果，则说明Faker库已成功安装。

2.3 本地化配置

Faker支持全球数十个国家和地区的本地化数据生成，默认生成的是英文数据，我们可以通过指定语言代码来生成符合国内习惯的中文数据。常见的语言代码包括：zh_CN（中国大陆）、zh_TW（中国台湾）、en_US（美国英语）、ja_JP（日语）等。

以下是本地化配置的代码示例：

from faker import Faker

# 初始化中文本地化的Faker对象
fake = Faker("zh_CN")

# 生成中文数据
print("中文姓名：", fake.name())
print("中文地址：", fake.address())
print("手机号码：", fake.phone_number())

运行结果示例：

中文姓名： 王芳
中文地址： 湖南省长沙市雨花区人民路88号 410007
手机号码： 13812345678

三、Faker库核心功能与代码示例

Faker库提供了数百种数据生成方法，覆盖日常开发和测试的大部分场景，我们可以将其分为基础信息类、网络信息类、文本数据类、时间日期类、专业数据类五大模块，下面逐一进行详细讲解并附上代码示例。

3.1 基础信息类数据生成

基础信息类数据是测试中最常用的类型，包括姓名、地址、手机号、身份证号、公司名称等，以下是常用方法的代码示例：

from faker import Faker

# 初始化中文Faker对象
fake = Faker("zh_CN")

# 生成姓名相关数据
print("随机姓名：", fake.name())  # 生成全名
print("姓氏：", fake.last_name())  # 生成姓氏
print("名字：", fake.first_name())  # 生成名字

# 生成地址相关数据
print("详细地址：", fake.address())  # 生成完整地址（省市区街道邮编）
print("省份：", fake.province())  # 生成省份
print("城市：", fake.city())  # 生成城市
print("街道地址：", fake.street_address())  # 生成街道地址
print("邮政编码：", fake.postcode())  # 生成邮政编码

# 生成联系方式相关数据
print("手机号码：", fake.phone_number())  # 生成中国大陆手机号
print("固定电话：", fake.phone_number())  # 生成固定电话（部分地区）
print("身份证号：", fake.ssn())  # 生成符合规则的身份证号

# 生成公司相关数据
print("公司名称：", fake.company())  # 生成公司名称
print("公司职位：", fake.job())  # 生成公司职位

代码说明：

fake.name()：生成随机的中文全名，涵盖男女姓名，符合国内姓名命名习惯；
fake.address()：生成的地址包含省、市、区、街道、门牌号和邮编，格式规范，适合用于用户地址测试；
fake.ssn()：生成的身份证号符合18位的编码规则，包含地区码、出生日期码、顺序码和校验码，仅用于测试，不具备真实有效性。

运行结果示例：

随机姓名： 李强
姓氏： 张
名字： 小明
详细地址： 广东省深圳市南山区科技园路100号 518000
省份： 浙江省
城市： 杭州市
街道地址： 东湖路99号
邮政编码： 310000
手机号码： 13987654321
固定电话： 021-12345678
身份证号： 430102199001011234
公司名称： 华讯科技有限公司
公司职位： 软件工程师

3.2 网络信息类数据生成

网络信息类数据包括邮箱、URL、IP地址、用户名、密码等，适用于Web开发中的用户注册、登录测试等场景，代码示例如下：

from faker import Faker

fake = Faker("zh_CN")

# 生成邮箱相关数据
print("随机邮箱：", fake.email())  # 生成随机邮箱
print("企业邮箱：", fake.company_email())  # 生成企业邮箱
print("免费邮箱：", fake.free_email())  # 生成免费邮箱（如163、qq邮箱）

# 生成URL相关数据
print("网站URL：", fake.url())  # 生成随机网站URL
print("域名：", fake.domain_name())  # 生成域名
print("IP地址（IPv4）：", fake.ipv4())  # 生成IPv4地址
print("IP地址（IPv6）：", fake.ipv6())  # 生成IPv6地址

