Python受欢迎的原因之一就是其计算生态丰富，据不完全统计，Python 目前为止有约13万+的第三方库。
本系列将会陆续整理分享一些有趣、有用的第三方库。
-
通过百度网盘获取：
链接：https://pan.baidu.com/s/1FSGLd7aI_UQlCQuovVHc_Q?pwd=mnsj提取码：mnsj
-
前往GitHub获取：
https://github.com/returu/Python_Ecosystem-
多语言：支持 46 种不同的语言环境。 -
可扩展性：支持自定义数据提供者和自定义字段处理器。 -
易用性：设计简单，文档清晰，便于数据生成。 -
性能：被认为是 Python 中最快的假数据生成器。 -
数据多样性：包含多种数据提供者，适用于不同的使用场景。 -
基于模式的生成器：提供基于模式的数据生成器，可以轻松生成任何复杂度的数据。 -
直观性：编辑器支持良好，完全类型化，几乎处处支持自动补全。
pip install mimesishttps://github.com/lk-geimfari/mimesis使用 Mimesis 的典型过程包括导入所需的提供者、语言环境以及枚举（如果需要）。接下来，创建提供者的实例，并调用所需的方法并传入适当的参数。
# Person 类是 mimesis 库中用于生成个人信息的类
from mimesis import Person
# Locale 类包含了各种语言和地区的枚举值，用于指定生成数据的语言和地区
from mimesis.locales import Locale
# Gender 类是一个枚举类，包含了男性和女性两种性别选项
from mimesis.enums import Gender
# 创建Person类的实例，传入Locale.EN作为参数，表示希望生成的数据使用英语语言环境
person = Person(Locale.EN)
# 生成了一个随机的女性全名
print(person.full_name(gender=Gender.FEMALE))
# 输出：'Antonetta Garrison'
# 生成了一个随机的男性全名
print(person.full_name(gender=Gender.MALE))
# 输出：'Jordon Hall'
-
Generic() 类：
如果只需要访问某个特定类提供的数据，导入单独的类提供者可能是有用的。然而，如果需要访问更广泛的数据，建议使用 Generic() 类，将能够访问库中所有可用提供者提供的数据。
# 导入 Generic 类
from mimesis import Generic
from mimesis.locales import Locale
# 创建一个 Generic 类的实例，并指定使用中文（Locale.ZH）作为语言环境
generic = Generic(locale=Locale.ZH)
# 生成一个中文姓名
print(generic.person.full_name())
# 输出：思宇 孙
# 生成一个中郭城市名
print(generic.address.city())
# 输出：大庆市
# 生成一个中文银行名
print(generic.finance.bank())
# 输出：Bank of Jinzhou Co., Ltd.
Mimesis 当前支持 42 种不同的语言环境。
在创建提供者（providers）时指定语言环境，它们将返回与该语言环境相关联的语言或国家的数据，所有提供者的默认语言环境是英语（美国）（Locale.EN）。
from mimesis import Address
from mimesis.locales import Locale
# 通过 locale 参数指定使用中文地区（Locale.ZH）
zh = Address(locale=Locale.ZH)
# 通过 locale 参数指定使用俄语地区（Locale.RU）
ru = Address(locale=Locale.RU)
print(zh.region())
# 输出：江苏省
print(zh.address())
# 输出：西塞八条1055号
print(ru.region())
# 输出：Хабаровский край
print(ru.address())
# 输出：ул. Автомоторная 561
-
临时覆盖语言环境：
有时只需要从其他语言环境中获取一些数据，而为此创建一个实例并不是一个好选择。因此，可以使用临时覆盖提供者实例当前语言环境的方式：
from mimesis import Address
from mimesis.locales import Locale
address = Address(locale=Locale.EN)
print(address.region())
# 输出：North Carolina
with address.override_locale(Locale.ZH):
print(address.region())
# 输出：西藏自治区
print(address.region())
# 输出：Kansas
也可以与 Generic() 类一起使用：
from mimesis import Generic
from mimesis.locales import Locale
generic = Generic(locale=Locale.EN)
print(generic.text.word())
# 输出：price
with generic.text.override_locale(Locale.ZH):
print(generic.text.word())
