测试数据的相似文本块答案

【问题标题】：Blocks of similar text for test data测试数据的相似文本块
【发布时间】：2009-01-06 04:57:59
【问题描述】：

出于测试目的，我需要创建具有相似但不相同文本的文本文件集。每个集合都需要与其他集合不同，但也要有一些共同点。

例如，我可能需要创建 10 组，每组 20 个文档，总共 200 个文档。每个文档大约需要 250 个单词。

如果其中一组文档是关于狗的，那么其他集合的文档应该是关于动物的，例如，这样每个集合（在本例中为动物）和一个强一组文档之间的链接（例如一组中的狗和另一组中的猫）。

文档中的单词不需要按任何特定顺序排列，也不需要在句子中或有意义。

有人知道我如何为我的单元测试生成或获取此类数据吗？

【问题讨论】：

【解决方案1】：

从Project Gutenberg 获取一些文本怎么样？

【讨论】：

【解决方案2】：

我需要用于文本索引的测试数据集以基准化 solr 索引速度。我从 github 下载了源代码作为 zip 文件。例如，这个是巨大的- https://github.com/spring-projects/spring-framework

“下载为 zip”按钮。

【讨论】：