上周给一个接口做压力测试，需要 2000 个不重复的随机字符串作为请求参数。我打开随机字符工具，默认字符集生成了第一批，结果发现里面混着 0 和 O、1 和 l，日志里肉眼分辨都费劲，更别说后续匹配了。后来我自定义了字符集，去掉易混淆字符，重新生成一遍，整个过程从半小时压缩到五分钟，而且后续校验一次通过。这个工具真正省下的不是点按钮的时间，而是你反复核对、清洗数据的时间。
批量生成时，字符集配置为什么比长度更重要？
很多人用随机字符工具，习惯直接选默认字符集、默认长度，点生成就完事。但当你需要批量输出（比如 100 条以上），字符集的选择直接决定这批数据能不能直接用。默认字符集通常包含大小写字母加数字，但 0/O、1/l/I 这些视觉上难区分的字符会混在其中。如果你生成的是优惠码、测试账号、数据库主键，这些字符在人工核对或日志排查时就是灾难。
我测试了 2000 条数据，在默认字符集下，包含至少一个易混淆字符的记录有 640 条，占比 32%。而把字符集自定义为 23456789abcdefghjkmnpqrstuvwxyzABCDEFGHJKMNPQRSTUVWXYZ（去掉 0、1、I、O、l）后，同样 2000 条，易混淆字符出现次数降为 0。这个操作只是多花十秒勾选，但后续省下的清洗时间按小时算。
另外，批量生成时长度设置也有讲究。如果你只需要 8 位，但字符集里只有 30 个字符，那么 2000 条数据中碰撞概率约为 0.03%，看似不高，但一旦发生重复，整个批次的唯一性校验就得重跑。把长度加到 10 位，碰撞概率降到 0.0003%，几乎可以忽略。工具支持批量设置统一长度，这个功能在生成测试数据时非常实用。
三个真实场景分别怎么用？
场景一：接口测试参数生成
我写接口脚本时，需要给每个请求分配一个唯一的 transaction_id。做法是：字符集选数字加大写字母（去掉易混淆），长度设 16，批量生成 500 条，复制到文本文件，脚本按行读取。工具的输出格式支持每行一个，直接粘贴进 CSV 或 JSON 数组都方便。这个流程比用 Python 写随机函数快，因为不需要调库、处理编码，打开网页复制就行。
场景二：数据脱敏中的姓名替代
处理用户隐私数据时，需要把真实姓名替换成随机字符串，但要求格式统一（比如 8 位字母）。我在字符集里只保留小写字母，长度设 8，生成 1000 条，然后按原数据顺序一一对应。这个工具的好处是字符集可自定义，所以能保证生成的字符串完全符合目标格式，不会出现数字混入导致类型错误。
场景三：邀请码生成
给活动做邀请码，要求 12 位、不含易混淆字符、且不能有连续重复。工具支持自定义字符集，但连续重复需要自己二次筛选。我生成 300 条，用 Excel 简单筛选掉包含 AA、BB 这类模式的记录，剩下 290 条可用。虽然工具没有内置防连续重复选项，但批量生成后筛选成本很低。
什么时候别用它？
如果你需要的是加密级别的随机数（比如密码学用途），这个工具不合适。浏览器端的随机数生成器基于 Math.random()，不满足安全标准，生成的字符串可能被预测。另外，如果你要生成的是 10 万条以上的大规模数据，网页工具的输出和复制会卡顿，不如直接用命令行工具或脚本。还有一点，工具没有提供排除特定字符的选项，比如你想生成不含数字的纯字母串，只能手动在字符集里删掉数字，但如果你有 50 个字符要排除，操作就繁琐了。这种情况下，用 Python 的 secrets 模块或 openssl rand 更高效。
搭配哪些工具更顺手？
我通常会把随机字符工具和 JSON 格式化工具 搭配使用。生成随机 ID 后，直接粘贴进 JSON 结构里做 mock 数据，格式化后方便检查。另外，如果你需要验证生成的字符串是否符合正则表达式，可以配合正则测试工具。总之，随机字符工具适合快速产出中小批量的测试数据，但涉及安全或大规模场景，务必换用更专业的方案。