# 生成用户账号相关数据
print("用户名：", fake.user_name())  # 生成用户名
print("密码：", fake.password(length=12))  # 生成指定长度的密码
print("用户代理（UA）：", fake.user_agent())  # 生成浏览器用户代理字符串

代码说明：

fake.email()：生成的邮箱格式规范，包含用户名、@符号和域名，支持自定义域名；
fake.password(length=12)：通过length参数指定密码长度，默认生成包含字母、数字和特殊字符的强密码；
fake.user_agent()：生成的UA字符串符合主流浏览器（Chrome、Firefox、Safari等）的格式，适用于爬虫和Web测试。

运行结果示例：

随机邮箱： [email protected]
企业邮箱： [email protected]
免费邮箱： [email protected]
网站URL： https://www.example.com
域名： example.net
IP地址（IPv4）： 192.168.1.100
IP地址（IPv6）： 2001:0db8:85a3:0000:0000:8a2e:0370:7334
用户名： liqiang_88
密码： K9#p2Q7!xR3t
用户代理（UA）： Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36

3.3 文本数据类数据生成

文本数据类数据包括单词、句子、段落、文章、随机字符等，适用于生成测试用的文本内容、填充数据库字段等场景，代码示例如下：

from faker import Faker

fake = Faker("zh_CN")

# 生成单词和句子
print("随机单词：", fake.word())  # 生成单个中文词语
print("随机句子：", fake.sentence())  # 生成单个中文句子
print("多个句子：", fake.sentences(nb=3))  # 生成指定数量的句子，返回列表

# 生成段落和文章
print("随机段落：", fake.paragraph())  # 生成单个中文段落
print("多个段落：", fake.paragraphs(nb=2))  # 生成指定数量的段落，返回列表
print("随机文章：", fake.text())  # 生成一篇中文文章（多个段落）

# 生成随机字符
print("随机字母（大写）：", fake.random_letter().upper())  # 生成单个大写字母
print("随机数字字符串：", fake.numerify(text="###-####-#####"))  # 生成指定格式的数字字符串
print("随机字母数字混合字符串：", fake.bothify(text="??##-??##-??##"))  # 生成字母数字混合字符串

代码说明：

fake.sentence()：生成的句子语法正确，语义通顺，长度在10-20个字符左右；
fake.paragraphs(nb=2)：nb参数用于指定生成的段落数量，返回的是字符串列表；
fake.numerify()和fake.bothify()：支持通过占位符自定义格式，#代表数字，?代表字母，适合生成订单号、产品编号等格式固定的数据。

运行结果示例：

随机单词： 技术
随机句子： 该项目的研发工作已经进入了最后的测试阶段。
多个句子： ['公司将于下周一召开全体员工大会。', '新产品的市场反馈情况超出了预期。', '请各位同事按时提交本月的工作总结。']
随机段落： 近年来，随着人工智能技术的快速发展，越来越多的企业开始将AI技术应用到实际生产中。从智能制造到智能客服，AI技术的落地场景不断丰富，为企业带来了显著的效率提升和成本节约。同时，相关的政策支持也为AI产业的发展提供了良好的环境，推动整个行业朝着更加规范和成熟的方向迈进。
多个段落： ['在教育领域，线上学习平台的普及改变了传统的教学模式。学生可以随时随地获取学习资源，教师也可以通过大数据分析了解学生的学习情况，从而实现个性化教学。这种模式不仅提高了学习效率，还打破了地域和时间的限制，让优质教育资源能够惠及更多人群。', '随着人们生活水平的提高，健康意识也越来越强。健身、养生、有机食品等概念逐渐成为主流，相关产业也迎来了快速发展的机遇。同时，医疗技术的进步也为人们的健康提供了更有力的保障，许多疑难杂症的治疗效果得到了显著提升。']
随机文章： 数字经济是当前全球经济发展的重要趋势，它以数据为关键生产要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率更加统一的新经济形态。
在数字经济的发展过程中，数据的价值日益凸显。企业通过对海量数据的分析和挖掘，可以精准把握市场需求，优化产品设计和生产流程，提升自身的核心竞争力。同时，政府也可以利用数据技术提升治理能力，实现精准施策和高效服务。
然而，数字经济的发展也面临着一些挑战，比如数据安全、隐私保护、数字鸿沟等问题。这些问题需要政府、企业和社会各界共同努力，通过完善法律法规、加强技术研发、推进普惠性政策等方式加以解决，从而推动数字经济健康可持续发展。
随机字母（大写）： M
随机数字字符串： 123-4567-89012
随机字母数字混合字符串： AB12-CD34-EF56

