Faker——NLP造数据神器
写在前面：开源词典——funNLP
（1）码云地址：https://gitee.com/collecthub/funNLP（下载速度极快）
（2）github地址：https://github.com/fighting41love/funNLP（下载速度慢）
写作背景：NLP中的数据词典难以获取，尤其是数据增强的时候，总觉得不够（不知道funNLP）。如何解决？ Faker !!!
Faker是一个Python包，开源的Github项目，主要用来创建伪数据，使用Faker包，无需再手动生成或者手写随机数来生成数据，只需要调用Faker提供的方法，即可完成数据的生成。项目地址：https://github.com/joke2k/faker。
参考博客：
（1）Python Faker的使用(1)：基础使用方法与函数速查：https://www.jianshu.com/p/6bd6869631d9。
（2）Faker官网地址：https://faker.readthedocs.io/en/master/（详细各类参数说明）
（3）Python库——Faker：https://zhuanlan.zhihu.com/p/87203290（详细各类实例）
1. faker的安装
pip install faker
说明：也可以通过上方提供的github地址，下载后再进行编译安装。
2. faker的使用
from faker import Faker
f = Faker(locale='zh_CN') # 默认是en_US
print("1.生成姓名:", f.name())
print("2.生成地址:", f.address())
print("3.生成国家:", f.country())
print("4.生成省份:", f.province())
print("5.生成市、县:", f.city_suffix())
print("6.生成区:", f.district())
print("7.生成街道名:", f.street_name())
print("8.生成街、道:", f.street_suffix())
print("9.生成0～9随机数:", f.random_digit())
print("10.生成随机字母:", f.random_element())
print("11.生成随机颜色名:", f.color_name())
print("12.生成随机日期:", f.date())
运行结果:
1.生成姓名: 李琴
2.生成地址: 浙江省宁县静安南宁路I座 325707
3.生成国家: 维尔京群岛和圣罗克伊
4.生成省份: 香港特别行政区
5.生成市、县: 市
6.生成区: 永川
7.生成街道名: 马鞍山路
8.生成街、道: 路
9.生成0～9随机数: 7
10.生成随机字母: a
11.生成随机颜色名: MediumPurple
12.生成随机日期: 1993-07-09
3. 核心参数说明
3.1 文字语言
ar_EG - Arabic (Egypt) 阿拉伯语 - 埃及
ar_PS - Arabic (Palestine) 阿拉伯语 - 巴勒斯坦
ar_SA - Arabic (Saudi Arabia) 阿拉伯语 - 沙特阿拉伯
bg_BG - Bulgarian 保加利亚语 - 保加利亚
cs_CZ - Czech 捷克语 - 捷克
de_DE - German 德语 - 德国
dk_DK - Danish 丹麦语 - 丹麦
el_GR - Greek 希腊语 - 希腊
en_AU - English (Australia) 英语 - 澳大利亚
en_CA - English (Canada) 英语 - 加拿大
en_GB - English (Great Britain) 英语 - 英国
en_US - English (United States) 英语 - 美国
es_ES - Spanish (Spain) 西班牙语 - 西班牙
es_MX - Spanish (Mexico) 西班牙语- 墨西哥
et_EE - Estonian 爱沙尼亚语 - 爱沙尼亚
fa_IR - Persian (Iran) 波斯语 - 伊朗
fi_FI - Finnish 芬兰语 - 芬兰
fr_FR - French 法语 - 法国
hi_IN - Hindi 印地语 - 印度
hr_HR - Croatian 克罗地亚语 - 克罗地亚
hu_HU - Hungarian 匈牙利语 - 匈牙利
hy_AM - Armenian 亚美尼亚语 - 亚美尼亚
it_IT - Italian 意大利语 - 意大利
ja_JP - Japanese 日语 - 日本
ko_KR - Korean 朝鲜语 - 韩国
ka_GE - Georgian (Georgia) 格鲁吉亚语 - 格鲁吉亚
lt_LT - Lithuanian 立陶宛语 - 立陶宛
lv_LV - Latvian 拉脱维亚语 - 拉脱维亚
ne_NP - Nepali 尼泊尔语 - 尼泊尔
nl_NL - Dutch (Netherlands) 德语 - 荷兰
no_NO - Norwegian 挪威语 - 挪威
pl_PL - Polish 波兰语 - 波兰
pt_BR - Portuguese (Brazil) 葡萄牙语 - 巴西
pt_PT - Portuguese (Portugal) 葡萄牙语 - 葡萄牙
ru_RU - Russian 俄语 - 俄国
sl_SI - Slovene 斯诺文尼亚语 - 斯诺文尼亚
sv_SE - Swedish 瑞典语 - 瑞典
tr_TR - Turkish 土耳其语 - 土耳其
uk_UA - Ukrainian 乌克兰语 - 乌克兰
zh_CN - Chinese (China) （简体中文）
zh_TW - Chinese (Taiwan) （繁体中文）
3.2 地理信息类
city_suffix()：市，县
country()：国家
country_code()：国家编码
district()：区
geo_coordinate()：地理座标
latitude()：地理座标(纬度)
longitude()：地理座标(经度)
postcode()：邮编
province()：省份 (zh_TW没有此方法)
address()：详细地址
street_address()：街道地址
street_name()：街道名
street_suffix()：街、路
3.3 基础信息类
ssn()：生成身份证号
bs()：随机公司服务名
company()：随机公司名（长）
company_prefix()：随机公司名（短）
company_suffix()：公司性质
credit_card_expire()：随机信用卡到期日
credit_card_full()：生成完整信用卡信息
credit_card_number()：信用卡号
credit_card_provider()：信用卡类型
credit_card_security_code()：信用卡安全码
job()：随机职位
first_name()： 姓氏
first_name_female()：女性名
first_name_male()：男性名
first_romanized_name()：罗马名
last_name()： 名字
last_name_female()：女姓
last_name_male()：男姓
last_romanized_name()：
name()：随机生成全名
name_female()：男性全名
name_male()：女性全名
romanized_name()：罗马名
msisdn()：移动台国际用户识别码，即移动用户的ISDN号码
phone_number()：随机生成手机号
phonenumber_prefix()：随机生成手机号段
3.4 个人账户信息类
ascii_company_email()：随机ASCII公司邮箱名
ascii_email()：随机ASCII邮箱
ascii_free_email()：
ascii_safe_email()：
company_email()：
email()：
free_email()：
free_email_domain()：
safe_email()：安全邮箱
3.5 网络基础信息类
domain_name()：生成域名
domain_word()：域词(即，不包含后缀)
ipv4()：随机IP4地址
ipv6()：随机IP6地址
mac_address()：随机MAC地址
tld()：网址域名后缀(.com,.net.cn,等等，不包括.)
