Popolare un’interfaccia
Genera record di prova per tabelle, moduli e dimostrazioni senza dati di produzione.
Data Faker
Crea fino a 10.000 record fittizi localizzati con schema personalizzabile, seed riproducibile ed esportazione JSON, CSV o SQL. Tutto resta nel browser.
- Appunti
- Elaborazione in batch
- Esporta
I dati vengono creati localmente. Sono completamente fittizi e non devono essere usati per impersonare una persona reale.
Modello di dati
Scegli uno schema pronto all’uso o creane uno personalizzato.
Da 1 a 10.000 record.
Riutilizza lo stesso seed per riprodurre esattamente lo stesso set di dati.
Campi da generare
I campi sono usati quando è selezionato il modello Personalizzato.
Dati generati
Copia o esporta il set di dati nel formato selezionato.
Questo strumento ti è stato utile?
Come funziona questo strumento?
Utilizza Data Faker direttamente nel browser per ottenere rapidamente il risultato di cui hai bisogno.
Data Faker elabora i dati localmente nel browser. Inserisci i valori necessari, regola le opzioni disponibili e verifica il risultato prima di riutilizzarlo.
La riproducibilità dipende da seme, lingua dei dati, modello o campi e versione del motore. Salva queste impostazioni con il test. Un seme vuoto avvia una nuova serie. Il generatore è pseudocasuale: gli UUID con forma v4 non sostituiscono identificatori crittografici o segreti. Il generatore UUID dedicato usa una fonte diversa per identificatori casuali indipendenti.
I valori provengono da piccoli cataloghi dimostrativi. Città, codice postale e paese non formano necessariamente un indirizzo coerente o recapitabile. Non contattare telefoni o email generati anche quando sembrano plausibili. I record non modellano vincoli relazionali: verifica separatamente chiavi esterne, unicità e regole applicative.
CSV usa virgole e una riga di intestazione. SQL produce INSERT semplici e sostituisce caratteri non alfanumerici del nome tabella con underscore. Non è una quotatura degli identificatori valida per ogni dialetto: evita parole riservate e rileggi lo script. La generazione non crea tabelle e non inserisce nulla nel database.
Il modello e il formato di uscita sono scelte separate. I modelli predefiniti determinano i propri campi; le caselle valgono per il modello personalizzato. Nei test automatici conserva quindi sia il seme sia la selezione effettiva dei campi. Se cambiano cataloghi o versione del motore, gli stessi parametri possono generare valori differenti. Per un riferimento stabile nel tempo, conserva anche il dataset prodotto. Il CSV segue l’ordine delle colonne dei record generati. Prima di importare verifica che il destinatario accetti booleani testuali, date come stringhe e numeri decimali nella forma esportata. Parti da poche righe e controlla l’esito reale dell’importazione prima di aumentare il volume. Il formato SQL non definisce relazioni fra tabelle né genera gli indici necessari al tuo schema.
Come usare questo strumento
Scegliere lo schema
Seleziona un modello o campi personali. Le caselle valgono per il modello personalizzato.
Impostare la serie
Definisci righe, lingua e un seme salvato per risultati ripetibili.
Esportare nel formato adatto
Scegli JSON, CSV o SQL e verifica un piccolo campione prima di importare.
Casi d’uso
Ripetere test automatici
Conserva seme, campi e lingua per una base di dati di prova riproducibile.
Provare un’importazione
Esporta un piccolo campione CSV o SQL prima di importare volumi maggiori.
Esempi
Due record JSON riproducibili
Modello personalizzato, campi firstName e active, due righe e seme review. L’ingresso indica la lingua; non sono informazioni su persone reali.
Input
custom; count=2; locale=it; seed=review; fields=firstName,active; format=json; table=demo_dataRisultato
[
{
"firstName": "Aurora",
"active": true
},
{
"firstName": "Matteo",
"active": true
}
]Lo stesso campione in CSV
Le stesse impostazioni generano gli stessi valori. Cambia solo la serializzazione; i booleani diventano testo true e false nelle celle.
Input
custom; count=2; locale=it; seed=review; fields=firstName,active; format=csv; table=demo_dataRisultato
firstName,active
Aurora,true
Matteo,trueLo stesso campione in SQL
Gli INSERT usano demo_data senza crearla. Verifica nomi delle colonne e tipi dello schema prima di eseguire.
Input
custom; count=2; locale=it; seed=review; fields=firstName,active; format=sql; table=demo_dataRisultato
INSERT INTO demo_data (firstName, active) VALUES ('Aurora', TRUE);
INSERT INTO demo_data (firstName, active) VALUES ('Matteo', TRUE);Consigli e buone pratiche
- Controlla i dati inseriti prima di utilizzare il risultato.
- Conserva una copia dei dati originali quando è utile.
- L’elaborazione avviene localmente nel browser.
Domande frequenti
I record corrispondono a persone reali?
No. Identità e recapiti sono assemblati a caso da cataloghi dimostrativi e non vanno trattati come informazioni reali.
Posso riprodurre esattamente lo stesso set di dati?
Sì. Usa lo stesso seed, lo stesso modello, la stessa lingua dei dati e lo stesso numero di righe per ottenere lo stesso risultato.
Quante righe posso generare?
Da 1 a 10.000 record per generazione. Per volumi grandi, verifica prima lo schema con un campione ridotto.
Gli identificatori sono crittograficamente casuali?
No. Il seme rende la generazione prevedibile e ripetibile. Usa questi valori nei test; per UUID casuali indipendenti scegli il generatore dedicato.
Indirizzi e recapiti sono verificati?
No. Sono composti da cataloghi. L’aspetto plausibile non prova esistenza o coerenza postale e amministrativa. Non inviare messaggi o chiamate a questi recapiti.
I dati escono dal mio browser?
No. La generazione e l’esportazione in JSON, CSV o SQL avvengono localmente nel browser.
Strumenti correlati
Continua con questi strumenti
Strumenti simili o complementari a questo.
Strumenti simili
Formatta, minifica e valida un documento JSON per renderlo più leggibile o compatto.
SviluppoIn evidenzaUsa questo strumento
Valida la struttura di un file CSV e individua rapidamente righe o colonne problematiche.
SviluppoIn evidenzaUsa questo strumento
Valida un documento JSON con uno schema e individua con precisione ogni errore.
SviluppoIn evidenzaUsa questo strumento