3.4 时间日期类数据生成

时间日期类数据包括日期、时间、时间戳等，适用于测试时间相关的功能模块，如订单创建时间、用户注册时间等，代码示例如下：

from faker import Faker

fake = Faker("zh_CN")

# 生成日期相关数据
print("随机日期（YYYY-MM-DD）：", fake.date())  # 生成随机日期
print("指定范围的日期：", fake.date_between(start_date="-1y", end_date="today"))  # 生成近一年的日期
print("未来日期：", fake.date_between(start_date="today", end_date="+30d"))  # 生成未来30天的日期
print("生日日期：", fake.date_of_birth(minimum_age=18, maximum_age=60))  # 生成18-60岁的生日日期

# 生成时间相关数据
print("随机时间（HH:MM:SS）：", fake.time())  # 生成随机时间
print("日期时间组合：", fake.date_time())  # 生成随机日期时间
print("Unix时间戳：", fake.unix_time())  # 生成Unix时间戳
print("ISO格式日期时间：", fake.iso8601())  # 生成ISO8601格式的日期时间

# 生成时间段相关数据
print("随机月份：", fake.month())  # 生成月份（1-12）
print("随机星期：", fake.day_of_week())  # 生成星期几
print("随机年份：", fake.year())  # 生成年份

代码说明：

fake.date_between()：通过start_date和end_date参数指定日期范围，支持相对时间（如-1y代表一年前，+30d代表30天后）和绝对时间（如2023-01-01）；
fake.date_of_birth()：通过minimum_age和maximum_age参数指定年龄范围，生成对应的生日日期；
fake.iso8601()：生成的日期时间符合ISO8601国际标准，格式为YYYY-MM-DDTHH:MM:SS，适用于国际项目的测试。

运行结果示例：

随机日期（YYYY-MM-DD）： 2020-05-18
指定范围的日期： 2024-03-25
未来日期： 2025-01-15
生日日期： 1985-08-12
随机时间（HH:MM:SS）： 14:35:22
日期时间组合： 2022-11-03 09:12:34
Unix时间戳： 1678901234
ISO格式日期时间： 2023-07-15T16:20:10
随机月份： 06
随机星期： Friday
随机年份： 2019

3.5 专业数据类数据生成

专业数据类数据包括银行卡号、车牌号、颜色、文件扩展名、编程语言等，适用于特定领域的测试场景，代码示例如下：

from faker import Faker

fake = Faker("zh_CN")

# 生成金融相关数据
print("银行卡号：", fake.credit_card_number())  # 生成银行卡号
print("银行卡类型：", fake.credit_card_provider())  # 生成银行卡类型
print("银行卡有效期：", fake.credit_card_expire())  # 生成银行卡有效期

# 生成交通相关数据
print("车牌号：", fake.license_plate())  # 生成中国大陆车牌号

# 生成其他专业数据
print("颜色名称：", fake.color_name())  # 生成颜色名称
print("文件扩展名：", fake.file_extension())  # 生成文件扩展名
print("编程语言：", fake.programming_language())  # 生成编程语言名称
print("UUID：", fake.uuid4())  # 生成UUID4字符串

代码说明：

fake.credit_card_number()：生成的银行卡号符合各大银行的编码规则，仅用于测试，不可用于真实交易；
fake.license_plate()：生成的车牌号符合中国大陆的格式（省份简称+字母+数字）；
fake.uuid4()：生成的UUID4字符串符合标准格式，适用于生成唯一标识符。

