Gerador de CSV de exemplo (dados fictícios)
Defina nomes e tipos de coluna (ID sequencial, nome completo, e-mail, data, números e mais) para gerar e baixar instantaneamente dados CSV fictícios para testes e QA.
Tipos de dados suportados
| Tipo | Exemplo de saída |
|---|---|
| ID sequencial | 1, 2, 3, ... ou uma sequência com prefixo como USR-0001 |
| Nome completo | Nomes fictícios que misturam estilos japoneses e ocidentais, ex.: Taro Yamada, Emma Smith |
| Endereço de e-mail | [email protected] (derivado automaticamente do nome gerado) |
| Número de telefone | Um formato de celular japonês como 090-1234-5678 |
| Data | Uma data aleatória dentro do intervalo escolhido, no formato AAAA-MM-DD |
| Inteiro | Um número inteiro aleatório dentro do intervalo mínimo/máximo escolhido |
| Decimal (preço, etc.) | Um decimal aleatório dentro do intervalo escolhido, arredondado para 2 casas |
| Booleano | true/false (os rótulos podem ser personalizados) |
| Texto livre | Uma frase de preenchimento como "Lorem ipsum dolor sit amet." |
Dicas de uso
- Informe qualquer número no campo de semente para reproduzir sempre os mesmos dados fictícios a partir das mesmas colunas; útil ao compartilhar um relatório de bug ou um fixture de testes automatizados.
- O CSV gerado segue o padrão RFC 4180: valores contendo vírgulas, quebras de linha ou aspas duplas são corretamente colocados entre aspas e escapados.
- A coluna de e-mail é derivada automaticamente de uma coluna de nome completo posicionada antes dela na mesma linha, então combiná-las produz dados internamente consistentes.
- Todo o processamento ocorre inteiramente no navegador e nada é enviado a um servidor: são dados totalmente fabricados, sem nenhuma informação pessoal real.
- O número de linhas é limitado a 10.000 para evitar travamentos no navegador. Se precisar de mais, fixe a semente e gere em lotes, depois combine os arquivos.
Perguntas frequentes
Curiosidade — Por que os testes precisam de dados fictícios "com semente"
Usar dados fictícios em vez de registros reais é prática comum no desenvolvimento de software, por dois motivos principais: proteger informações pessoais (evitando dados reais de clientes em ambientes de desenvolvimento ou teste) e poder criar livremente casos-limite e entradas incomuns sob demanda. É exatamente por isso que bibliotecas como Faker do Ruby, Faker do Python e @faker-js/faker do JavaScript são tão utilizadas.
Por outro lado, dados fictícios totalmente aleatórios têm uma fraqueza: não são reproduzíveis. Quando um teste falha de forma intermitente, fica difícil saber se a causa é um bug real de lógica ou apenas um valor incomum que foi gerado por acaso naquele momento. Um gerador de números pseudoaleatórios com semente (seeded PRNG) resolve isso: dada a mesma semente, ele sempre produz exatamente a mesma sequência de números — e, portanto, os mesmos dados fictícios — tornando bugs muito mais fáceis de reproduzir e resultados de teste mais fáceis de verificar.
Esta ferramenta utiliza o mulberry32, um algoritmo capaz de gerar sequências pseudoaleatórias de boa qualidade com pouquíssimo processamento, sendo uma escolha leve e popular em JavaScript. Não é adequado para uso criptográfico, mas é exatamente o tipo de algoritmo indicado para geração de dados de teste, em que ser determinístico e rápido importa muito mais do que a imprevisibilidade criptográfica.