Locale fa_IR

faker.providers.address

class faker.providers.address.fa_IR.Provider(generator: Any)

Bases: faker.providers.address.Provider

address() → str

Example:‘791 Crist Parks, Sashabury, IL 86039-9874’ Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.address()
...
'48764 ربانی بن بست سوئیت 421\nشهرستان آراد, بوشهر 11578'
'5938 عباسی جنب سوئیت 801\nاستان آرمين, آذربایجان شرقی 7535139332'
'58714 علی پور دره\nشهرستان زهرا, سیستان و بلوچستان 196593'
'20947 سارینا میدان\nشمال فاطمه زهرا, گلستان 4833969477'
'9179 خسروجردی بلوار\nبندر كیانا, خراسان شمالی 25601'

administrative_unit(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.administrative_unit()
...
'کهگیلویه و بویراحمد'
'لرستان'
'اردبیل'
'زنجان'
'یزد'

building_number() → str

Example:‘791’ Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.building_number()
...
'6048'
'6475'
'382'
'2194'
'924'

city() → str

Example:‘Sashabury’ Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.city()
...
'روستای ریحانه'
'شهرستان آرش'
'بندر سجاد'
'باغات مبينا'
'بندر آوا'

city_prefix(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.city_prefix()
...
'روستای'
'روستای'
'شمال'
'بندر'
'شهرستان'

city_suffix(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Example:‘town’ Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.city_suffix()
...
'Ville'
'Ville'
'Ville'
'Ville'
'Ville'

country(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.country()
...
'سنت وینسنت و گرنادین\u200cها'
'هائیتی'
'سوریه'
'اتیوپی'
'ترینیداد و توباگو'

country_code(representation: str = 'alpha-2') → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.country_code()
...
'MV'
'PS'
'NL'
'BB'
'IL'

current_country() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.current_country()
...
'Iran'
'Iran'
'Iran'
'Iran'
'Iran'

current_country_code() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.current_country_code()
...
'IR'
'IR'
'IR'
'IR'
'IR'

postcode() → str

Example:86039-9874 Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.postcode()
...
'604876'
'75938'
'4219'
'89241'
'578'

secondary_address() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.secondary_address()
...
'واحد 604'
'واحد 647'
'واحد 938'
'سوئیت 421'
'واحد 892'

state(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.state()
...
'کهگیلویه و بویراحمد'
'لرستان'
'اردبیل'
'زنجان'
'یزد'

street_address() → str

Example:‘791 Crist Parks’ Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.street_address()
...
'0487 رودگر تقاطع واحد 593'
'2194 هستي دره'
'578 کيانا کوه'
'387 دادفر جنب سوئیت 801'
'097 سمسار آزاد راه سوئیت 393'

street_name() → str

Example:‘Crist Parks’ Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.street_name()
...
'گلپایگانی کوه'
'رها تونل'
'رودگر تقاطع'
'ربانی بن بست'
'مريم میدان'

street_suffix(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Example:‘Avenue’ Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.street_suffix()
...
'جزیره'
'کوه'
'خیابان'
'جنب'
'تونل'

faker.providers.bank

class faker.providers.bank.fa_IR.Provider(generator: Any)

Bases: faker.providers.bank.Provider

Implement bank provider for fa_IR locale.

aba() → str

Generate an ABA routing transit number.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.aba()
...
'076048766'
'057593829'
'052194896'
'034115783'
'025659384'

bank(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Generate a bank name.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.bank()
...
'بانک انصار'
'بانک سینا'
'بانک گردشگری'
'بانک سرمایه'
'بانک توسعه صادرات ایران'

bank_country() → str

Generate the bank provider’s ISO 3166-1 alpha-2 country code.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.bank_country()
...
'IR'
'IR'
'IR'
'IR'
'IR'

bban() → str

Generate a Basic Bank Account Number (BBAN).

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.bban()
...
'IR660487647593824219489241'
'IR157815659387784080160975'
'IR351393328711587148418583'
'IR989471965934232094711220'
'IR186848339694775159179533'

iban() → str

Generate an International Bank Account Number (IBAN).

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.iban()
...
'IR77IR660487647593824219489241'
'IR61IR157815659387784080160975'
'IR67IR351393328711587148418583'
'IR73IR989471965934232094711220'
'IR80IR186848339694775159179533'

swift(length: Optional[int] = None, primary: bool = False, use_dataset: bool = False) → str

Generate a SWIFT code.

SWIFT codes, reading from left to right, are composed of a 4 alphabet character bank code, a 2 alphabet character country code, a 2 alphanumeric location code, and an optional 3 alphanumeric branch code. This means SWIFT codes can only have 8 or 11 characters, so the value of length can only be None or the integers 8 or 11. If the value is None, then a value of 8 or 11 will randomly be assigned.

Because all 8-digit SWIFT codes already refer to the primary branch or office, the primary argument only has an effect if the value of length is 11. If primary is True and length is 11, the 11-digit SWIFT codes generated will always end in 'XXX' to denote that they belong to primary branches/offices.

For extra authenticity, localized providers may opt to include SWIFT bank codes, location codes, and branch codes used in their respective locales. If use_dataset is True, this method will generate SWIFT codes based on those locale-specific codes if included. If those codes were not included, then it will behave as if use_dataset were False, and in that mode, all those codes will just be randomly generated as per the specification.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.swift()
...
'YNBIIR65ZT4'
'SGQEIRSIGQ8'
'JDXCIRV4'
'LNKTIRN9'
'OQIBIR9AFZA'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.swift(length=8)
...
'MYNBIRQ6'
'PMZJIR4W'
'SGQEIRSI'
'YDTZIRQ8'
'WZTEIRTG'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.swift(length=8, use_dataset=True)
...
'IVBBIRTH'
'BEGNIRTH'
'KIBOIRTH'
'IVBBIRTH'
'KBIDIRTH'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.swift(length=11)
...
'MYNBIRQ65ZT'
'PLSGIR6ISIG'
'TZIRIRJTGEV'
'PRDLIR1UN94'
'OQIBIR9AFZA'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.swift(length=11, primary=True)
...
'MYNBIRQ6XXX'
'PMZJIR4WXXX'
'SGQEIRSIXXX'
'YDTZIRQ8XXX'
'WZTEIRTGXXX'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.swift(length=11, use_dataset=True)
...
'IVBBIRTHBSH'
'CIYBIRTHTIR'
'CIYBIRTHBIC'
'KHMIIRTHFOR'
'BKMNIRTHtIR'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.swift(length=11, primary=True, use_dataset=True)
...
'IVBBIRTHXXX'
'BEGNIRTHXXX'
'KIBOIRTHXXX'
'IVBBIRTHXXX'
'KBIDIRTHXXX'

swift11(primary: bool = False, use_dataset: bool = False) → str

Generate an 11-digit SWIFT code.

This method uses swift() under the hood with the length argument set to 11. If primary is set to True, the SWIFT code will always end with 'XXX'. All 11-digit SWIFT codes use this convention to refer to the primary branch/office.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.swift11()
...
'MYNBIRQ65ZT'
'PLSGIR6ISIG'
'TZIRIRJTGEV'
'PRDLIR1UN94'
'OQIBIR9AFZA'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.swift11(use_dataset=True)
...
'IVBBIRTHBSH'
'CIYBIRTHTIR'
'CIYBIRTHBIC'
'KHMIIRTHFOR'
'BKMNIRTHtIR'

swift8(use_dataset: bool = False) → str

Generate an 8-digit SWIFT code.

This method uses swift() under the hood with the length argument set to 8 and with the primary argument omitted. All 8-digit SWIFT codes already refer to the primary branch/office.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.swift8()
...
'MYNBIRQ6'
'PMZJIR4W'
'SGQEIRSI'
'YDTZIRQ8'
'WZTEIRTG'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.swift8(use_dataset=True)
...
'IVBBIRTH'
'BEGNIRTH'
'KIBOIRTH'
'IVBBIRTH'
'KBIDIRTH'

faker.providers.color

class faker.providers.color.fa_IR.Provider(generator: Any)

Bases: faker.providers.color.Provider

Implement color provider for fa_IR locale.

Sources: - https://www.seyedrezabazyar.com/fa/name-and-code-of-colors/ - https://bit.ly/353BBiY

color(hue: Optional[HueType] = None, luminosity: Optional[str] = None, color_format: str = 'hex') → str

Generate a color in a human-friendly way.

Under the hood, this method first creates a color represented in the HSV color model and then converts it to the desired color_format. The argument hue controls the H value according to the following rules:

• If the value is a number from 0 to 360, it will serve as the H value of the generated color.
• If the value is a tuple/list of 2 numbers from 0 to 360, the color’s H value will be randomly selected from that range.
• If the value is a valid string, the color’s H value will be randomly selected from the H range corresponding to the supplied string. Valid values are 'monochrome', 'red', 'orange', 'yellow', 'green', 'blue', 'purple', and 'pink'.

The argument luminosity influences both S and V values and is partially affected by hue as well. The finer details of this relationship are somewhat involved, so please refer to the source code instead if you wish to dig deeper. To keep the interface simple, this argument either can be omitted or can accept the following string values:'bright', 'dark', 'light', or 'random'.

The argument color_format controls in which color model the color is represented. Valid values are 'hsv', 'hsl', 'rgb', or 'hex' (default).

