O desenvolvimento frontend costuma começar antes de o backend estar pronto para fornecer dados reais. Em vez de esperar por uma API funcional, é possível gerar dados JSON de teste realistas na forma certa e começar a trabalhar imediatamente.
O que são dados fictícios
JSON "mock" são dados gerados, mas estruturalmente plausíveis: nomes que parecem nomes reais, datas no formato correto, identificadores com a aparência certa. Diferente de valores de preenchimento como "test123", mocks realistas mostram de imediato se a interface trata corretamente nomes longos, campos vazios ou formatos de data específicos.
Para que serve
- Começar a desenvolver a interface antes de a equipe de backend terminar a API.
- Testar como a interface se comporta com um grande número de registros, sem precisar popular um banco de dados real.
- Criar uma demo ou protótipo sem expor dados reais de usuários.
- Escrever testes automatizados que não dependam do estado de um serviço externo ou banco de dados.
CEP e DDD: o formato brasileiro tem sua própria forma
O CEP brasileiro segue o formato 12345-678, com hífen na terceira posição — diferente do CEP português (também numérico, mas com layout distinto) e bem diferente do ZIP code americano. O telefone brasileiro soma o código do país +55 ao DDD de dois dígitos da cidade antes do número, como em +55 (11) 91234-5678. Um template de mock que gera {{postalCode}} como cinco dígitos soltos ou {{phone}} sem DDD produz um dado sintaticamente plausível, mas que qualquer usuário brasileiro reconhece como fora do padrão na hora.
No que prestar atenção
Dados fictícios reproduzem bem a forma e os tipos dos dados reais, mas não a lógica de negócio nem as relações entre registros. Antes de ir para produção, o código ainda precisa ser testado com uma API real — mocks apenas aceleram as etapas iniciais do desenvolvimento.
Edge cases realistas em dados fictícios
Um bom gerador de mocks inclui deliberadamente valores "incômodos" — nomes muito longos, strings vazias, caracteres Unicode (acentos, cedilha), números nulos ou negativos, datas no limite do intervalo. São justamente esses valores que costumam quebrar a interface ou a lógica que o desenvolvedor testou apenas com dados "confortáveis" como "John Doe" — por isso a aleatoriedade dos mocks é mais útil do que sempre o mesmo exemplo de teste.