# 输出：比重
print(generic.text.word())
# 输出：anarchist
Mimesis支持超过二十种不同的数据提供者（providers），可以生成与食品、人员、交通、地址等相关的数据。具体内容请参阅API文档：
https://mimesis.name/latest/api.html#api-reference-
提供者类型：
提供者（providers）分为两种类型：
依赖语言环境的提供者：这些提供者提供特定于某个语言环境/国家的数据，如果没有为依赖语言环境的提供者指定语言环境，将使用默认语言环境（即 Locale.EN）。
不依赖语言环境的提供者：这些提供者提供通用数据，适用于所有国家，不依赖语言环境的提供者不需要指定语言环境，如果尝试为不依赖语言环境的提供者指定语言环境，将会抛出异常。
from mimesis import Person,Code
from mimesis.locales import Locale
# 依赖语言环境的提供者
person = Person(locale=Locale.EN)
print(person.name())
# 输出：Sammie
# 不依赖语言环境的提供者
code = Code()
print(code.issn()) # 国际刊号
# 输出：1296-0277
-
内置提供者：
通常，在只有一种官方语言的国家，会有一些特定类型的数据是独有的。例如，在巴西（Locale.PT_BR）中使用“CPF”，而在美国（Locale.EN）中使用“SSN”。
Mimesis 通过将具有本地特定数据的类提供者分离到一个特殊的子包（mimesis.builtins）中，来解决上述问题，从而确保了特定区域的提供者不会给其他区域的提供者带来不便。这种方法有助于维护所有语言及其对象的通用类结构。
使用时，可以直接使用内置类，也可以将内置类添加到 Generic 对象使用。另外，可以通过更改 Meta.name 属性的值或者通过继承类并覆盖提供者的 Meta 类的 _name_ 属性，来修改内置提供者的默认名称。
from mimesis import Generic
from mimesis.locales import Locale
from mimesis.builtins import BrazilSpecProvider
generic = Generic(locale=Locale.PT_BR)
generic.add_provider(BrazilSpecProvider)
print(generic.brazil_provider.cpf())
# 输出：098.772.113-51
# 修改内置提供者的默认名称
BrazilSpecProvider.Meta.name = 'brasil'
generic.add_provider(BrazilSpecProvider)
print(generic.brasil.cpf())
# 输出：204.929.515-43
-
自定义提供者：
Mimesis 提供了广泛的数据支持，足以满足大多数用例。如果，希望创建更具体数据的自定义提供者，可以通过定义自定义提供者类的方式实现。
需要注意的是，所有提供者（providers）都必须是 BaseProvider 的子类，以确保只使用单个 Random 对象实例。如果尝试添加一个未继承自 BaseProvider 的提供者，将会收到一个 TypeError 异常。
另外，Meta 类中的 name 属性是指通过类名访问用户自定义提供者方法时使用的名称。默认情况下，使用类名（cls.__name__）的小写形式。
from mimesis import Generic
from mimesis.locales import Locale
# BaseProvider 类是 mimesis 库中所有数据提供者的基类，自定义提供者通常需要继承该类
from mimesis.providers.base import BaseProvider
# 定义一个自定义的数据提供者类 SomeProvider，继承自 BaseProvider 类
class SomeProvider(BaseProvider):
# 在类内部定义一个 Meta 类，Meta 类用于设置该提供者的元信息
class Meta:
name = "some_provider"
# 定义一个静态方法 hello
@staticmethod
def hello():
return"Hello!"
# 定义另一个自定义的数据提供者类 Another，同样继承自 BaseProvider 类
class Another(BaseProvider):
# 定义类的构造函数，接收两个参数：seed 和 message
def __init__(self, seed, message: str):
super().__init__(seed=seed)
self.message = message
# 定义一个实例方法 bye
def bye(self):
return self.message
# 创建一个 Generic 类的实例，指定使用默认的语言环境（Locale.DEFAULT）。
generic = Generic(locale=Locale.DEFAULT)
# 向 generic 实例中添加自定义的数据提供者 SomeProvider
# 也可以使用 += 运算符来添加提供者，效果相同
generic.add_provider(SomeProvider) # 或 generic += SomeProvider
generic.add_provider(Another, message="Bye!")
