Zufälliges JSON erzeugen

Lokale Verarbeitung

app.generate.view

Daten auch über #data={"name":"Ada"} oder #url=... einfügen; nach dem Lesen wird die Adressleiste geleert.

Testdaten-JSON nach Tiefe oder Beispielstruktur. Frontend-Mocks, Demos oder Input für Codegenerierung, ohne von null zu tippen. Zufallsstruktur oder feste Vorlagen: API-Antwort / package.json / ChatGPT-Request.

Schnelle Platzhalter

Zuerst passende Shape, dann echte Felder. Tiefe und Anzahl pro Ebene einstellbar, zu tiefes Nesting vermeiden.

Beim Öffnen wird einmal erzeugt; nach Leeren stoppt die Automatik – «Neu erzeugen» bei Bedarf.

Lokal erzeugen

Zufallsergebnisse bleiben auf der Seite. Keine sicheren Tokens oder Lotterie-Seeds.

Direkt kopieren nach Formatierung, Schema oder Entitätsgenerierung.

Danach andere Tools

Sofort formatieren, Schema oder Entitäten. Gut als erste Demo- und Fixture-Fassung.

Streng nach JSON Schema braucht einen eigenen Faker-Prozess; hier keine volle Constraint-Lösung.

Beispiel

Mögliche Shape

{
  "id": 42,
  "name": "item-7",
  "enabled": true,
  "tags": ["a", "b"]
}

Was danach?

 Mit Formatierung die Struktur prüfen → Typen erzeugen → Schema als API-Entwurf. Die Daten sind nur der Start.

Kryptografisch sicherer Zufall?

Für Mock und Demo, nicht als sicheres Token oder Lotterie-Seed.

Streng nach meinem Schema?

Schwerpunkt Seitenoptionen und Beispiele. Streng nach Schema braucht einen eigenen Faker-Prozess.

Warum ist nach Leeren alles leer?

Leeren stoppt die Automatik, damit nicht sofort wieder etwas erscheint. Neue Daten: «Neu erzeugen».

Vorlage vs. Zufall?

Vorlagen haben feste Struktur für Demos; Zufallsstruktur wechselt die Shape – gut als Last-Platzhalter.

Empfohlener Ablauf

Vorlage oder Zufall, Tiefe / Anzahl pro Ebene einstellen.
«Neu erzeugen», bis die Shape zur gewünschten API passt.
Zur Formatierungsseite kopieren, echte Feldnamen und Enums setzen.
Dann Schema oder Entitäten erzeugen und in Tests nutzen.

Zufalls-JSON garantiert Nesting und Typen, nicht eure Geschäftsregeln.