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.color(hue='red')
...
'#af2f33'
'#e02141'
'#ef6466'
'#a80a14'
'#ed9e95'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.color(luminosity='light')
...
'#79c3e0'
'#89ffa1'
'#96cbf7'
'#aafaff'
'#e3f495'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.color(hue=(100, 200), color_format='rgb')
...
'rgb(26, 155, 88)'
'rgb(9, 193, 49)'
'rgb(73, 229, 154)'
'rgb(107, 249, 166)'
'rgb(76, 204, 69)'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.color(hue='orange', luminosity='bright')
...
'#efc332'
'#edae65'
'#d1861d'
'#ffcc42'
'#e09533'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.color(hue=135, luminosity='dark', color_format='hsv')
...
'hsv(135, 96, 45)'
'hsv(135, 98, 57)'
'hsv(135, 94, 61)'
'hsv(135, 99, 47)'
'hsv(135, 94, 50)'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.color(hue=(300, 20), luminosity='random', color_format='hsl')
...
'hsl(217, 94, 27)'
'hsl(40, 23, 54)'
'hsl(268, 100, 74)'
'hsl(175, 43, 31)'
'hsl(131, 47, 11)'

color_name(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Generate a color name.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.color_name()
...
'فیروزه\u200cای کدر'
'قرمز'
'آبی-بنفش سیر'
'کرم نارنجی'
'خاکستری محو'

hex_color() → str

Generate a color formatted as a hex triplet.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.hex_color()
...
'#d82c08'
'#629f70'
'#c2094d'
'#e3e707'
'#6baa95'

rgb_color() → str

Generate a color formatted as a comma-separated RGB value.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.rgb_color()
...
'197,215,20'
'132,248,207'
'155,244,183'
'111,71,144'
'71,48,128'

rgb_css_color() → str

Generate a color formatted as a CSS rgb() function.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.rgb_css_color()
...
'rgb(197,215,20)'
'rgb(132,248,207)'
'rgb(155,244,183)'
'rgb(111,71,144)'
'rgb(71,48,128)'

safe_color_name(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Generate a web-safe color name.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.safe_color_name()
...
'فیروزه\u200cای'
'سبز دودی'
'ارغوانی'
'سفید'
'سبز دودی'

safe_hex_color() → str

Generate a web-safe color formatted as a hex triplet.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.safe_hex_color()
...
'#ccdd11'
'#88ffcc'
'#99ffbb'
'#664499'
'#443388'

faker.providers.company

class faker.providers.company.fa_IR.Provider(generator: Any)

Bases: faker.providers.company.Provider

bs() → str

Example:‘integrate extensible convergence’ Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.bs()
...
'iterate integrated e-markets'
'integrate back-end mindshare'
'synthesize wireless content'
'syndicate synergistic applications'
'productize killer mindshare'

catch_phrase() → str

Example:‘Robust full-range hub’ Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.catch_phrase()
...
'Networked well-modulated instruction set'
'Balanced empowering migration'
'Pre-emptive impactful toolset'
'Innovative mission-critical help-desk'
'Reduced didactic middleware'

company(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Example:‘Acme Ltd’ Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.company()
...
'چینی سازی البرز'
'مجتمع دامداری بیجین'
'سیمان جوین'
'تولید مواد دارویی درسا دارو'
'نئوپان 22 بهمن'

company_suffix(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Example:‘Ltd’ Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.company_suffix()
...
'Group'
'Group'
'Inc'
'LLC'
'PLC'

faker.providers.credit_card

class faker.providers.credit_card.fa_IR.Provider(generator: Any)

Bases: faker.providers.credit_card.Provider

Implement credit card provider for fa_IR locale.

For all methods that take card_type as an argument, a random card type will be used if the supplied value is None. The list of valid card types includes 'ansar', 'bim', 'day', 'eghtesad_novin', 'ghavamin', 'hekmat', 'iran_zamin', 'kar_afarin', 'keshavarzi', 'kosar', 'maskan', 'mehre_ghtesad', 'meli', 'mellal', 'mellat', 'parsian', 'pasargad', 'post_bank', 'refah', 'saderat', 'saman', 'sarmayeh', 'sepah', 'shahr', 'sina', 'tat', 'tejarat', 'tose', and 'tourism_bank'.

Sources:

• https://way2pay.ir/21653

credit_card_expire(start: Union[datetime.date, datetime.datetime, datetime.timedelta, str, int] = 'now', end: Union[datetime.date, datetime.datetime, datetime.timedelta, str, int] = '+10y', date_format: str = '%m/%y') → str

Generate a credit card expiry date.

This method uses date_time_between() under the hood to generate the expiry date, so the start and end arguments work in the same way here as it would in that method. For the actual formatting of the expiry date, strftime() is used and date_format is simply passed to that method.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.credit_card_expire()
...
'04/29'
'11/29'
'06/23'
'02/27'
'06/31'

credit_card_full(card_type: Optional[CardType] = None) → str

Generate a set of credit card details.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.credit_card_full()
...
'پارسیان\nبهار گلپایگانی\n6221060487647590 06/26\nCVV2: 824\n'
'شهر\nعباس ابوطالبی\n5028068924115789 06/24\nCVV2: 565\n'
'کوثر\nاميرمحمد مهدیان\n5058017840801603 02/31\nCVV2: 535\n'
'تات\nثنا خسروجردی\n6219863287115872 08/24\nCVV2: 484\n'
'تات\nهانیه میردامادی\n6219868398947196 04/29\nCVV2: 593\n'

credit_card_number(card_type: Optional[CardType] = None) → str

Generate a valid credit card number.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.credit_card_number()
...
'6221066048764758'
'6219868242194896'
'6279614115781568'
'6037998778408012'
'6393460975351394'

credit_card_provider(card_type: Optional[CardType] = None) → str

Generate a credit card provider name.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.credit_card_provider()
...
'پارسیان'
'گردشگری'
'کار آفرین'
'صنعت و معدن'
'قوامین'

credit_card_security_code(card_type: Optional[CardType] = None) → str

Generate a credit card security code.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.credit_card_security_code()
...
'660'
'876'
'475'
'382'
'219'

faker.providers.internet

class faker.providers.internet.fa_IR.Provider(generator: Any)

Bases: faker.providers.internet.Provider

ascii_company_email() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.ascii_company_email()
...
'aglpygny@symn.org'
'yrswly@khymy.ir'
'myrly38@twsh.org'
'bsbwtlby@lyzyng.com'
'aylyn15@sny.com'

ascii_email() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.ascii_email()
...
'qdyy@yahoo.com'
'trwdgr@hotmail.com'
'mhmdmynhnry@gmail.com'
'hwshyrbrn@yrnsl.com'
'mwswymrym@gmail.com'

ascii_free_email() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.ascii_free_email()
...
'aglpygny@chmail.ir'
'mbyn76@gmail.com'
'lrbny@mailfa.com'
'mrymhnry@chmail.ir'
'aryn92@gmail.com'

ascii_safe_email() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.ascii_safe_email()
...
'aglpygny@example.org'
'mbyn76@example.com'
'lrbny@example.org'
'mrymhnry@example.org'
'aryn92@example.com'

company_email() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.company_email()
...
'aglpygny@symn.org'
'yrswly@khymy.ir'
'myrly38@twsh.org'
'bsbwtlby@lyzyng.com'
'aylyn15@sny.com'

dga(year: Optional[int] = None, month: Optional[int] = None, day: Optional[int] = None, tld: Optional[str] = None, length: Optional[int] = None) → str

Generates a domain name by given date https://en.wikipedia.org/wiki/Domain_generation_algorithm

Return type:str Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.dga()
...
'hxqvaffcmfsccynscisxeajjagjahtnfcmfsccynscisxeajjagjahtnfcmfscc.org'
'meydkrgdcvulautulqvjofrrnbjkfmvrewtpfttqcjafdhxckmyfamohcpnldug.org'
'iiulfpgbvqcdaehnqkbxmaqgkykorlxnwy.net'
'cpyhexmtvewxpwiiaxtgdfajuhbsyaaykvgkgreki.com'
'uqniukqjckmjabijnuqho.com'

domain_name(levels: int = 1) → str

Produce an Internet domain name with the specified number of subdomain levels.

>>> domain_name()
nichols-phillips.com
>>> domain_name(2)
williamson-hopkins.jackson.com

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.domain_name()
...
'chyny.ir'
'symn.org'
'nywpn.ir'
'mhndsy.org'
'ptrwshymy.ir'

domain_word() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.domain_word()
...
'chyny'
'mjtm'
'symn'
'twlyd'
'nywpn'

email(safe: bool = True, domain: Optional[str] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.email()
...
'aglpygny@example.org'
'mbyn76@example.com'
'lrbny@example.org'
'mrymhnry@example.org'
'aryn92@example.com'

free_email() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.free_email()
...
'aglpygny@chmail.ir'
'mbyn76@gmail.com'
'lrbny@mailfa.com'
'mrymhnry@chmail.ir'
'aryn92@gmail.com'

free_email_domain(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.free_email_domain()
...
'hotmail.com'
'hotmail.com'
'chmail.ir'
'gmail.com'
'yahoo.com'

hostname(levels: int = 1) → str

Produce a hostname with specified number of subdomain levels.

>>> hostname()
db-01.nichols-phillips.com
>>> hostname(0)
laptop-56
>>> hostname(2)
web-12.williamson-hopkins.jackson.com

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.hostname()
...
'web-66.symn.org'
'lt-76.khymy.ir'
'desktop-93.krkhnjt.com'
'desktop-21.lyzyng.com'
'desktop-11.sny.ir'

http_method(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Returns random HTTP method https://developer.mozilla.org/en-US/docs/Web/HTTP/Methods

Return type:str Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.http_method()
...
'OPTIONS'
'OPTIONS'
'GET'
'DELETE'
'PATCH'

iana_id() → str

Returns IANA Registrar ID https://www.iana.org/assignments/registrar-ids/registrar-ids.xhtml

Return type:str Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.iana_id()
...
'6463344'
'7056021'
'679216'
'4343903'
'8577767'

image_url(width: Optional[int] = None, height: Optional[int] = None, placeholder_url: Optional[str] = None) → str

Returns URL to placeholder image Example: http://placehold.it/640x480

Parameters:

• width – Optional image width
• height – Optional image height
• placeholder_url – Optional template string of image URLs from custom placeholder service. String must contain {width} and {height} placeholders, eg: https:/example.com/{width}/{height}.