print(generic.some_provider.hello())
# 输出：'Hello!'
print(generic.another.bye())
# 输出：'Bye!'
-
自定义数据提供者：
要创建自己的数据提供者并将数据存储在 JSON 文件中，可以按照以下步骤操作：
首先，创建一个目录来存储数据，结构如下：
为了确保提供者支持所需的语言环境，每个自定义数据目录（datadir）都必须包含一个以语言环境名称命名的目录。
custom_datadir/
├── de
│ └── file_name.json
├── en
│ └── file_name.json
└── ru
└── file_name.json
接下来，需要在文件中填充相关数据。例如：
{
"key": [
"value1",
"value2",
"value3"
]
}
之后，需要创建一个继承自 BaseDataProvider 的类，其中Meta 类是必需的，并且必须包含以下属性：
-
name：提供者的名称，使用小写字母。
-
datafile：数据文件的名称。
-
datadir：数据目录的路径（必须是 Path 的实例）。
from pathlib import Path
import os
from mimesis import BaseDataProvider
from mimesis.locales import Locale
class CustomDataProvider(BaseDataProvider):
class Meta:
name = 'custom_provider'
datafile = 'file_name.json'
# __file__ 是一个特殊变量，仅在脚本运行时由 Python 解释器自动定义，表示当前脚本的文件路径
# 在交互式环境（如 Jupyter Notebook 或 Python REPL）中不可用
# datadir = Path(__file__).parent / 'custom_datadir'
# 使用 os.getcwd() 获取当前工作目录，然后拼接路径
datadir = Path(os.getcwd()) / 'custom_datadir'# 动态获取路径
def my_method(self):
return self.random.choice(self._extract(["key"]))
cdp = CustomDataProvider(Locale.EN)
print(cdp.my_method())
# 输出：'value3'
Mimesis 提供了强大的结构化数据生成功能，通过 Field、Fieldset 和 Schema 类，可以灵活地生成各种结构化的假数据。
-
Field：用于为给定字段名称生成单个值。
-
Fieldset：用于为给定字段名称生成一组值。
-
Schema：使用定义好的模式生成结构化数据。
其中，Field 和 Fieldset 的实例是可调用对象，接受以下参数：
-
第一个参数为方法名称（name）。
-
第二个参数为键函数（key），可选。
-
其余参数为传递给方法的 **kwargs。
-
字段名称指定方式：
from mimesis import Field
field = Field()
# 显式方法
print(field("person.username", key=str.upper))
# 输出：UPGRADING_2087
# 隐式方法
print(field("username", key=str.upper))
# 输出：VERMONT_1998
-
生成单个值和一组值：
from mimesis import Field, Locale, Fieldset
# 生成单个值
field = Field(locale=Locale.EN)
print(field("name"))
# 输出：Annalee
# 生成一组值
fieldset = Fieldset(locale=Locale.EN)
print(fieldset("name", i=3))
# 输出：['Shona', 'Colby', 'Jeffery']
-
模式定义：
使用 Schema 类和模式定义（通过 lambda 函数动态生成）来生成结构化数据。
from mimesis import Field, Fieldset, Schema
from mimesis.enums import Gender, TimestampFormat
from mimesis.locales import Locale
field = Field(Locale.EN, seed=0xff)
fieldset = Fieldset(Locale.EN, seed=0xff)
# 示例模式定义
# 模式必须包装在一个可调用对象中，以确保它动态地被评估，而不是仅在第一次调用时生成相同的数据
schema_definition = lambda: {
"pk": field("increment"),
"uid": field("uuid"),
"name": field("text.word"),
"version": field("version"),
"timestamp": field("timestamp", fmt=TimestampFormat.POSIX),
"owner": {
"email": field("person.email", domains=["mimesis.name"]),
"creator": field("full_name", gender=Gender.FEMALE),
},
"apiKeys": fieldset("token_hex", key=lambda s: s[:16], i=3),
}
# 创建 Schema 的实例，并通过调用 create() 方法生成数据
schema = Schema(schema=schema_definition, iterations=3)
schema.create()
-
字段别名：
from mimesis import Field, Locale