运行结果示例：

银行卡号： 6222021234567890
银行卡类型： Mastercard
银行卡有效期： 28/12
车牌号： 粤A12345
颜色名称： Blue
文件扩展名： pdf
编程语言： Python
UUID： 550e8400-e29b-41d4-a716-446655440000

四、Faker库高级用法：自定义数据生成器

虽然Faker库提供了丰富的内置数据生成方法，但在实际开发中，我们可能会遇到一些特殊的需求，比如生成符合特定业务规则的数据（如电商平台的商品SKU、物流单号等）。这时我们可以通过自定义数据生成器来扩展Faker的功能，下面以生成电商商品SKU为例，详细讲解自定义数据生成器的实现方法。

4.1 自定义数据生成器的实现步骤

定义一个自定义生成器类，继承自faker.providers.BaseProvider；
在自定义类中编写数据生成方法；
将自定义类添加到Faker对象的提供者列表中；
调用自定义方法生成数据。

4.2 代码示例：生成电商商品SKU

from faker import Faker
from faker.providers import BaseProvider

# 1. 定义自定义生成器类
class CustomSKUProvider(BaseProvider):
    def product_sku(self):
        """
        生成电商商品SKU，格式为：分类缩写-品牌缩写-年份-随机数字
        分类缩写：ELE（电子产品）、CLT（服装）、FOD（食品）
        品牌缩写：APP（苹果）、SAM（三星）、NIK（耐克）、ADID（阿迪达斯）、UNI（统一）
        """
        # 定义分类缩写列表
        category_list = ["ELE", "CLT", "FOD"]
        # 定义品牌缩写列表
        brand_list = {
            "ELE": ["APP", "SAM", "HUA", "XIA"],
            "CLT": ["NIK", "ADID", "PUMA", "ANTA"],
            "FOD": ["UNI", "MASTER", "KANG", "WEIQ"]
        }
        # 随机选择分类
        category = self.random_element(category_list)
        # 根据分类选择品牌
        brand = self.random_element(brand_list[category])
        # 生成年份（近5年）
        year = self.random_int(min=2020, max=2025)
        # 生成随机数字（4位）
        num = self.random_int(min=1000, max=9999)
        # 组合生成SKU
        sku = f"{category}-{brand}-{year}-{num}"
        return sku

# 2. 初始化Faker对象
fake = Faker("zh_CN")

# 3. 添加自定义提供者到Faker对象
fake.add_provider(CustomSKUProvider)

# 4. 调用自定义方法生成数据
for _ in range(5):
    print("自定义商品SKU：", fake.product_sku())

代码说明：

自定义生成器类必须继承自BaseProvider，这是Faker库规定的扩展规范；
在product_sku方法中，我们通过self.random_element()和self.random_int()方法实现随机选择和随机数字生成，这两个方法是BaseProvider类提供的内置方法；
通过fake.add_provider()方法将自定义类添加到Faker对象后，就可以像调用内置方法一样调用fake.product_sku()生成数据。

运行结果示例：

自定义商品SKU： ELE-APP-2023-4567
自定义商品SKU： CLT-NIK-2021-1234
自定义商品SKU： FOD-UNI-2025-8901
自定义商品SKU： ELE-XIA-2022-2345
自定义商品SKU： CLT-ANTA-2024-5678

4.3 自定义数据生成器的扩展场景

除了生成商品SKU，自定义数据生成器还可以应用于以下场景：

生成物流单号（如顺丰：SF+12位数字，圆通：YT+12位数字）；
生成医院病历号（如医院代码+年份+随机数字）；
生成学生学号（如学校代码+年级+班级+序号）。

五、Faker库实际应用案例：生成测试用的用户数据CSV文件

在实际的软件开发和测试中，我们经常需要批量生成用户数据并保存到文件中，供自动化测试或数据库填充使用。下面以生成100条中文用户数据并保存为CSV文件为例，展示Faker库的实际应用价值。

5.1 案例需求分析

生成100条用户数据，每条数据包含：用户ID、姓名、性别、年龄、手机号、邮箱、地址、注册时间、职业；
性别为男/女，随机分布；
年龄范围为18-60岁；
注册时间为近一年的随机日期时间；
将生成的数据保存为test_users.csv文件。

