> ## Documentation Index
> Fetch the complete documentation index at: https://arka-agent-mintlify-f21cea86.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 生成数据

> 创建伪造或示例数据集，或从 World Bank、PubMed、URL 与网页搜索中获取真实数据行。

在终端中生成示例数据集，或从 API 和公开来源获取 **真实世界** 的数据行。适用于测试、演示、原型和快速数据抓取。

## 自然语言

### 合成数据（默认）

```bash theme={null}
arka generate 100 users as csv
arka generate sample sales data json --rows 50
arka generate fake emails tsv
arka create sample json data
arka data_gen --schema "name,email,age" --format json --count 20
```

### 真实世界来源

```bash theme={null}
arka generate real world bank gdp india 2010-2024 as csv
arka generate 20 pubmed papers on "mRNA vaccines" as csv
arka generate data from https://pokeapi.co/api/v2/pokemon?limit=10 as jsonl
```

包含 **real**、**actual**、**live**、**world bank**、**pubmed papers** 或 **URL** 的短语会路由到真实数据抓取器。**Fake** / **sample** / **mock** 会保持合成生成。

## CLI 命令

| 命令 | 说明 |
| - | - |
| `generate_data users --count 100 --format csv` | 用户记录预设（合成） |
| `generate_data --source worldbank --indicator gdp --country IN -f json` | 印度的 World Bank GDP |
| `generate_data --source pubmed --query "mRNA vaccines" -n 20 -f csv` | PubMed 论文元数据 |
| `generate_data --source url --url "https://pokeapi.co/api/v2/pokemon?limit=10" -f jsonl` | 从 URL 获取 JSON 或 CSV |
| `generate_data --real --indicator population --country US` | 简写：自动推断为 World Bank |
| `generate_data --fields "id,name,price,category" -n 20` | 自定义合成列 |

## 真实世界来源

| `--source` | 说明 | 关键参数 |
| - | - | - |
| `worldbank` | GDP、人口、预期寿命、CO₂、失业率、互联网普及率 | `--indicator`、`--country`、`--year-from`、`--year-to` |
| `pubmed` | 生物医学论文元数据（标题、期刊、年份、URL） | `--query`、`--count` |
| `url` | 从任意 URL 获取 JSON 数组/对象或 CSV | `--url`、`--count` |
| `web` | DuckDuckGo 搜索结果作为数据行 | `--query`、`--count` |

真实来源的行数上限为 **500 行**。当设置了 `--source` 时，Arka 不会回退到合成或 LLM 数据。Arka 会清晰地报告抓取错误。

### World Bank 指标

`gdp`、`gdp_per_capita`、`population`、`life_expectancy`、`co2`、`unemployment`、`internet`

国家代码使用 ISO-3166 alpha-2（如 `IN`、`US`）。自然语言国家名称（India、United States）会被自动解析。

## 支持的格式

`csv`、`json`、`jsonl`、`tsv`、`yaml`、`xml`、`sql`、`markdown`、`xlsx`

XLSX 输出需要 `openpyxl`（`pip install openpyxl`）。要获得更丰富的伪造值，请安装可选的 Faker 扩展：

```bash theme={null}
pip install faker
```

## 预设

内置预设会自动推断列（仅限合成模式）：

| 预设 | 列 |
| - | - |
| `users` | id, name, email, age, phone |
| `products` | id, name, price, category |
| `sales` | date, product, quantity, revenue, region |
| `emails` | email |
| `customers` | id, name, email, address, phone |

字段名会与生成器（姓名、邮箱、电话、地址、日期、数字、UUID、布尔值）匹配。当配置了 LLM API key 时，可对复杂自定义模式使用 `--llm`。

## 输出

默认打印到标准输出，或使用 `-o output.csv` 保存，也可以将文件名作为第一个参数传入。


## Related topics

- [Kaggle 数据集](/cn/guides/kaggle.md)
- [数据问答](/cn/guides/data-ask.md)
- [电子表格生成](/cn/guides/spreadsheets.md)
- [生成 3D 模型](/cn/guides/compose-3d.md)
- [GitHub 数据集仓库](/cn/guides/github-dataset.md)


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.