Generator testowych danych CSV

Generuj pliki CSV z realistycznymi danymi testowymi: imiona, email, adresy, daty, UUID. Konfiguruj schemat i liczbę wierszy. Pobierz plik CSV. Bezpłatnie.

Bezpieczne (SSL)

Przetwarzanie Lokalne

100% Darmowe

Przejdź do narzędzia

Instrukcja

1

Wprowadź dane
Wpisz treść, wklej tekst lub załaduj plik z dysku.
2

Kliknij przycisk
Narzędzie natychmiast przetworzy Twoje dane w przeglądarce.
3

Pobierz wynik
Skopiuj gotowy tekst lub zapisz plik na urządzeniu.

                                                function runTool() {

                                                  return "Wynik gotowy w 0.1s";

                                                }

Ustawienia

Separator kolumn

Sposób cytowania

Kolumny

Wiersze

Częstość wartości null

Dołącz nagłówek Opcja narzędzia

Wynik

"id","first_name","last_name","email","city","country","created_at","order_total"
"1","Parker","Brown","[email protected]","","Germany","2025-12-26 12:18:50","530.62"
"2","Cameron","Davis","[email protected]","Berlin","Spain","2025-12-11 14:00:50","67.39"
"3","Quinn","White","[email protected]","Copenhagen","Netherlands","2025-10-19 12:36:50","914.02"
"4","Alex","Miller","[email protected]","Stockholm","Netherlands","2026-04-28 02:49:50","877.25"
"5","","Miller","[email protected]","Warsaw","Netherlands","2026-02-19 22:07:50","863.76"
"6","Avery","Harris","[email protected]","Warsaw","Austria","2025-12-08 00:36:50",""
"7","Parker","Harris","[email protected]","Madrid","Denmark","2025-11-16 02:09:50","934.31"
"8","Parker","Wilson","[email protected]","Rome","Austria","2026-05-16 20:07:50","983.06"
"","Cameron","Johnson","[email protected]","Rome","Netherlands","2026-01-12 08:05:50","9.38"
"","Morgan","Davis","[email protected]","Lisbon","Italy","2025-08-21 12:31:50","154.11"
"11","Riley","Thomas","[email protected]","Prague","Netherlands","","205.71"
"","Reese","White","[email protected]","Lisbon","Sweden","2026-05-06 14:06:50","816.67"
"13","Casey","Miller","[email protected]","Dublin","Germany","2025-12-02 09:09:50","709.96"
"14","Casey","Wilson","[email protected]","Paris","Portugal","2026-07-28 04:32:50","448.63"
"15","Riley","Harris","[email protected]","Rome","Poland","2026-02-11 21:26:50","746.67"
"16","Morgan","","[email protected]","Amsterdam","France","2026-01-31 10:07:50","18.40"
"","Jordan","Miller","[email protected]","Warsaw","France","2026-08-08 20:37:50","953.64"
"18","Riley","Smith","[email protected]","Amsterdam","Italy","2025-12-20 03:04:50","244.12"
"19","Casey","Anderson","[email protected]","Madrid","Czechia","2026-04-27 04:57:50","943.19"
"20","Jamie","Wilson","[email protected]","Copenhagen","Italy","2026-07-05 10:33:50","796.52"
"21","Riley","Wilson","[email protected]","Dublin","Spain","2026-01-29 20:42:50","903.02"
"22","Avery","Johnson","[email protected]","Stockholm","Austria","2026-04-20 13:50:50","471.41"
"23","Cameron","Miller","[email protected]","Prague","Germany","2026-05-29 07:54:50","453.68"
"24","","White","[email protected]","Berlin","Netherlands","2026-04-17 17:12:50","483.01"
"25","Reese","Anderson","[email protected]","Copenhagen","Portugal","2026-02-03 15:33:50","629.97"

Oceń to narzędzie:

Powiązane narzędzia

Inne narzędzia, które mogą Ci się przydać

Generator testowych danych CSV – Faker.js w przeglądarce

Testowanie aplikacji wymaga danych – baz pełnych realistycznych rekordów zamiast "test1", "test2". Narzędzie generuje pliki CSV z fałszywymi ale wiarygodnymi danymi (Faker.js): imiona, adresy email, numery telefonu, PESEL-podobne ID, daty, adresy IP.

