Uma biblioteca Go que gera dados fictícios aleatórios, como nomes, endereços, e-mails, empresas e arquivos estruturados para testes e seed de dados.
lk-geimfari/mimesis
Uma biblioteca Python que gera dados falsos, mas realistas, como nomes, endereços, e-mails e valores financeiros em 47 localidades.
- Estrelas
- 4,864
- Forks
- 372
- Issues abertas
- 12
- Último commit
- há 4 dias
O que é?
Mimesis é uma biblioteca Python para gerar dados de teste falsos, mas realistas. Ela oferece provedores de dados para categorias como informações pessoais, endereços, datas, números de telefone, e-mails e valores financeiros, e os resultados seguem as convenções da localidade selecionada.
Desenvolvedores costumam usá-la para preencher bancos de dados de teste, simular respostas de API, gerar fixtures JSON ou XML, criar conjuntos de dados de exemplo ou anonimizar dados de produção. Geradores baseados em schema e geração de dados relacionais permitem descrever registros estruturados, incluindo chaves estrangeiras e objetos aninhados, em uma única definição. Também há integração com factory_boy.
A biblioteca é instalada com pip e oferece suporte ao Python 3.10 ou posterior. Sua API é totalmente tipada, permitindo que editores ofereçam autocompletar para provedores e métodos.
Recursos principais
- 01Oferece suporte a 47 localidades para nomes, endereços e formatos regionais.
- 02Oferece provedores de dados para informações pessoais, endereços, datas, finanças e outros tipos de dados comuns.
- 03Gera registros estruturados com geradores baseados em schema.
- 04Oferece suporte a conjuntos de dados relacionais com chaves estrangeiras e schemas aninhados.
- 05Permite criar provedores de dados e manipuladores de campos personalizados.
- 06API totalmente tipada, com autocompletar nos editores.
Casos de uso
- Preencher bancos de dados de desenvolvimento ou teste com registros realistas.
- Simular respostas de API ou gerar fixtures JSON e XML.
- Criar conjuntos de dados de exemplo para demonstrações, análises ou prototipagem.
- Anonimizar dados de produção antes de compartilhá-los com outras equipes.
Início rápido
- 1
Instale o Mimesis do PyPI com pip
pip install mimesis - 2
Importe o provedor Person e uma localidade e, em seguida, gere um nome completo
python -c "from mimesis import Person; from mimesis.locales import Locale; print(Person(Locale.EN).full_name())"
Em coleções
Tópicos
Perguntas frequentes
- O que é mimesis?
- Uma biblioteca Python que gera dados falsos, mas realistas, como nomes, endereços, e-mails e valores financeiros em 47 localidades. Mimesis é uma biblioteca Python para gerar dados de teste falsos, mas realistas. Ela oferece provedores de dados para categorias como informações pessoais, endereços, datas, números de telefone, e-mails e valores financeiros, e os resultados seguem as convenções da localidade selecionada.
- mimesis é gratuito? Qual é a licença?
- mimesis é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- mimesis ainda é mantido?
- Manutenção ativa. O último commit de mimesis foi em 3 de nov. de 2026.
- Para que posso usar mimesis?
- Preencher bancos de dados de desenvolvimento ou teste com registros realistas. Simular respostas de API ou gerar fixtures JSON e XML. Criar conjuntos de dados de exemplo para demonstrações, análises ou prototipagem. Anonimizar dados de produção antes de compartilhá-los com outras equipes.
- Como instalar mimesis?
- Instale o Mimesis do PyPI com pip: pip install mimesis Importe o provedor Person e uma localidade e, em seguida, gere um nome completo: python -c "from mimesis import Person; from mimesis.locales import Locale; print(Person(Locale.EN).full_name())"
- Onde consigo mimesis?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/lk-geimfari/mimesis
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Pacote Python que gera dados fictícios, como nomes, endereços e textos, para popular bancos de dados, fazer testes e anonimizar dados.
Biblioteca para Java, Kotlin e Groovy que gera dados fictícios realistas, como nomes, endereços e informações de empresas, para testes e demonstrações.
Plataforma de geração de dados que produz eventos sintéticos realistas e os transmite em tempo real ou em lote para logs, bancos de dados e endpoints HTTP.
Gerador de endereços self-hosted que retorna endereços reais de registros oficiais e dados de mapas abertos de 27 países e regiões.
Framework Python da NVIDIA para gerar datasets sintéticos do zero ou a partir de dados-semente, usando samplers, LLMs, modelos de imagem e validadores.