Return type:

str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.image_url()
...
'https://picsum.photos/788/861'
'https://placeimg.com/530/995/any'
'https://placekitten.com/621/976'
'https://placekitten.com/447/285'
'https://placekitten.com/286/194'

ipv4(network: bool = False, address_class: Optional[str] = None, private: Optional[str] = None) → str

Returns a random IPv4 address or network with a valid CIDR.

Parameters:

• network – Network address
• address_class – IPv4 address class (a, b, or c)
• private – Public or private

Returns:

IPv4

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.ipv4()
...
'171.174.170.81'
'95.25.112.121'
'51.105.121.194'
'195.110.164.126'
'141.250.247.54'

ipv4_network_class(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Returns a IPv4 network class ‘a’, ‘b’ or ‘c’.

Returns:IPv4 network class Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.ipv4_network_class()
...
'b'
'b'
'a'
'b'
'c'

ipv4_private(network: bool = False, address_class: Optional[str] = None) → str

Returns a private IPv4.

Parameters:

• network – Network address
• address_class – IPv4 address class (a, b, or c)

Returns:

Private IPv4

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.ipv4_private()
...
'172.29.117.82'
'10.248.203.131'
'172.25.180.188'
'172.22.253.123'
'192.168.71.140'

ipv4_public(network: bool = False, address_class: Optional[str] = None) → str

Returns a public IPv4 excluding private blocks.

Parameters:

• network – Network address
• address_class – IPv4 address class (a, b, or c)

Returns:

Public IPv4

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.ipv4_public()
...
'166.186.169.69'
'111.198.92.30'
'168.155.75.206'
'141.250.247.54'
'212.120.204.37'

ipv6(network: bool = False) → str

Produce a random IPv6 address or network with a valid CIDR

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.ipv6()
...
'e3e7:682:c209:4cac:629f:6fbf:d82c:7cd'
'f728:b4fa:4248:5e3a:a5d:2f35:6baa:9455'
'eb11:67b3:67a9:c378:7c65:c1e6:82e2:e662'
'f7c1:bd87:4da5:e709:d471:3d61:c8a7:639'
'e443:df78:9558:867f:5ba9:1fb0:7a02:4204'

mac_address() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.mac_address()
...
'c5:d7:14:84:f8:cf'
'9b:f4:b7:6f:47:90'
'47:30:80:4b:9e:32'
'25:a9:f1:33:b5:de'
'a1:68:f4:e2:85:1f'

nic_handle(suffix: str = 'FAKE') → str

Returns NIC Handle ID https://www.apnic.net/manage-ip/using-whois/guide/person/

Return type:str Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.nic_handle()
...
'ZYT1598-FAKE'
'SIW493-FAKE'
'UE59352-FAKE'
'WBUN892-FAKE'
'CHQD98-FAKE'

nic_handles(count: int = 1, suffix: str = '????') → List[str]

Returns NIC Handle ID list

Return type:list[str] Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.nic_handles()
...
['ZYT1598-EWLN']
['WGNZ53-QITZ']
['UERV52-EJGW']
['CHQ498-DZJA']
['UU1864-TEMK']

port_number(is_system: bool = False, is_user: bool = False, is_dynamic: bool = False) → int

Returns a network port number https://tools.ietf.org/html/rfc6335

Parameters:

• is_system – System or well-known ports
• is_user – User or registered ports
• is_dynamic – Dynamic / private / ephemeral ports

Return type:

int

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.port_number()
...
50494
55125
5306
33936
63691

ripe_id() → str

Returns RIPE Organization ID https://www.ripe.net/manage-ips-and-asns/db/support/organisation-object-in-the-ripe-database

Return type:str Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.ripe_id()
...
'ORG-ZYT1598-RIPE'
'ORG-SIW493-RIPE'
'ORG-UE59352-RIPE'
'ORG-WBUN892-RIPE'
'ORG-CHQD98-RIPE'

safe_domain_name(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.safe_domain_name()
...
'example.com'
'example.com'
'example.org'
'example.com'
'example.net'

safe_email() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.safe_email()
...
'aglpygny@example.org'
'mbyn76@example.com'
'lrbny@example.org'
'mrymhnry@example.org'
'aryn92@example.com'

slug(value: Optional[str] = None) → str

Django algorithm

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.slug()
...
''
''
''
''
''

tld(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.tld()
...
'ir'
'ir'
'com'
'org'
'ir'

uri() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.uri()
...
'https://www.twlyd.ir/explore/posts/register/'
'http://www.prs.com/privacy.html'
'https://www.grwh.com/app/list/search/login.html'
'https://twlyd.ir/register.asp'
'http://www.sng.ir/terms.html'

uri_extension(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.uri_extension()
...
'.php'
'.php'
'.html'
'.htm'
'.asp'

uri_page(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.uri_page()
...
'author'
'category'
'privacy'
'category'
'index'

uri_path(deep: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.uri_path()
...
'posts/tag'
'explore/tag'
'explore/category'
'blog'
'category'

url(schemes: Optional[List[str]] = None) → str

Parameters:schemes – a list of strings to use as schemes, one will chosen randomly. If None, it will generate http and https urls. Passing an empty list will result in schemeless url generation like “://domain.com”. Returns:a random url string. Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.url()
...
'https://symn.org/'
'https://khymy.ir/'
'https://www.krkhnjt.com/'
'https://www.skht.org/'
'http://syb.com/'

user_name() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.user_name()
...
'aglpygny'
'shkhrymbyn'
'yrswly'
'sjd59'
'mhmdmynhnry'

faker.providers.job

class faker.providers.job.fa_IR.Provider(generator: Any)

Bases: faker.providers.job.Provider

job(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.job()
...
'معاون'
'سرتیپ'
'باغ\u200cدار'
'تاجر'
'پاسدار'

faker.providers.lorem

class faker.providers.lorem.fa_IR.Provider(generator: Any)

Bases: faker.providers.lorem.Provider

Implement lorem provider for fa_IR locale.

Word list is based on the source(s) below, and some words have been removed to make the word list appropriate for public testing.

Sources:

• https://1000mostcommonwords.com/1000-most-common-persian-words/

paragraph(nb_sentences: int = 3, variable_nb_sentences: bool = True, ext_word_list: Optional[Sequence[str]] = None) → str

Generate a paragraph.

The nb_sentences argument controls how many sentences the paragraph will contain, and setting variable_nb_sentences to False will generate the exact amount, while setting it to True (default) will generate a random amount (+/-40%, minimum of 1) using randomize_nb_elements().

Under the hood, sentences() is used to generate the sentences, so the argument ext_word_list works in the same way here as it would in that method.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.paragraph(nb_sentences=5)
...
'دیگر شانه جاده فولاد مستعمره ترتیب. میلیون تشکر شاید گروه سرباز ضربه. اشتباه ساعت فلز مرگ حرکت. ساحل قند تجربه ده. نیروی خانواده ذخیره باید.'
'قوی موضوع بازی فولاد بزرگ خانه اسلحه. من اطلاع نان شب کلاس بار اب وحشی. ایجاد علت ماده خاموش آماده. ادعا قانون جوان مایل نمایش سنگ تجربه. کفش کمترین امیدوارم ذهن دریافت. مستقیم نزدیک هیچ جریان به پرتاب.'
'دست صعود در پسر از بالا روستای. تجربه ارسال تقسیم دایره بسیار پوشش سرد. سرگرم فضا مستقیم جمع خواهر ارائه. کوتاه محل شاد آتش.'
'این باز فلز جا ببینید. گوشت مادر حرکت هشت زمان لبه. مرگ حتی نمایش روی مستعمره تنها نیاز. ما اما شنا بیشترین.'
'مطالعه لازم رویا چه زیبایی جهان پایه. طلسم معمول سریع همچنین شش. مادر خاکستری سر عمیق عبارت زرد فولاد ببینید.'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.paragraph(nb_sentences=5, variable_nb_sentences=False)
...
'روند درست توقف نمایندگی سقوط صحبت. ترتیب عمیق حرکت بین کم. سرباز ضربه حمل شاخه. مهارت احساس ساحل قند تجربه ده مادر سبز. ذخیره باید خواب قوی موضوع بازی فولاد بزرگ.'
'رایت واحد نازک پرداخت. تمیز عجله\u200cای سنگ. بالابردن کوچک خواهر هرگز ایجاد علت. محصول ازجمله ترک مربع گروه جدید قطار. مسابقه زنگ گسترده کفش.'
'مسابقه علامت نیاز زن مستقیم نزدیک هیچ جریان. استراحت باصدا جنگ. صعود در پسر از. اکسیژن نمره گسترده بله. کودکان مقایسه رسیدن دندانها پوشاندن بلوک سرگرم.'
'سرد ذخیره ملاقات درخشش سطح کوتاه محل. لباس بیابان نزدیک کپی زنده چشم توافق سنگ. مادر حرکت هشت زمان. کنید رویا مرگ حتی نمایش روی مستعمره. بله ممکن کشش ما.'
'که پنبه یا. مطالعه لازم رویا چه زیبایی جهان پایه. طلسم معمول سریع همچنین شش. مادر خاکستری سر عمیق عبارت زرد فولاد ببینید. گسترش می\u200cخواهم سنگ بیابان تمام.'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.paragraph(nb_sentences=5, ext_word_list=['abc', 'def', 'ghi', 'jkl'])
...
'Abc jkl def jkl jkl jkl. Ghi jkl ghi def jkl ghi. Jkl ghi ghi ghi abc. Ghi jkl ghi def. Def def ghi abc.'
'Def ghi abc jkl jkl abc jkl. Abc def jkl abc def jkl abc ghi. Jkl abc ghi abc jkl. Jkl def def def abc def jkl. Jkl ghi ghi def ghi. Def abc abc jkl abc jkl.'
'Abc ghi abc abc abc abc ghi. Ghi jkl ghi ghi abc abc ghi. Ghi def ghi jkl jkl jkl. Def abc ghi def.'
'Abc def ghi def abc. Jkl abc abc ghi abc ghi. Ghi abc abc abc jkl abc abc. Abc abc jkl abc.'
'Abc jkl jkl abc def abc def. Abc def def abc def. Abc jkl abc def ghi jkl jkl abc.'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.paragraph(nb_sentences=5, variable_nb_sentences=False, ext_word_list=['abc', 'def', 'ghi', 'jkl'])
...
'Jkl def def ghi def jkl. Jkl def jkl abc abc. Jkl ghi def jkl. Jkl def ghi jkl ghi def abc def. Ghi abc ghi def ghi abc jkl jkl.'
'Ghi def jkl ghi. Ghi jkl def. Ghi abc jkl abc jkl abc. Def abc def ghi jkl abc ghi. Ghi jkl ghi jkl.'
'Ghi def abc jkl def abc abc jkl. Ghi ghi def. Ghi abc abc abc. Jkl jkl ghi def. Def jkl jkl jkl ghi jkl ghi.'
'Def ghi ghi jkl def def abc. Ghi jkl abc ghi abc abc jkl def. Abc abc ghi abc. Ghi jkl ghi abc abc abc jkl. Def def jkl abc.'
'Abc jkl ghi. Abc jkl jkl abc def abc def. Abc def def abc def. Abc jkl abc def ghi jkl jkl abc. Jkl abc ghi jkl def.'