generator danych testowych CSV faker CSV dummy data CSV testowe dane CSV generator

Dostępne typy kolumn

Osobiste: first_name, last_name, full_name, email, phone, age, gender, birthdate, PESEL (format PL). Adresy: street, city, state/voivodeship, zip_code, country, latitude, longitude. Techniczne: uuid, ip_address (IPv4/IPv6), mac_address, user_agent, url, password (hashed). Finansowe: credit_card (fałszywa), iban (PL format), price, currency.

Lokalizacja danych

Polska (pl): polskie imiona (Jan, Agnieszka), miejscowości (Kraków, Poznań), format tel (48xxxxxxxxx), kody pocztowe (XX-XXX). Angielski (en): John, Smith, NYC, ZIP. Niemcy, Francja, Hisz-pania: odpowiednie formy lokalne. Mieszana lokalizacja: dobre do testów wielojęzycznych.

Konfiguracja schematu

Dodaj kolumny: drag-and-drop sortowanie, rename, typ danych. Zakres dat: startDate → endDate (losowa data z zakresu). Liczby: min/max, precision (decimals). Enum/lista wartości: "active|inactive|pending" – losowo jeden z nich. Sekwencja: auto-increment ID (1,2,3...). Formuła: "prefix_" + uuid.

Formaty wyjścia i ustawienia CSV

Separator: przecinek (,), średnik (;), tabulator. Nagłówek: tak/nie. Cudzysłowy: wszystkie pola, tylko konieczne. Kodowanie: UTF-8, UTF-8 BOM, Windows-1250. Liczba wierszy: 10 do 100 000. Dla >10 000 wierszy: plik jest generowany i oferowany do pobrania (nie wyświetlany w podglądzie).

Najczęstsze pytania

Czy wygenerowane dane mogą zawierać prawdziwe osoby?

Nie – używamy biblioteki Faker.js, która generuje całkowicie fikcyjne dane. Imiona, adresy i numery telefonu są wygenerowane algorytmicznie. Żadne z nich nie należą do rzeczywistych osób. Bezpiecznie do testów RODO-wrażliwych środowisk.

Jak wygenerować PESEL do testów?

Polski PESEL: 11 cyfr: RRMMDDSSSSZ. Część narzędzi generuje poprawne matematycznie PESEL (z prawidłową sumą kontrolną). Narzędzie generuje fikcyjne PESEL-podobne numery zgodne z formatem ale nie należące do żadnej osoby. Dla testów produkcyjnych: zawsze używaj dedykowanego generatora testowego PESEL, nie prawdziwych danych.

Jak wygenerować realistyczne polskie adresy?

Baza: lista polskich miast, ulic (z OpenStreetMap lub własna). Format: ul. Marszałkowska 12/4, 00-001 Warszawa. Kod pocztowy: format XX-XXX. Województwo: 16 województw. Narzędzie generuje adresy geograficznie wiarygodne (kod pocztowy pasuje do regionu).

Jak używać pliku CSV z pandas (Python)?

import pandas as pd. df = pd.read_csv("data.csv", encoding="utf-8"). df.head(). df.describe(). Dla CSV z separatorem średnikowym (Excel PL): pd.read_csv("data.csv", sep=";"). Dla dużych plików (>1GB): pd.read_csv(..., chunksize=10000).

Jak zasilić bazę danych testowymi danymi CSV?

MySQL: LOAD DATA INFILE "/path/data.csv" INTO TABLE users FIELDS TERMINATED BY "," LINES TERMINATED BY "\n" IGNORE 1 ROWS. PostgreSQL: COPY users FROM "/path/data.csv" CSV HEADER. Django: management command lub fixture. Lub: wygeneruj INSERT SQL z pliku CSV przez narzędzie "Konwerter CSV na SQL".

Powiązane narzędzia: generator testowego JSON API, konwerter CSV na JSON i walidator CSV.