field = Field(Locale.ZH)
# 键是别名，值是与别名关联的字段名称（两者都应是字符串）。
field.aliases.update({
'📧': 'email',
'📞': 'person.telephone',
'🍆': 'vegetable',
})
# 使用别名代替标准字段名称
print(field('📧', domains=['@gmail.com']))
# 输出：specified1895@gmail.com
print(field('📞'))
# 输出：+86 105-45957080
print(field('🍆'))
# 输出：芥菜
当不再需要别名时，可以像操作普通字典键一样逐个删除它们，或者一次性清除所有别名：
field.aliases.pop('📧')
# 清除所有别名
field.aliases.clear()
-
键函数与后处理：
可以选择将键函数应用于 Field 或 Fieldset 实例返回的结果。为此，只需将一个返回最终结果的可调用对象作为 key 参数传递。
以下是一个示例：
from mimesis import Field, Fieldset, Locale
from mimesis.keys import maybe
field = Field(Locale.EN)
# 使用 key 参数对生成的结果进行后处理
print(field("name", key=str.upper))
# 输出：ELENI
# 内置键函数 maybe()：以一定概率生成特定值（如 None 或 'N/A'）
fieldset = Fieldset(Locale.EN, i=5)
print(fieldset("email", key=maybe(None, probability=0.6)))
# 输出：[None, 'sword1981@live.com', None, None, None]
-
随机数生成器：
Mimesis 库中的所有数据提供者都是 BaseProvider 类的子类，该类有一个 random 属性。该属性是 random 模块中 Random 类的实例。如果正在创建自己的数据提供者，应使用该 random 属性来访问随机数生成器。
from mimesis import BaseProvider
class MyProvider(BaseProvider):
class Meta:
name = 'my_provider'
def my_method(self):
return self.random.randint(0, 100)
my_provider = MyProvider()
my_provider.my_method()
# 输出：66
-
设置种子：
要使用种子生成数据，只需将参数 seed（可以是 int、str、bytes 或 bytearray）传递给数据提供者：
from mimesis import Person, Locale
# 设置种子
person = Person(locale=Locale.TR, seed=0xFF)
person.full_name()
# 输出：'Giray Tekand'
-
重新设置种子：
要重新设置随机数生成器的种子，可以使用 BaseProvider 类的 reseed() 方法：
from mimesis import Person, Locale
person = Person(Locale.EN, seed='Wow.')
print(person.name())
# 输出：'Fausto'
# 重新设置种子
person.reseed('111')
print(person.name())
# 输出：'Billy'
如果希望所有数据提供者使用相同的种子，那么使用 Generic() 是一个好选择：
from mimesis import Generic, Locale
generic = Generic(Locale.EN, seed='123')
print(generic.person.name())
# 输出：Julio
print(generic.datetime.date())
# 输出：2023-02-11
print(generic.text.word())
# 输出：raise
-
加权选择：
如果希望生成具有特定出现概率的数据，可以使用 weighted_choice 方法来实现加权随机选择。
例如，假设希望生成随机的男性和女性全名，但生成女性名字的概率更高。
from mimesis import Person, Locale, Gender
person = Person(Locale.EN)
for _ in range(10):
full_name = person.full_name(
# person.random 是 Person 实例的随机数生成器对象，提供了各种随机选择的方法
# weighted_choice 是该随机数生成器对象的方法，用于根据权重随机选择元素
gender=person.random.weighted_choice(
choices={
Gender.MALE: 0.2,
Gender.FEMALE: 0.8,
}
),
)
print(full_name)
# 输出：Wilton Bass
# Milda Middleton
# Torie Parker
# Kathey Harrison
# Saran Willis
# Reinaldo Fulton
# Carlos Lucas
# Jeff Sullivan
# Shakita Levy
# Shalon Poole
-
全局种子：
from mimesis import random
from mimesis import Person, Locale
# 设置全局种子
random.global_seed = 0xFF
person = Person(Locale.EN)
person.full_name()
# 输出：'Karl Munoz'
更多内容可以前往官方文档查看：
https://mimesis.name/master/
本篇文章来源于微信公众号: 码农设计师