paragraphs(nb: int = 3, ext_word_list: Optional[Sequence[str]] = None) → List[str]

Generate a list of paragraphs.

This method uses paragraph() under the hood to generate paragraphs, and the nb argument controls exactly how many sentences the list will contain. The ext_word_list argument works in exactly the same way as well.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.paragraphs(nb=5)
...
['دیگر شانه جاده فولاد مستعمره ترتیب. میلیون تشکر شاید گروه سرباز ضربه. اشتباه ساعت فلز مرگ حرکت.', 'قند تجربه ده مادر. خانواده ذخیره باید خواب قوی موضوع.', 'بزرگ خانه اسلحه بند اتم تیم تمیز. شب کلاس بار اب وحشی اواخر.', 'محصول ازجمله ترک مربع گروه جدید قطار. مسابقه زنگ گسترده کفش.', 'امیدوارم ذهن دریافت دست بازدید نامه می\u200cدانم. به پرتاب پایه دست. فوری نمره چاپ اکسیژن. تجربه ارسال تقسیم دایره بسیار پوشش سرد.']
['کودکان سرد ذخیره ملاقات درخشش سطح کوتاه محل. لباس بیابان نزدیک کپی زنده چشم توافق سنگ. مادر حرکت هشت زمان.', 'مرگ حتی نمایش روی مستعمره تنها نیاز. ما اما شنا بیشترین. الگوی نوع همچنین سرد.', 'خون تازه بندر طلسم معمول سریع. باور از مادر خاکستری. پایه فصل کمتر مهارت شیشه\u200cای.', 'اثر استفاده را هنوز. دریافت قوی نگاه صبح.', 'اردک فولاد مورد لاستیک بهار او تخت. مبارزه جنوب زمان مقاله نکن فروش کامل. تعجب پوشاندن حرکت بخش فقط.']
['سرمایه رئیس ازجمله سفر روستای درمورد. جریان بررسی اردک ابزار شکل.', 'حوزه همخوان اگر ذهن توقف استفاده بزرگ. تشکر مشکل عنوان از باد ارسال گفت:. من قاره ارسال عمل در\u200cنظر اشتباه.', 'خانواده کارخانه یا خود ترس توپ. اب نوشت ساعت جوان. مادر بخش زبان ازجمله.', 'لازم ساخته ماهی لحظه\u200cای مالیدن دیگر محل. مثال توسط دیگر ضعیف.', 'دو شرایط مسابقه که سرمایه ریشه. باید مهارت بانک جا موتور پاسخ شاد. کمک باز مشکل.']
['قطعه خون بود مانند. نامه شرق پنجره اتومبیل دربرابر اجرا خواهد\u200cشد آمده. بیت اماده تازه ساده هر کوه مرکز.', 'نمایش ساخته احتمالی می\u200cتوانید آتش اهن. بحث سیم هزار کوارت. قراردادن بپرسید نه همچنین.', 'پر عمومی محصول قانون.', 'پوند مشترک خاکستری گوش حلقه. تماس محل ترس ساحل یا هجاز. تنها درمیان پاسخ که صندلی. در\u200cصد خود پنج پا سیاره.', 'درخشش راست سقوط طراحی بازار انرژی خواهر محصول. ادعا سقوط اردک ماده کارت با فلز.']
['در راست ماهی صحبت چاپ ماه. خانه بپرسید شارژ از فکر دیگر دارند. منطقه نوشتن پسر باصدا اردوگاه ناگهانی خوب.', 'لبه صعود همسایه. نیاز نظر مغناطیس یافت سنگین دهان مثلث فرد. نوشت داستان ایستگاه کلمه نوشابه ارزش.', 'چمن سنگ اطلاع اسب نازک حزب دست. بازی ذخیره خوب هردو مستعمره مجموعه.', 'اسم سرد اصلی طبقه تعجب هم مولکول.', 'تمیز حرارت اگر. شخصیت کلمه ردیف فقط کوتاه ملاقات مورد. داغ قرار حکومت عزیز تن.']

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.paragraphs(nb=5, ext_word_list=['abc', 'def', 'ghi', 'jkl'])
...
['Abc jkl def jkl jkl jkl. Ghi jkl ghi def jkl ghi. Jkl ghi ghi ghi abc.', 'Jkl ghi def abc. Def ghi abc ghi def ghi.', 'Jkl abc jkl ghi jkl ghi ghi. Abc def jkl abc ghi abc.', 'Def abc def ghi jkl abc ghi. Ghi jkl ghi jkl.', 'Ghi def ghi def ghi def abc. Abc jkl def abc. Jkl jkl jkl jkl. Ghi jkl ghi ghi abc abc ghi.']
['Def def ghi ghi jkl def def abc. Ghi jkl abc ghi abc abc jkl def. Abc abc ghi abc.', 'Ghi abc abc abc jkl abc abc. Abc abc jkl abc. Def ghi abc ghi.', 'Ghi jkl abc abc def def. Ghi abc abc jkl. Def jkl def jkl ghi.', 'Jkl abc abc ghi. Ghi def abc def.', 'Jkl jkl ghi def ghi abc ghi. Ghi def abc def abc jkl def. Ghi ghi jkl jkl abc.']
['Ghi jkl abc ghi ghi abc. Ghi def jkl ghi def.', 'Def ghi abc def def abc ghi. Jkl ghi abc abc def jkl abc. Abc jkl ghi abc ghi jkl.', 'Def abc ghi abc jkl ghi. Abc ghi abc def. Abc jkl def abc.', 'Jkl abc def ghi jkl ghi abc. Def abc abc ghi.', 'Jkl jkl jkl abc ghi ghi. Ghi jkl ghi def ghi abc ghi. Abc def def.']
['Def ghi abc abc. Def def ghi def def abc abc abc. Ghi def jkl def abc ghi def.', 'Abc abc def abc def ghi. Jkl ghi def jkl. Abc abc ghi abc.', 'Def ghi def def.', 'Def def jkl def jkl. Abc abc jkl jkl abc ghi. Abc def abc abc jkl. Ghi abc def def jkl.', 'Jkl abc def ghi jkl def jkl def. Jkl ghi jkl ghi jkl abc ghi.']
['Abc abc def jkl jkl ghi. Abc abc jkl abc abc abc abc. Def abc abc ghi jkl ghi jkl.', 'Ghi ghi jkl. Jkl ghi jkl abc ghi ghi jkl def. Ghi abc jkl abc jkl ghi.', 'Ghi def def def jkl jkl def. Abc ghi abc def jkl abc.', 'Def def jkl ghi ghi abc jkl.', 'Ghi def abc. Jkl abc ghi abc def ghi ghi. Def jkl def jkl ghi.']

sentence(nb_words: int = 6, variable_nb_words: bool = True, ext_word_list: Optional[Sequence[str]] = None) → str

Generate a sentence.

The nb_words argument controls how many words the sentence will contain, and setting variable_nb_words to False will generate the exact amount, while setting it to True (default) will generate a random amount (+/-40%, minimum of 1) using randomize_nb_elements().

Under the hood, words() is used to generate the words, so the argument ext_word_list works in the same way here as it would in that method.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.sentence(nb_words=10)
...
'روند درست توقف نمایندگی سقوط صحبت اماده جنگ میلیون تشکر.'
'کم خط سعی\u200cکنید کاپیتان اشتباه ساعت فلز مرگ حرکت حیوانات حتی کارشناس.'
'ده مادر سبز عضویت ویژه گسترش جنگ ایستگاه پایه همسایه.'
'بزرگ خانه اسلحه بند اتم تیم تمیز عجله\u200cای سنگ ساحل بالابردن کوچک خواهر.'
'اواخر ترتیب ایجاد محصول ازجمله ترک مربع گروه.'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.sentence(nb_words=10, variable_nb_words=False)
...
'نقطه روند درست توقف نمایندگی سقوط صحبت اماده جنگ میلیون.'
'تشکر شاید گروه سرباز ضربه حمل شاخه درخشش ذرت مهارت.'
'احساس ساحل قند تجربه ده مادر سبز عضویت ویژه گسترش.'
'جنگ ایستگاه پایه همسایه پنجره یک رایت واحد نازک پرداخت.'
'من اطلاع نان شب کلاس بار اب وحشی اواخر ترتیب.'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.sentence(nb_words=10, ext_word_list=['abc', 'def', 'ghi', 'jkl'])
...
'Jkl def def ghi def jkl def def ghi jkl.'
'Abc abc abc jkl jkl ghi ghi ghi abc abc abc jkl.'
'Def abc def ghi jkl jkl def jkl def jkl.'
'Jkl abc jkl ghi jkl ghi ghi jkl def ghi ghi abc jkl.'
'Abc jkl jkl def abc def ghi jkl.'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.sentence(nb_words=10, variable_nb_words=True, ext_word_list=['abc', 'def', 'ghi', 'jkl'])
...
'Jkl def def ghi def jkl def def ghi jkl.'
'Abc abc abc jkl jkl ghi ghi ghi abc abc abc jkl.'
'Def abc def ghi jkl jkl def jkl def jkl.'
'Jkl abc jkl ghi jkl ghi ghi jkl def ghi ghi abc jkl.'
'Abc jkl jkl def abc def ghi jkl.'

sentences(nb: int = 3, ext_word_list: Optional[Sequence[str]] = None) → List[str]

Generate a list of sentences.

