FakeForge vs Faker (Python)

Tabela comparativa

Quando o Faker (Python) é melhor

Três cenários onde a lib Python ganha sem disputa:

• Test suites pytest com factories ricas. Faker integra direto com pytest-factoryboy, model_bakery (Django) e factory_boy. Cria factories tipadas, com seeds determinísticos, e gera milhares de registros sem chamada de rede. Em pipeline de CI com testes paralelos, isso elimina latência e rate limit.
• Projetos internacionais com Brasil como um locale entre vários. Se o seu app suporta pt-BR, en-US, es-MX e ja-JP, mantém um único stack de fake data. FakeForge cobre apenas Brasil.
• Ambientes air-gapped ou sem acesso à internet. Bancos, governo e indústria às vezes operam em redes isoladas. Faker roda 100% offline depois do pip install. FakeForge precisa de chamada HTTPS para fakeforge.com.br.

Quando o FakeForge é melhor

Cinco cenários onde a especialização BR muda o resultado:

• Cobertura BR ampla além de CPF e CNPJ. Faker pt_BR cobre CPF, CNPJ, nomes, endereços, RG e telefones. Não cobre PIX (4 tipos BACEN), CNH (DENATRAN), CIN (novo RG biométrico), título de eleitor (TSE), PIS/PASEP, placa Mercosul, cartão Elo e Hipercard. FakeForge cobre tudo isso.
• CNPJ alfanumérico de 2026. A Receita Federal vai introduzir CNPJ alfanumérico em 01/07/2026 (Instrução Normativa 2.229). O Faker pt_BR ainda não cobre o novo formato. FakeForge gera CNPJs alfanuméricos válidos hoje.
• Dados correlacionados em uma chamada. FakeForge preset "customer" devolve pessoa coerente: nome típico brasileiro, email derivado do nome (sem acento), CEP que bate com a cidade, DDD que bate com o estado, cartão com nome do titular. No Faker você compõe isso à mão usando providers isolados e mantém a coerência por código.
• Times mistos (dev + QA manual + produto). A interface web do FakeForge permite que QAs manuais, PMs e analistas gerem dados sem tocar em Python. Faker exige código.
• Export SQL pronto. FakeForge devolve INSERT INTO direto para o seu schema. No Faker, você escreve o INSERT à mão ou usa ORM (Django/SQLAlchemy), o que adiciona ~20 linhas de código por entidade.

Exemplo prático: gerar 100 customers brasileiros válidos

Cenário comum: popular o banco de staging com 100 customers que tenham CPF válido, email coerente com o nome, CEP que bate com o estado, telefone com DDD certo, e chave PIX no formato BACEN.

FakeForge:

POST https://fakeforge.com.br/api/generate
{
  "preset": "customer_pix",
  "quantity": 100,
  "format": "sql"
}

// Retorna INSERT INTO customers ... com PIX no padrão BACEN
// CPF passa em validação mod-11
// Email derivado do nome, CEP bate com cidade, DDD bate com estado
// Chave PIX é UUID v4 ou +55(DDD)(9XXXX-XXXX)

Faker (Python):

from faker import Faker
import uuid

fake = Faker('pt_BR')
customers = []

for _ in range(100):
    nome = fake.name()
    primeiro, *_, sobrenome = nome.split()
    customers.append({
        'nome': nome,
        'cpf': fake.cpf(),
        'cnpj': fake.cnpj(),
        'email': f'{primeiro}.{sobrenome}@gmail.com'.lower(),
        'cep': fake.postcode(),                  # aleatório, sem checar estado
        'estado': fake.estado_sigla(),
        'telefone': fake.phone_number(),         # DDD não validado
        'pix_key': str(uuid.uuid4()),            # você gera manualmente
    })

// CPF e CNPJ passam em mod-11
// CEP, estado e DDD não estão correlacionados
// PIX você implementa à mão (UUID v4 ou +55... ou email)
// Sem CNH, sem CIN, sem cartão Elo/Hipercard

O Faker resolve bem CPF, CNPJ e nomes. PIX, correlação de CEP/estado/DDD e validações extras (CNH, CIN) ficam por sua conta. Em projetos pequenos isso é gerenciável, em projetos com 20+ campos brasileiros o trabalho braçal acumula.

Veredicto honesto

Faker (Python) é uma escolha sólida e está em quase todo projeto Python que precisa de dados de teste. CPF e CNPJ válidos no locale pt_BR cobrem o caso mais comum. Quando o projeto BR cresce em complexidade (PIX, CNH, CIN, cartão Elo, dados correlacionados), o Faker começa a exigir glue code que vira manutenção.

FakeForge não pretende substituir Faker em projeto Python. Substitui apenas onde o Faker não cobre: PIX BACEN, CNH DENATRAN, CIN, CNPJ alfanumérico, e a correlação coerente entre campos.

A combinação prática em times Python BR: Faker no pytest para o esqueleto (timestamps, UUIDs, foreign keys, nomes), FakeForge para qualquer campo brasileiro que precise passar em validação real ou que tenha formato novo (CNPJ alfanumérico, CIN).