uri()：随机URI地址
uri_extension()：网址文件后缀
uri_page()：网址文件（不包含后缀）
uri_path()：网址文件路径（不包含文件名）
url()：随机URL地址
user_name()：随机用户名
image_url()：随机URL地址
3.6 浏览器信息类
chrome()：随机生成Chrome的浏览器user_agent信息
firefox()：随机生成FireFox的浏览器user_agent信息
internet_explorer()：随机生成IE的浏览器user_agent信息
opera()：随机生成Opera的浏览器user_agent信息
safari()：随机生成Safari的浏览器user_agent信息
linux_platform_token()：随机Linux信息
user_agent()：随机user_agent信息
3.7 文件信息类
file_extension()：随机文件扩展名
file_name()：随机文件名（包含扩展名，不包含路径）
file_path()：随机文件路径（包含文件名，扩展名）
mime_type()：随机mime Type
3.8 数字类
numerify()：三位随机数字
random_digit()：0~9随机数
random_digit_not_null()：1~9的随机数
random_int()：随机数字，默认0~9999，可以通过设置min,max来设置
random_number()：随机数字，参数digits设置生成的数字位数
pyfloat()：left_digits=5 #生成的整数位数,
right_digits=2 #生成的小数位数,
positive=True #是否只有正数
pyint()：随机Int数字（参考random_int()参数）
pydecimal()：随机Decimal数字（参考pyfloat参数）
3.9 文本、加密类
pystr()：随机字符串
random_element()：随机字母
random_letter()：随机字母
paragraph()：随机生成一个段落
paragraphs()：随机生成多个段落，通过参数nb来控制段落数，返回数组
sentence()：随机生成一句话
sentences()：随机生成多句话，与段落类似
text()：随机生成一篇文章（不要幻想着人工智能了，至今没完全看懂一句话是什么意思）
word()：随机生成词语
words()：随机生成多个词语，用法与段落，句子，类似
binary()：随机生成二进制编码
boolean()：True/False
language_code()：随机生成两位语言编码
locale()：随机生成语言/国际 信息
md5()：随机生成MD5
null_boolean()：NULL/True/False
password()：随机生成密码,可选参数：length：密码长度；special_chars：是否能使用特殊字符；digits：是否包含数字；upper_case：是否包含大写字母；lower_case：是否包含小写字母
sha1()：随机SHA1
sha256()：随机SHA256
uuid4()：随机UUID
3.10 时间信息类
am_pm()：AM/PM
century()：随机世纪
date()：随机日期
date_between()：随机生成指定范围内日期，参数：start_date，end_date取值：具体日期或者today,-30d,-30y类似
date_between_dates()：随机生成指定范围内日期，用法同上
date_object()：随机生产从1970-1-1到指定日期的随机日期。
date_this_month()：
date_this_year()：
date_time()：随机生成指定时间（1970年1月1日至今）
date_time_ad()：生成公元1年到现在的随机时间
date_time_between()：用法同dates
future_date()：未来日期
future_datetime()：未来时间
month()：随机月份
month_name()：随机月份（英文）
past_date()：随机生成已经过去的日期
past_datetime()：随机生成已经过去的时间
time()：随机24小时时间
timedelta()：随机获取时间差
time_object()：随机24小时时间，time对象
time_series()：随机TimeSeries对象
timezone()：随机时区
unix_time()：随机Unix时间
year()：随机年份
3.11 集合信息类
profile()：随机生成档案信息
simple_profile()：随机生成简单档案信息
#以下方法皆为随机集合类型
pyiterable()
pylist()
pyset()
pystruct()
pytuple()
pydict()
3.12 其他类别
currency_code()：货币编码
color_name()：随机颜色名
hex_color()：随机HEX颜色
rgb_color()：随机RGB颜色
safe_color_name()：随机安全色名
safe_hex_color()：随机安全HEX颜色
isbn10()：随机ISBN（10位）
isbn13()：随机ISBN（13位）
lexify()：替换所有问号（“？”）带有随机字母的事件。