This method uses sentence() under the hood to generate sentences, and the nb argument controls exactly how many sentences the list will contain. The ext_word_list argument works in exactly the same way as well.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.sentences()
...
['روند درست توقف نمایندگی سقوط صحبت.', 'ترتیب عمیق حرکت بین کم.', 'سرباز ضربه حمل شاخه.']
['مهارت احساس ساحل قند تجربه ده مادر سبز.', 'ذخیره باید خواب قوی موضوع بازی فولاد بزرگ.', 'رایت واحد نازک پرداخت.']
['تمیز عجله\u200cای سنگ.', 'بالابردن کوچک خواهر هرگز ایجاد علت.', 'محصول ازجمله ترک مربع گروه جدید قطار.']
['مسابقه زنگ گسترده کفش.', 'مسابقه علامت نیاز زن مستقیم نزدیک هیچ جریان.', 'استراحت باصدا جنگ.']
['صعود در پسر از.', 'اکسیژن نمره گسترده بله.', 'کودکان مقایسه رسیدن دندانها پوشاندن بلوک سرگرم.']

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.sentences(nb=5)
...
['روند درست توقف نمایندگی سقوط صحبت.', 'ترتیب عمیق حرکت بین کم.', 'سرباز ضربه حمل شاخه.', 'مهارت احساس ساحل قند تجربه ده مادر سبز.', 'ذخیره باید خواب قوی موضوع بازی فولاد بزرگ.']
['رایت واحد نازک پرداخت.', 'تمیز عجله\u200cای سنگ.', 'بالابردن کوچک خواهر هرگز ایجاد علت.', 'محصول ازجمله ترک مربع گروه جدید قطار.', 'مسابقه زنگ گسترده کفش.']
['مسابقه علامت نیاز زن مستقیم نزدیک هیچ جریان.', 'استراحت باصدا جنگ.', 'صعود در پسر از.', 'اکسیژن نمره گسترده بله.', 'کودکان مقایسه رسیدن دندانها پوشاندن بلوک سرگرم.']
['سرد ذخیره ملاقات درخشش سطح کوتاه محل.', 'لباس بیابان نزدیک کپی زنده چشم توافق سنگ.', 'مادر حرکت هشت زمان.', 'کنید رویا مرگ حتی نمایش روی مستعمره.', 'بله ممکن کشش ما.']
['که پنبه یا.', 'مطالعه لازم رویا چه زیبایی جهان پایه.', 'طلسم معمول سریع همچنین شش.', 'مادر خاکستری سر عمیق عبارت زرد فولاد ببینید.', 'گسترش می\u200cخواهم سنگ بیابان تمام.']

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.sentences(nb=5, ext_word_list=['abc', 'def', 'ghi', 'jkl'])
...
['Jkl def def ghi def jkl.', 'Jkl def jkl abc abc.', 'Jkl ghi def jkl.', 'Jkl def ghi jkl ghi def abc def.', 'Ghi abc ghi def ghi abc jkl jkl.']
['Ghi def jkl ghi.', 'Ghi jkl def.', 'Ghi abc jkl abc jkl abc.', 'Def abc def ghi jkl abc ghi.', 'Ghi jkl ghi jkl.']
['Ghi def abc jkl def abc abc jkl.', 'Ghi ghi def.', 'Ghi abc abc abc.', 'Jkl jkl ghi def.', 'Def jkl jkl jkl ghi jkl ghi.']
['Def ghi ghi jkl def def abc.', 'Ghi jkl abc ghi abc abc jkl def.', 'Abc abc ghi abc.', 'Ghi jkl ghi abc abc abc jkl.', 'Def def jkl abc.']
['Abc jkl ghi.', 'Abc jkl jkl abc def abc def.', 'Abc def def abc def.', 'Abc jkl abc def ghi jkl jkl abc.', 'Jkl abc ghi jkl def.']

text(max_nb_chars: int = 200, ext_word_list: Optional[Sequence[str]] = None) → str

Generate a text string.

The max_nb_chars argument controls the approximate number of characters the text string will have, and depending on its value, this method may use either words(), sentences(), or paragraphs() for text generation. The ext_word_list argument works in exactly the same way it would in any of those methods.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.text(max_nb_chars=20)
...
'نمودار سبز بخش ساده.'
'رودخانه بازدید.'
'در دشمن لغزش بالا.'
'معین بهار زندگی.'
'بالا مستقیم استفاده.'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.text(max_nb_chars=80)
...
'روند درست توقف نمایندگی سقوط صحبت. ترتیب عمیق حرکت بین کم. سرباز ضربه حمل شاخه.'
'ذخیره باید خواب قوی موضوع بازی فولاد بزرگ. رایت واحد نازک پرداخت.'
'بالابردن کوچک خواهر هرگز ایجاد علت. محصول ازجمله ترک مربع گروه جدید قطار.'
'مسابقه علامت نیاز زن مستقیم نزدیک هیچ جریان. استراحت باصدا جنگ. صعود در پسر از.'
'کودکان مقایسه رسیدن دندانها پوشاندن بلوک سرگرم.'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.text(max_nb_chars=160)
...
'دیگر شانه جاده فولاد مستعمره ترتیب. میلیون تشکر شاید گروه سرباز ضربه. اشتباه ساعت فلز مرگ حرکت.\nقند تجربه ده مادر. خانواده ذخیره باید خواب قوی موضوع.'
'محصول ازجمله ترک مربع گروه جدید قطار. مسابقه زنگ گسترده کفش.'
'کودکان سرد ذخیره ملاقات درخشش سطح کوتاه محل. لباس بیابان نزدیک کپی زنده چشم توافق سنگ. مادر حرکت هشت زمان.'
'خون تازه بندر طلسم معمول سریع. باور از مادر خاکستری. پایه فصل کمتر مهارت شیشه\u200cای.\nاثر استفاده را هنوز. دریافت قوی نگاه صبح.'
'سرمایه رئیس ازجمله سفر روستای درمورد. جریان بررسی اردک ابزار شکل.'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.text(ext_word_list=['abc', 'def', 'ghi', 'jkl'])
...
'Abc jkl def jkl jkl jkl. Ghi jkl ghi def jkl ghi. Jkl ghi ghi ghi abc.\nJkl ghi def abc. Def ghi abc ghi def ghi.\nJkl abc jkl ghi jkl ghi ghi. Abc def jkl abc ghi abc.'
'Ghi def ghi def ghi def abc. Abc jkl def abc. Jkl jkl jkl jkl. Ghi jkl ghi ghi abc abc ghi.\nDef def ghi ghi jkl def def abc. Ghi jkl abc ghi abc abc jkl def. Abc abc ghi abc.'
'Ghi jkl abc abc def def. Ghi abc abc jkl. Def jkl def jkl ghi.\nJkl abc abc ghi. Ghi def abc def.\nJkl jkl ghi def ghi abc ghi. Ghi def abc def abc jkl def. Ghi ghi jkl jkl abc.'
'Def ghi abc def def abc ghi. Jkl ghi abc abc def jkl abc. Abc jkl ghi abc ghi jkl.\nDef abc ghi abc jkl ghi. Abc ghi abc def. Abc jkl def abc.\nJkl abc def ghi jkl ghi abc. Def abc abc ghi.'
'Def ghi abc abc. Def def ghi def def abc abc abc. Ghi def jkl def abc ghi def.\nAbc abc def abc def ghi. Jkl ghi def jkl. Abc abc ghi abc.\nDef ghi def def.'

texts(nb_texts: int = 3, max_nb_chars: int = 200, ext_word_list: Optional[Sequence[str]] = None) → List[str]

Generate a list of text strings.

