Generator für Testdaten

Nächste

Generieren Sie mit einem Klick Zeilen von gefälschten, aber realistischen Benutzerdatensätzen: ID, vollständiger Name, E-Mail, Telefon und Stadt. Die Ausgabe ist eine CSV mit einer Kopfzeile, die Sie in eine Tabelle einfügen können, oder JSON für API-Mocks. Nützlich zum Befüllen einer Entwicklungsdatenbank, zur Anzeige einer Dashboard-Vorschau, zum Schreiben von Integrationstests oder zum Stresstest eines CSV-Importeurs, ohne echte Benutzerdaten offenzulegen.

So generieren Sie einen gefälschten Datensatz

  1. 1

    Wählen Sie die Anzahl der Datensätze

    Wählen Sie, wie viele Zeilen Sie benötigen, typische Läufe sind 10, 50 oder 200 Datensätze.

  2. 2

    Wählen Sie das Format

    CSV für Tabellenkalkulationen und SQL-Importe, JSON für API-Fixierungen und Frontend-Mocks.

  3. 3

    Generieren

    Der Generator stellt zufällig Namen, E-Mails, Telefonnummern und Städte zu Datensätzen mit fortlaufenden IDs zusammen.

  4. 4

    Kopieren oder herunterladen

    Kopieren Sie die Ausgabe, um sie in ein Tool einzufügen, oder speichern Sie sie als `.csv` oder `.json` Datei, um Ihre Testumgebung zu füttern.

Was der Generator produziert

Das Ziel ist eine glaubwürdige Form, nicht hochpräzise Statistiken. Namen stammen aus einem gemischten Pool, sodass sie menschlich wirken, anstatt offensichtlich vorgefertigt zu sein.

Felder pro Datensatz

Feld Form Beispiel
id Fortlaufende Ganzzahl, beginnend bei 1 17
name Vorname + Nachname aus gemischten Pools Morgan Lopez
email Normalisierter Name + id @example.com morgan.lopez17@example.com
phone Nordamerikanisches Format, gefälschte Vorwahl +1-555-412-8203
city Europäische Hauptstadt aus einer kurzen Liste Berlin

Warum @example.com und 555-

Diese sind für Dokumentation und Fiktion durch RFC 2606 und NANP reserviert. Ihre Verwendung garantiert, dass die generierten Adressen und Telefonnummern niemals mit echten Personen kollidieren, sodass Ihre Testdaten nicht versehentlich ein echtes Postfach erreichen oder um 3 Uhr morgens einen Fremden anrufen.

Sinnvolle Anwendungsfälle

  • Befüllen einer Staging-Datenbank mit genügend Zeilen, damit Listenansichten, Suche und Paginierung realistisch funktionieren.
  • Lasttest eines CSV-Importeurs, generieren Sie 200 Datensätze, multiplizieren Sie dann auf 200.000 in einer Tabelle vor dem Upload.
  • Mocking einer API während der Frontend-Entwicklung, indem die JSON-Ausgabe in eine Fixierungsdatei eingefügt wird.
  • Design-Tokens für eine Dashboard-Vorschau damit Stakeholder eine belebte Benutzeroberfläche anstelle eines leeren Zustands sehen.

Was es nicht ist

Keine Faker-Bibliothek für jede Region (verwenden Sie Faker, @faker-js/faker oder Chance dafür). Keine Quelle für statistisch realistische Demografien, die Verteilungen hier sind gleichmäßig und aus einem kleinen Pool. Wenn Sie lokal korrekte Namen, Adressen mit gültigen Postleitzahlen oder branchenspezifische Felder benötigen, greifen Sie auf eine vollständige Bibliothek zurück.

Häufig gestellte Fragen

Ja. E-Mails enden auf @example.com, einer von RFC 2606 reservierten Domain, die niemand besitzt. Telefonnummern verwenden die 555- Vorwahl, die im nordamerikanischen Nummerierungsplan für Fiktion reserviert ist. Keine wird jemals eine echte Person erreichen.

Jeder Lauf verwendet frische Zufälligkeit, sodass die Ergebnisse jedes Mal unterschiedlich sind. Wenn Ihre Tests deterministische Daten benötigen, generieren Sie einmal, speichern Sie die Datei in Ihrem Repository und behandeln Sie sie als Fixierung.

Die Ausgabe ist auf 200 pro Generation begrenzt, um die Seite schnell zu halten. Für größere Mengen fügen Sie die CSV in eine Tabelle ein und duplizieren Sie die Zeilen oder führen Sie eine dedizierte Bibliothek lokal aus.

Die Datensätze werden während der Anfrage erstellt, an Sie zurückgesendet und nicht in Speicher oder Protokollen gespeichert.

Verwandte Tools

Tool in anderen Sprachen verfügbar