在上一篇文章中，我们通过Python的内置模块random，初步实现了测试数据的批量生成，解决了“巧妇难为无米之炊”的窘境。

但是，直接通过random模块进行测试数据的生成，在字段类型的灵活性、便捷性上，还是不太够用。如果要追求生成更加灵活、丰富的测试数据，更加便捷地生成测试数据。可以尝试本文介绍的已经被广泛使用的三方模块Faker。

由于Faker是一个三方模块，所以我们在正式使用之前，需要先通过pip进行安装。关于pip最常用的几个命令，在该系列前面序号为1的文章中已经有所提到，不熟悉的，可以翻看一下。

pip3 install faker

注意：根据环境不同，可能是pip。

关于Faker模块的源码及基本使用，可以参考：

https://github.com/joke2k/faker

Faker模块的基础使用可以按照这几步进行：

模块导入

创建并初始化Faker的生成器，可以指定语言环境

根据业务需要，调用生成器对应的方法，获取测试数据

示例代码如下：

Faker的构造方法__init__定义如下：

在进行面向对象编程中，自定义类时，都可以参考进行__init__()函数的定义。第一个参数一定是self，如果学习过其他编程语言，可以类比为this指针。没学过，就简单记一下就行，后续逐步加深理解。

除了self之外的形参，都可以理解为对应属性的初始值，这些形参都是带默认值的形参，所以我们构造Faker构造器时，一个参数不传也是可以的。

构造Faker生成器时，可以传入一个语言环境的列表：

输出结果：

代码中出现了 _ 占位符，因为我们在循环内部，没有使用循环变量的场景，可以通过占位符 _来表示。这是Python提供的一种特殊语法，不习惯的，继续用for i in range(10)也是可以的。

在实际调用Faker生成器的相关方法生成测试数据时，有时，发现生成的数据是重复的。如果需要生成唯一值，Faker提供了unique属性，来尽量保证生成不重复、唯一的测试数据。

需要注意的是，Faker模块会记录当前已经生成的数据，从而尽量保证生成不重复的数据。如果生成器的方法本身的原因，无法避免保证数据唯一，Faker在重试一定次数后，会抛出UniquenessException异常，从而避免无限重试，以期望获得一个不可能的结果。比如：生成100条人员信息时，生成100个性别数据时，就不可能做到数据的唯一性。

通过unique属性进行测试数据生成时，由于要保存比较当前已经生成过的数据，同时进行多次重试，所以生成大量数据的时候，性能也会受到影响。所以，具体看是业务场景需要吧。

虽然Faker模块提供了很多用于生成测试数据的方法，但是，有时候我们还是有一些自定义的测试数据生成规则的需要。这时候，我们可以用random模块来实现自定义的特定需求。当然，Faker模块也提供了我们进行自定义测试数据Provider类的方法，从而扩展Faker模块的测试数据生成的功能。

如果暂时不熟悉面向对象的相关语法，以下代码实例，可以跳过，通常使用random模块依然能够满足需求。

方法1：通过继承BaseProvider来实现自定义测试数据的生成：

代码中，本质上还是通过上一篇文章中提到的random.sample()取样方法来实现我们需要的测试数据生成的逻辑。

生成一批有几条简单规则的测试数据：

输出结果：

注意，此时我们只是把测试数据打印输出了，通常情况下，我们应该把数据保存到文件中，或者写入到数据库中，以便于后续的使用。由于我们暂时没有介绍到文件IO或者数据库的操作，可以有个偷懒的写法，通过open()打开一个文件，具体的参数，后续会提到，然后对print语句补充传参：

这里，只需要注意两行代码的变化：

1、以写的方式打开一个名为test_data.csv的文件，如果文件不存在会自动创建，文件打开时有内容会被清空

2、print()函数的扩展用法：

print()函数除了把内容输出到屏幕上之外，还可以通过file命名形参指定别的输出目的地输出流，参数说明如下：

file：表示内容输出的目的地，默认值为sys.out表示标准输出，就是输出到显示器显示出来

flush：表示是否立即将内容刷出到指定目的地，默认值为False，会缓存，不立即刷出

更多参数，可以查看print()函数的定义：

关于print中的sep参数、end参数的作用，可以阅读print()定义，并自己试着编写代码验证，这里就不展开了。