The nb_texts argument controls how many text strings the list will contain, and this method uses text() under the hood for text generation, so the two remaining arguments, max_nb_chars and ext_word_list will work in exactly the same way as well.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.texts(nb_texts=5)
...
['دیگر شانه جاده فولاد مستعمره ترتیب. میلیون تشکر شاید گروه سرباز ضربه. اشتباه ساعت فلز مرگ حرکت.\nقند تجربه ده مادر. خانواده ذخیره باید خواب قوی موضوع.', 'محصول ازجمله ترک مربع گروه جدید قطار. مسابقه زنگ گسترده کفش.\nامیدوارم ذهن دریافت دست بازدید نامه می\u200cدانم. به پرتاب پایه دست. فوری نمره چاپ اکسیژن. تجربه ارسال تقسیم دایره بسیار پوشش سرد.', 'مرگ حتی نمایش روی مستعمره تنها نیاز. ما اما شنا بیشترین. الگوی نوع همچنین سرد.\nخون تازه بندر طلسم معمول سریع. باور از مادر خاکستری. پایه فصل کمتر مهارت شیشه\u200cای.', 'اردک فولاد مورد لاستیک بهار او تخت. مبارزه جنوب زمان مقاله نکن فروش کامل. تعجب پوشاندن حرکت بخش فقط.\nسرمایه رئیس ازجمله سفر روستای درمورد. جریان بررسی اردک ابزار شکل.', 'خانواده کارخانه یا خود ترس توپ. اب نوشت ساعت جوان. مادر بخش زبان ازجمله.\nلازم ساخته ماهی لحظه\u200cای مالیدن دیگر محل. مثال توسط دیگر ضعیف.']
['قطعه خون بود مانند. نامه شرق پنجره اتومبیل دربرابر اجرا خواهد\u200cشد آمده. بیت اماده تازه ساده هر کوه مرکز.\nنمایش ساخته احتمالی می\u200cتوانید آتش اهن. بحث سیم هزار کوارت. قراردادن بپرسید نه همچنین.', 'پوند مشترک خاکستری گوش حلقه. تماس محل ترس ساحل یا هجاز. تنها درمیان پاسخ که صندلی. در\u200cصد خود پنج پا سیاره.\nدرخشش راست سقوط طراحی بازار انرژی خواهر محصول. ادعا سقوط اردک ماده کارت با فلز.', 'لبه صعود همسایه. نیاز نظر مغناطیس یافت سنگین دهان مثلث فرد. نوشت داستان ایستگاه کلمه نوشابه ارزش.\nچمن سنگ اطلاع اسب نازک حزب دست. بازی ذخیره خوب هردو مستعمره مجموعه.\nاسم سرد اصلی طبقه تعجب هم مولکول.', 'برابر قطعه نمایش زیادی رشد اثر خوب پسوند. خواهر بخش ضعیف ذرت عمومی. می\u200cتوانید دور هواپیما اب سطح.', 'نقطه عرضه بلند تر. هفته اسم شکار سهم کوتاه خوردن کامل. ماه حال هیچ آن\u200cها.\nبزرگ مایع مدرسه کشور تعجب شب. احساس اتومبیل چوب گروه.\nمردم را خیابان خاص. یا مدرسه آتش شنا.']
['بقیه اگر فقط کلمه باید اضافه. دختر جعبه رهبری رفته کافی آبی.\nارسال جریان هنوز پیش در مدت. دقیقه هواپیما کلاه خاموش بیشترین هر.\nفریاد او خرید زمین بیشترین قادر نگاه. عبور جفت شی برابر تغییر ضخامت پا.', 'بخار بند ذهن نظر نیروی پیشنهاد ابر. دفتر در نرده همیشه گفت. وتر بخار دشوار به\u200cعنوان چربی همیشه حکم.', 'دختر طبیعی هر خون آن صبح. جریان شانس اهن.\nبود بود خون قاره بخش ملاقات. خط کار اب سبز طبقه.\nمنطقه مورد اهن راست. تقسیم ما مسابقه ویژه. شامل سرد ساحل بنابراین گرم باید.\nو ارسال بار مشغول دروغ کوچک.', 'مشکل که هر البته نامه. خط تاریخ طراحی. زبان راهنمایی ساعت گفت در\u200cنزدیکی دشمن توافق محصول.\nایده دایره می\u200cدانم بالا مناسب اینچ. علم بیت معمول کنند دست. پادشاه باید شان لغزش طلسم اوایل قرن.', 'رایگان باید شامل ضخامت رئیس. خاص حمل چشم. لغزش ترک آه ورزش آن.\nسوم حلقه منطقه زمین کنید. شروع کمی صحبت حیوانات خاموش. بین جمعیت خشم بود سنگین.']
['قایق سقوط شعر بازار وجوددارد روز. بزرگ یافت ترس شکار. اره فقط داستان دست دانه.\nتخت فولاد حیاط آن دفتر قانون هرچند خاص. دریاچه مستقیم صدای فروش مرکز بدن آسانسور.', 'پادشاه را از لبه می\u200cخواهم. هم اما هزینه است شان شهرستان لحظه\u200cای خانه.\nمتولد پوند راه آفتاب آه عمیق. متوسط قانون اتم تاریک.\nبخار حاضر همسایه کشش حل عمل.', 'ساخت قهوه\u200cای بند خانم دیگر عبور رول پیش. گروه ما نوع اتومبیل هم بسیار شی شن. مشکل ایجاد بوی دارند موج علامت.\nحزب چمن اسب. در تپه پرواز. پا بعدی جمع اتاق طراحی خرید کت.', 'جریان دلار تحمل پا وجوددارد خیابان. تیم محصول رادیو نماد اشتباه.\nابزار دقیقه بالا با.\nاحساس من پنجره انجام بلوک. هنوز کوچک بانک سرگرم. برابر ماده دست آه پرنده یک شخصیت.', 'پا بلوک آرزو صبر خانم ایجاد. قند سیستم پرتاب راه که. هزینه شکار کپی کتاب حرکت سفید.\nکار دریا مو سهم. رویداد تا نمره زمین. خوراک خوردن عزیز عرضه تن خاموش.\nآن\u200cها حمل دشوار حرارت که تیم لاستیک.']
['شنبه ضرب او اب.\nصبح بدن اجازه موفقیت آن دور نمایش. شود علت راست پدر نمایندگی.\nراه مسابقه فلز طبقه. ساحل یخ نظر.', 'عضویت شعر دایره هفت ویژه حکم گوشه. ماده دلار پادشاه شعر.\nشامل کامل شنیده کراوات. سیستم اجازه مناسب بزرگ خریداری تعداد نمایش.', 'ادامه پایان ما آن اما. حیاط دریاچه یک در ثابت پیشنهاد.\nازجمله هر خوشحالم انتظار پست اسب مورد. جستجو بالا عمیق حیوانات. همه کنند همسایه.\nپیش بالا پنجره.', 'شهرستان درجه زمین فوری کمک زمستان. را میلیون اهن.\nداغ نازک طول می\u200cتوانید. کار راست او تاریخ.\nسریع انجیر سنگ شمال کمک طول.', 'دیگر درب زن کفش زمین. متوسط دور محصول.\nسیب مو مشکل نوشتن عبور یادداشت. فولاد سهم دشوار را مشترک علت عمیق ده. میوه پایین رویداد روز میلیون دوم کنید.']

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.texts(nb_texts=5, max_nb_chars=50)
...
['روند درست توقف نمایندگی سقوط صحبت.', 'سرباز ضربه حمل شاخه.', 'ذخیره باید خواب قوی موضوع بازی فولاد بزرگ.', 'تمیز عجله\u200cای سنگ.', 'محصول ازجمله ترک مربع گروه جدید قطار.']
['مسابقه علامت نیاز زن مستقیم نزدیک هیچ جریان.', 'صعود در پسر از. اکسیژن نمره گسترده بله.', 'سرد ذخیره ملاقات درخشش سطح کوتاه محل.', 'مادر حرکت هشت زمان.', 'بله ممکن کشش ما. که پنبه یا.']
['طلسم معمول سریع همچنین شش.', 'گسترش می\u200cخواهم سنگ بیابان تمام.', 'اردک فولاد مورد لاستیک بهار او تخت.', 'تعجب پوشاندن حرکت بخش فقط. برف شکل کشتن من تماس.', 'خوب ریشه حوزه. این\u200cها پایان ریشه.']
['گفت: ترس کوارت ستاره پنجره همسر شانس.', 'یک ضخامت کشش سنگ تمیز. تنها متوسط برده آسان شانس.', 'لازم ساخته ماهی لحظه\u200cای مالیدن دیگر محل.', 'سگ قایق وحشی رسیدن جریان شنا نوشت.', 'کمک باز مشکل. نتیجه قطعه خون بود مانند پرتاب.']
['لیست اتصال بیت. معین کامل شکل نقطه تشکر.', 'بلند دندانها بحث سیم هزار کوارت.', 'حیوانات پا نامه.', 'هفته عمیق پایان اصلی. مهارت شنیده کوچک.', 'در\u200cصد خود پنج پا سیاره. خاکستری درخشش راست سقوط.']

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.texts(nb_texts=5, max_nb_chars=50, ext_word_list=['abc', 'def', 'ghi', 'jkl'])
...
['Jkl def def ghi def jkl. Jkl def jkl abc abc.', 'Jkl def ghi jkl ghi def abc def.', 'Ghi def jkl ghi. Ghi jkl def.', 'Def abc def ghi jkl abc ghi. Ghi jkl ghi jkl.', 'Ghi ghi def. Ghi abc abc abc. Jkl jkl ghi def.']
['Def ghi ghi jkl def def abc.', 'Abc abc ghi abc. Ghi jkl ghi abc abc abc jkl.', 'Abc jkl ghi. Abc jkl jkl abc def abc def.', 'Abc jkl abc def ghi jkl jkl abc.', 'Abc jkl ghi abc ghi. Jkl jkl ghi def ghi abc ghi.']
['Ghi ghi jkl jkl abc. Def def ghi abc abc.', 'Def ghi def. Abc abc ghi.', 'Abc jkl jkl def ghi jkl jkl. Jkl def ghi def.', 'Abc ghi jkl def jkl. Def jkl ghi abc.', 'Def abc abc ghi. Def def ghi jkl jkl jkl ghi.']
['Abc def def. Ghi def ghi abc abc jkl.', 'Def jkl ghi. Def def def abc jkl.', 'Ghi jkl jkl ghi def jkl. Abc abc ghi abc.', 'Jkl ghi abc abc abc jkl ghi. Def def abc jkl.', 'Def def ghi jkl. Ghi abc def def jkl.']
['Jkl def jkl def def def. Ghi jkl abc ghi ghi.', 'Def ghi def jkl ghi jkl abc abc.', 'Jkl ghi jkl ghi ghi ghi jkl.', 'Ghi abc jkl abc jkl ghi. Ghi def abc jkl jkl.', 'Def jkl abc abc def. Jkl ghi abc ghi jkl def abc.']

word(part_of_speech: str = None, ext_word_list: Optional[Sequence[str]] = None) → str

Generate a word.