5.2 代码实现

import csv
from faker import Faker
import random

# 初始化中文Faker对象
fake = Faker("zh_CN")

# 定义CSV文件的表头
headers = ["user_id", "name", "gender", "age", "phone", "email", "address", "register_time", "job"]

# 生成100条用户数据
user_data = []
for i in range(1, 101):
    # 生成用户ID
    user_id = f"user_{i:03d}"  # 格式为user_001, user_002...
    # 生成姓名
    name = fake.name()
    # 生成性别
    gender = random.choice(["男", "女"])
    # 生成年龄
    age = random.randint(18, 60)
    # 生成手机号
    phone = fake.phone_number()
    # 生成邮箱
    email = fake.email()
    # 生成地址
    address = fake.address().replace("\n", " ")  # 去除地址中的换行符
    # 生成注册时间（近一年）
    register_time = fake.date_time_between(start_date="-1y", end_date="today")
    # 生成职业
    job = fake.job()
    # 将数据添加到列表
    user_data.append([user_id, name, gender, age, phone, email, address, register_time, job])

# 将数据写入CSV文件
with open("test_users.csv", "w", encoding="utf-8", newline="") as f:
    writer = csv.writer(f)
    # 写入表头
    writer.writerow(headers)
    # 写入数据
    writer.writerows(user_data)

print("100条用户数据已成功生成并保存到test_users.csv文件中！")

代码说明：

使用random.choice(["男", "女"])实现性别的随机分布；
user_id的格式通过f-string格式化，i:03d表示将数字格式化为3位，不足的位数用0填充；
地址数据中可能包含换行符，通过replace("\n", " ")去除换行符，避免CSV文件格式错乱；
写入CSV文件时，指定encoding="utf-8"以支持中文，newline=""避免出现空行。

5.3 案例运行结果

运行代码后，会在当前目录下生成一个名为test_users.csv的文件，打开后部分数据如下：
| user_id | name | gender | age | phone | email | address | register_time | job |
| – | – | – | – | – | – | – | – | – |
| user_001 | 张三 | 男 | 28 | 13812345678 | [email protected] | 北京市朝阳区建国路88号 100022 | 2024-05-12 10:23:45 | 软件工程师 |
| user_002 | 李四 | 女 | 35 | 13987654321 | [email protected] | 上海市浦东新区张江高科技园区 201203 | 2024-08-25 14:56:12 | 市场经理 |

这个案例可以直接应用于Web项目的用户模块测试，帮助测试人员快速构建测试数据，提高测试效率。

六、Faker库相关资源链接

Pypi地址：https://pypi.org/project/Faker
Github地址：https://github.com/joke2k/faker
官方文档地址：https://faker.readthedocs.io/en/master/

关注我，每天分享一个实用的Python自动化工具。

实用工具

Python实用工具：Faker库完全指南——快速生成逼真测试数据

一、Faker库核心概述

二、Faker库安装与基础配置

2.1 安装方式

2.2 验证安装

2.3 本地化配置

三、Faker库核心功能与代码示例

3.1 基础信息类数据生成

3.2 网络信息类数据生成

3.3 文本数据类数据生成

3.4 时间日期类数据生成

3.5 专业数据类数据生成

四、Faker库高级用法：自定义数据生成器

4.1 自定义数据生成器的实现步骤

4.2 代码示例：生成电商商品SKU

4.3 自定义数据生成器的扩展场景

五、Faker库实际应用案例：生成测试用的用户数据CSV文件

5.1 案例需求分析

5.2 代码实现

5.3 案例运行结果

六、Faker库相关资源链接

更多文章

Python实用工具Tablib：高效数据格式处理与导出指南

Python实用工具：Faker库完全指南——快速生成逼真测试数据

Python实用工具：Datasets库快速上手指南_数据处理与加载必备神器

Python实用工具：psycopg3 完全指南——PostgreSQL数据库交互最佳实践