C# 文件内容的合成数据生成 C#如何根据模板文件生成大量逼真的测试数据

最直接的是用 String.format 或插值字符串填充模板，但需避免路径反斜杠误解析、花括号冲突、换行丢失等问题；应统一占位符格式、慎用 json 序列化、控制日期格式、规避循环引用，并优化 i/o 性能。

用 String.Format 或插值字符串填充模板最直接，但别硬拼接路径和换行

模板文件本质是带占位符的文本，比如 {Name}、{Age}，C# 里最顺手的是字符串插值或 String.Format。但直接读取模板后全量替换容易出问题：windows 路径反斜杠被误解析、模板里有花括号却不是占位符（比如 JSON 或正则）、多行缩进错乱。

• 用 File.ReadAllText 读模板，别用 ReadAllLines 再 string.Join，后者会丢原始换行符（尤其是 rn 和 n 混用时）
• 占位符统一用 {key} 格式，避免混用 $"..." 和 String.Format —— 插值字符串在编译期就解析，没法动态换 key；String.Format 支持运行时 key 名，更适合模板场景
• 如果模板含 JSON 片段，把占位符改成 [[Name]] 这类非标准符号，再用 Replace 替换，避开 { } 解析冲突

生成“逼真”数据的关键不在随机，而在分布模拟和关联约束

单纯用 Random.Next() 填数字，生成的 Age 可能全是 17–25，Salary 全是 8000–12000，现实里没这么整齐。真实数据有偏态分布、字段间逻辑关系（比如 BirthDate 和 Age 必须自洽），还有常见值聚集（如城市名 “Beijing”、“Shanghai” 出现频率远高于 “Zhengzhou”）。

• 用 Random.Shared（.NET 6+）代替 new Random()，避免高并发下种子重复导致数据雷同
• 年龄别用 Next(18, 80) 均匀分布，改用加权列表：new[] { (25, 0.4), (35, 0.3), (45, 0.2), (55, 0.1) }，按概率抽
• 姓名、地址这类文本，别靠 Guid.NewGuid().ToString() 造，用预置的中文姓氏/常用词库 + 随机组合，否则全是“张aa”“李bb”这种假名
• 如果模板里同时有 {OrderDate} 和 {ShipDate}，必须保证后者晚于前者，用 DateTime.AddDays(random.Next(1, 5)) 关联生成

System.Text.Json 序列化模板变量时注意类型丢失和循环引用

有人喜欢把模板变量定义成 class，然后用 JsonSerializer.Serialize 填进模板——这在 JSON 模板里很常见。但默认序列化器对 DateTime 输出 ISO 格式（"2023-01-01T00:00:00"），而模板可能只想要日期部分；更麻烦的是，如果 class 里有 public List<orderitem> Items { get; set; }</orderitem>，而 OrderItem 又引用了 Order，就会抛 System.Text.Json.JsonException: A possible Object cycle was detected。

• 用 JsonSerializerOptions.WriteIndented = false，避免序列化结果带多余空格和换行，污染模板结构
• 日期格式控制：加 Converters，比如 options.Converters.Add(new JsonStringEnumConverter())，或自定义 JsonConverter<datetime></datetime> 输出 "yyyy-MM-dd"
• 遇到循环引用，要么提前断开引用（如 item.Order = NULL），要么用 ReferenceHandler = ReferenceHandler.Preserve（需 .NET 7+），但会引入 $id 字段，可能破坏模板预期

批量生成时文件 I/O 是瓶颈，别每条数据都 File.WriteAllText

生成 10 万条测试数据，如果每次调用 File.WriteAllText("data_00001.txt", content)，光系统调用开销就能拖慢几倍。磁盘写入不是瓶颈，频繁打开/关闭文件句柄才是。

• 用 StreamWriter 复用一个文件句柄，逐条 WriteLine，比反复 WriteAllText 快 3–5 倍
• 如果目标是多个独立文件（如每条数据一个 JSON 文件），改用 Parallel.foreach + 分块写入，但要限制 MaxDegreeOfParallelism（建议 ≤4），否则磁盘队列打满反而更慢
• 模板内容不变的部分（比如固定 header、footer）提前提取，不要每次循环都 File.ReadAllText 一遍

生成大量测试数据时，最容易被忽略的是「模板与数据的耦合粒度」：一个模板对应一条记录？还是一组记录？如果模板本身含循环结构（比如订单里多个商品），就得用 foreach 在模板内展开，而不是靠外部循环生成多个文件——这时候，简单字符串替换就不够用了，得上轻量模板引擎，比如 Scrutor 或手写状态机。