This method uses words() under the hood with the nb argument set to 1 to generate the result.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.word()
...
'نمودار'
'سبز'
'بخش'
'ساده'
'زمان'

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.word(ext_word_list=['abc', 'def', 'ghi', 'jkl'])
...
'jkl'
'jkl'
'abc'
'ghi'
'jkl'

words(nb: int = 3, part_of_speech: str = None, ext_word_list: Optional[Sequence[str]] = None, unique: bool = False) → List[str]

Generate a tuple of words.

The nb argument controls the number of words in the resulting list, and if ext_word_list is provided, words from that list will be used instead of those from the locale provider’s built-in word list.

If unique is True, this method will return a list containing unique words. Under the hood, random_sample() will be used for sampling without replacement. If unique is False, random_choices() is used instead, and the list returned may contain duplicates.

part_of_speech is a parameter that defines to what part of speech the returned word belongs. If ext_word_list is not None, then part_of_speech is ignored. If the value of part_of_speech does not correspond to an existent part of speech according to the set locale, then an exception is raised.

Warning

Depending on the length of a locale provider’s built-in word list or on the length of ext_word_list if provided, a large nb can exhaust said lists if unique is True, raising an exception.

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.words()
...
['نقطه', 'روند', 'درست']
['توقف', 'نمایندگی', 'سقوط']
['صحبت', 'اماده', 'جنگ']
['میلیون', 'تشکر', 'شاید']
['گروه', 'سرباز', 'ضربه']

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.words(nb=5)
...
['نقطه', 'روند', 'درست', 'توقف', 'نمایندگی']
['سقوط', 'صحبت', 'اماده', 'جنگ', 'میلیون']
['تشکر', 'شاید', 'گروه', 'سرباز', 'ضربه']
['حمل', 'شاخه', 'درخشش', 'ذرت', 'مهارت']
['احساس', 'ساحل', 'قند', 'تجربه', 'ده']

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.words(nb=5, ext_word_list=['abc', 'def', 'ghi', 'jkl'])
...
['jkl', 'jkl', 'def', 'def', 'ghi']
['def', 'jkl', 'def', 'def', 'ghi']
['jkl', 'ghi', 'def', 'jkl', 'ghi']
['def', 'jkl', 'jkl', 'jkl', 'jkl']
['def', 'ghi', 'jkl', 'ghi', 'def']

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.words(nb=4, ext_word_list=['abc', 'def', 'ghi', 'jkl'], unique=True)
...
['jkl', 'def', 'abc', 'ghi']
['jkl', 'def', 'ghi', 'abc']
['ghi', 'jkl', 'abc', 'def']
['ghi', 'abc', 'jkl', 'def']
['def', 'jkl', 'abc', 'ghi']

faker.providers.person

class faker.providers.person.fa_IR.Provider(generator: Any)

Bases: faker.providers.person.Provider

first_name(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.first_name()
...
'بهار'
'پارسا'
'محمد'
'ریحانه'
'رها'

first_name_as_list() → Union[Tuple[str, ...], Dict[str, float]]

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.first_name_as_list()
...
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')

first_name_female(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.first_name_female()
...
'یاسمین'
'نيايش'
'مائده'
'النا'
'مهدیس'

first_name_female_as_list() → Union[Tuple[str, ...], Dict[str, float]]

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.first_name_female_as_list()
...
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار')

first_name_male(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.first_name_male()
...
'بنیامین'
'کيان'
'محمدپارسا'
'متین'
'یوسف'

first_name_male_as_list() → Union[Tuple[str, ...], Dict[str, float]]

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.first_name_male_as_list()
...
('امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')

first_name_nonbinary(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.first_name_nonbinary()
...
'بهار'
'پارسا'
'محمد'
'ریحانه'
'رها'

first_name_nonbinary_as_list() → Union[Tuple[str, ...], Dict[str, float]]

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.first_name_nonbinary_as_list()
...
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')

language_name(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Generate a random i18n language name (e.g. English).

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.language_name()
...
'Luba-Katanga'
'Malay'
'Aymara'
'Interlingue'
'Quechua'

last_name(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.last_name()
...
'سرخوشیان'
'گلپایگانی'
'کریمی'
'دایی'
'شاکری'

last_name_as_list() → Union[Tuple[str, ...], Dict[str, float]]

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.last_name_as_list()
...
('محمدی', 'محمد پور', 'اکبر پور', 'رضا زاده', 'مجتهدی', 'دایی', 'حمیدی', 'کابلی', 'عبدالعلی', 'احمدی', 'اشرفی', 'علیجانی', 'ابوطالبی', 'علی شاهی', 'الوندی', 'بهمنی', 'بهرامی', 'هنری', 'ایروانی', 'حریریان', 'جعفر پور', 'جلالی', 'جلیلی', 'روحانی', 'خسروجردی', 'منصوری', 'مهدیان', 'نوروزی', 'نوری', 'رسته', 'سماوات', 'سمسار', 'شادروان', 'شاکری', 'سلطانی', 'شبیری', 'تحسینی', 'تنزیلی', 'طلوعی', 'ولاشجردی', 'وثاق', 'ظفری', 'زمانی', 'زارع', 'زارعی', 'ربانی', 'شمشیری', 'صارمی', 'صیادی', 'سرخوشیان', 'رستمی', 'رسولی', 'رفیعی', 'کریمی', 'کرمانی', 'سعیدی', 'عباسی', 'پویان', 'ترکاشوند', 'زنجانی', 'تهرانی', 'جنتی', 'صنایعی', 'جهانی', 'اشتری', 'چنگیزی', 'دادفر', 'سغیری', 'پارسا', 'ضابطی', 'میردامادی', 'عقیلی', 'نامور', 'حسنی', 'لاهوتی', 'محجوب', 'هاشمی', 'معروف', 'معین', 'هوشیار', 'هومن', 'هدایت', 'قاضی', 'ملکیان', 'ضرغامی', 'یزدی', 'نوبختی', 'مجتبوی', 'نیلوفری', 'لاچینی', 'علی پور', 'عبدالمالکی', 'فرجی', 'موسوی', 'همدانی', 'موحد', 'کمالی', 'گلپایگانی', 'نعمتی', 'عزیزی', 'رودگر')
('محمدی', 'محمد پور', 'اکبر پور', 'رضا زاده', 'مجتهدی', 'دایی', 'حمیدی', 'کابلی', 'عبدالعلی', 'احمدی', 'اشرفی', 'علیجانی', 'ابوطالبی', 'علی شاهی', 'الوندی', 'بهمنی', 'بهرامی', 'هنری', 'ایروانی', 'حریریان', 'جعفر پور', 'جلالی', 'جلیلی', 'روحانی', 'خسروجردی', 'منصوری', 'مهدیان', 'نوروزی', 'نوری', 'رسته', 'سماوات', 'سمسار', 'شادروان', 'شاکری', 'سلطانی', 'شبیری', 'تحسینی', 'تنزیلی', 'طلوعی', 'ولاشجردی', 'وثاق', 'ظفری', 'زمانی', 'زارع', 'زارعی', 'ربانی', 'شمشیری', 'صارمی', 'صیادی', 'سرخوشیان', 'رستمی', 'رسولی', 'رفیعی', 'کریمی', 'کرمانی', 'سعیدی', 'عباسی', 'پویان', 'ترکاشوند', 'زنجانی', 'تهرانی', 'جنتی', 'صنایعی', 'جهانی', 'اشتری', 'چنگیزی', 'دادفر', 'سغیری', 'پارسا', 'ضابطی', 'میردامادی', 'عقیلی', 'نامور', 'حسنی', 'لاهوتی', 'محجوب', 'هاشمی', 'معروف', 'معین', 'هوشیار', 'هومن', 'هدایت', 'قاضی', 'ملکیان', 'ضرغامی', 'یزدی', 'نوبختی', 'مجتبوی', 'نیلوفری', 'لاچینی', 'علی پور', 'عبدالمالکی', 'فرجی', 'موسوی', 'همدانی', 'موحد', 'کمالی', 'گلپایگانی', 'نعمتی', 'عزیزی', 'رودگر')
('محمدی', 'محمد پور', 'اکبر پور', 'رضا زاده', 'مجتهدی', 'دایی', 'حمیدی', 'کابلی', 'عبدالعلی', 'احمدی', 'اشرفی', 'علیجانی', 'ابوطالبی', 'علی شاهی', 'الوندی', 'بهمنی', 'بهرامی', 'هنری', 'ایروانی', 'حریریان', 'جعفر پور', 'جلالی', 'جلیلی', 'روحانی', 'خسروجردی', 'منصوری', 'مهدیان', 'نوروزی', 'نوری', 'رسته', 'سماوات', 'سمسار', 'شادروان', 'شاکری', 'سلطانی', 'شبیری', 'تحسینی', 'تنزیلی', 'طلوعی', 'ولاشجردی', 'وثاق', 'ظفری', 'زمانی', 'زارع', 'زارعی', 'ربانی', 'شمشیری', 'صارمی', 'صیادی', 'سرخوشیان', 'رستمی', 'رسولی', 'رفیعی', 'کریمی', 'کرمانی', 'سعیدی', 'عباسی', 'پویان', 'ترکاشوند', 'زنجانی', 'تهرانی', 'جنتی', 'صنایعی', 'جهانی', 'اشتری', 'چنگیزی', 'دادفر', 'سغیری', 'پارسا', 'ضابطی', 'میردامادی', 'عقیلی', 'نامور', 'حسنی', 'لاهوتی', 'محجوب', 'هاشمی', 'معروف', 'معین', 'هوشیار', 'هومن', 'هدایت', 'قاضی', 'ملکیان', 'ضرغامی', 'یزدی', 'نوبختی', 'مجتبوی', 'نیلوفری', 'لاچینی', 'علی پور', 'عبدالمالکی', 'فرجی', 'موسوی', 'همدانی', 'موحد', 'کمالی', 'گلپایگانی', 'نعمتی', 'عزیزی', 'رودگر')
('محمدی', 'محمد پور', 'اکبر پور', 'رضا زاده', 'مجتهدی', 'دایی', 'حمیدی', 'کابلی', 'عبدالعلی', 'احمدی', 'اشرفی', 'علیجانی', 'ابوطالبی', 'علی شاهی', 'الوندی', 'بهمنی', 'بهرامی', 'هنری', 'ایروانی', 'حریریان', 'جعفر پور', 'جلالی', 'جلیلی', 'روحانی', 'خسروجردی', 'منصوری', 'مهدیان', 'نوروزی', 'نوری', 'رسته', 'سماوات', 'سمسار', 'شادروان', 'شاکری', 'سلطانی', 'شبیری', 'تحسینی', 'تنزیلی', 'طلوعی', 'ولاشجردی', 'وثاق', 'ظفری', 'زمانی', 'زارع', 'زارعی', 'ربانی', 'شمشیری', 'صارمی', 'صیادی', 'سرخوشیان', 'رستمی', 'رسولی', 'رفیعی', 'کریمی', 'کرمانی', 'سعیدی', 'عباسی', 'پویان', 'ترکاشوند', 'زنجانی', 'تهرانی', 'جنتی', 'صنایعی', 'جهانی', 'اشتری', 'چنگیزی', 'دادفر', 'سغیری', 'پارسا', 'ضابطی', 'میردامادی', 'عقیلی', 'نامور', 'حسنی', 'لاهوتی', 'محجوب', 'هاشمی', 'معروف', 'معین', 'هوشیار', 'هومن', 'هدایت', 'قاضی', 'ملکیان', 'ضرغامی', 'یزدی', 'نوبختی', 'مجتبوی', 'نیلوفری', 'لاچینی', 'علی پور', 'عبدالمالکی', 'فرجی', 'موسوی', 'همدانی', 'موحد', 'کمالی', 'گلپایگانی', 'نعمتی', 'عزیزی', 'رودگر')
('محمدی', 'محمد پور', 'اکبر پور', 'رضا زاده', 'مجتهدی', 'دایی', 'حمیدی', 'کابلی', 'عبدالعلی', 'احمدی', 'اشرفی', 'علیجانی', 'ابوطالبی', 'علی شاهی', 'الوندی', 'بهمنی', 'بهرامی', 'هنری', 'ایروانی', 'حریریان', 'جعفر پور', 'جلالی', 'جلیلی', 'روحانی', 'خسروجردی', 'منصوری', 'مهدیان', 'نوروزی', 'نوری', 'رسته', 'سماوات', 'سمسار', 'شادروان', 'شاکری', 'سلطانی', 'شبیری', 'تحسینی', 'تنزیلی', 'طلوعی', 'ولاشجردی', 'وثاق', 'ظفری', 'زمانی', 'زارع', 'زارعی', 'ربانی', 'شمشیری', 'صارمی', 'صیادی', 'سرخوشیان', 'رستمی', 'رسولی', 'رفیعی', 'کریمی', 'کرمانی', 'سعیدی', 'عباسی', 'پویان', 'ترکاشوند', 'زنجانی', 'تهرانی', 'جنتی', 'صنایعی', 'جهانی', 'اشتری', 'چنگیزی', 'دادفر', 'سغیری', 'پارسا', 'ضابطی', 'میردامادی', 'عقیلی', 'نامور', 'حسنی', 'لاهوتی', 'محجوب', 'هاشمی', 'معروف', 'معین', 'هوشیار', 'هومن', 'هدایت', 'قاضی', 'ملکیان', 'ضرغامی', 'یزدی', 'نوبختی', 'مجتبوی', 'نیلوفری', 'لاچینی', 'علی پور', 'عبدالمالکی', 'فرجی', 'موسوی', 'همدانی', 'موحد', 'کمالی', 'گلپایگانی', 'نعمتی', 'عزیزی', 'رودگر')

last_name_female(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.last_name_female()
...
'سرخوشیان'
'گلپایگانی'
'کریمی'
'دایی'
'شاکری'

last_name_female_as_list() → Union[Tuple[str, ...], Dict[str, float]]

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.last_name_female_as_list()
...
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')

last_name_male(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.last_name_male()
...
'سرخوشیان'
'گلپایگانی'
'کریمی'
'دایی'
'شاکری'

last_name_male_as_list() → Union[Tuple[str, ...], Dict[str, float]]

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.last_name_male_as_list()
...
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')

last_name_nonbinary(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.last_name_nonbinary()
...
'سرخوشیان'
'گلپایگانی'
'کریمی'
'دایی'
'شاکری'

last_name_nonbinary_as_list() → Union[Tuple[str, ...], Dict[str, float]]

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.last_name_nonbinary_as_list()
...
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')
('فاطمه', 'اسما', 'زهرا', 'عسل', 'نازنین زهرا', 'النا', 'زینب', 'سارا', 'یسنا', 'آتنا', 'ریحانه', 'آیناز', 'هستی', 'محیا', 'ستایش', 'باران', 'ثنا', 'هلیا', 'مریم', 'یلدا', 'فاطمه زهرا', 'ملیكا', 'سارینا', 'نازنین', 'مهسا', 'آیلین', 'نرگس', 'حنانه', 'رقیه', 'كیانا', 'كوثر', 'هانیه', 'مبینا', 'مهدیس', 'رها', 'آوا', 'اسرا', 'یگانه', 'نیایش', 'حدیث', 'الینا', 'سوگند', 'مائده', 'پریا', 'معصومه', 'مهدیه', 'آیدا', 'الناز', 'محدثه', 'یاسمین', 'فاطمه', 'ستايش', 'زهرا', 'مائده', 'نازنين', 'مبينا', 'يسنا', 'عسل', 'زينب', 'آيناز', 'ريحانه', 'هليا', 'فاطمه', 'سوگند', 'باران', 'سارا', 'رها', 'محدثه', 'ثنا', 'الينا', 'کوثر', 'آتنا', 'مريم', 'فاطمياسارينا', 'ياسمين', 'اسرا', 'حسنا', 'رقيه', 'اسما', 'هستي', 'مهديس', 'محيا', 'هانيه', 'آيلين', 'حنانه', 'مهسا', 'پرنيا', 'نرگس', 'آيدا', 'معصومه', 'کيانا', 'حلما', 'مليکا', 'آوا', 'نازنين', 'النا', 'الناز', 'نيايش', 'بهار', 'امیر علی', 'پرهام', 'ابوالفضل', 'كیان', 'امیرحسین', 'متین', 'محمد طاها', 'عرفان', 'محمد', 'دانیال', 'علی', 'آرمین', 'امیرمحمد', 'آرتین', 'حسین', 'سبحان', 'مهدی', 'سینا', 'محمد مهدی', 'آریا', 'محمدرضا', 'محمدپارسا', 'طاها', 'سجاد', 'امیررضا', 'آرش', 'امیرعباس', 'نیما', 'علیرضا', 'عرشیا', 'محمدامین', 'مبین', 'محمدحسین', 'یوسف', 'رضا', 'احسان', 'علی اصغر', 'آرین', 'امیرمهدی', 'محمدیاسین', 'ماهان', 'عباس', 'پارسا', 'حسام', 'یاسین', 'علی رضا', 'ایلیا', 'علی اكبر', 'محمدجواد', 'بنیامین', 'اميرعلي', 'ايليا', 'محمد', 'محمدپارسا', 'محمد', 'پرهام', 'ابوالفضل', 'سبحان', 'اميرحسين', 'آرتين', 'علي', 'آرمين', 'حسين', 'عرفان', 'اميرمحمد', 'آريا', 'اميرعباس', 'محمدياسين', 'محمدمهدي', 'متين', 'محمدرضا', 'دانيال', 'مهدي', 'ساميار', 'محمدحسين', 'احسان', 'اميررضا', 'آرين', 'عليرضا', 'سينا', 'محمدامين', 'آراد', 'علي', 'سجاد', 'طاها', 'حسام', 'رضا', 'يوسف', 'ماهان', 'آرش', 'مبين', 'ياسين', 'علي', 'اميرمهدي', 'عباس', 'پارسا', 'محمدعلي', 'کيان', 'محمدجواد', 'بنيامين')

name() → str

:example ‘John Doe’

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.name()
...
'کيان کریمی'
'مهدیس چنگیزی'
'ايليا رودگر'
'هليا ربانی'
'نیما اشتری'

name_female() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.name_female()
...
'نيايش کریمی'
'مهدیس چنگیزی'
'ستايش رودگر'
'هليا ربانی'
'حنانه اشتری'

name_male() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.name_male()
...
'کيان کریمی'
'یوسف چنگیزی'
'ايليا رودگر'
'آرمين ربانی'
'نیما اشتری'

name_nonbinary() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.name_nonbinary()
...
'کيان کریمی'
'مهدیس چنگیزی'
'ايليا رودگر'
'هليا ربانی'
'نیما اشتری'

prefix(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.prefix()
...
'سرکار خانم دکتر'
'سرکار خانم دکتر'
'جناب آقای'
'سرکار خانم'
'سرکار خانم دکتر'

prefix_as_list() → Union[Tuple[str, ...], Dict[str, float]]

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.prefix_as_list()
...
('جناب آقای', 'جناب آقای دکتر', 'سرکار خانم', 'سرکار خانم دکتر')
('جناب آقای', 'جناب آقای دکتر', 'سرکار خانم', 'سرکار خانم دکتر')
('جناب آقای', 'جناب آقای دکتر', 'سرکار خانم', 'سرکار خانم دکتر')
('جناب آقای', 'جناب آقای دکتر', 'سرکار خانم', 'سرکار خانم دکتر')
('جناب آقای', 'جناب آقای دکتر', 'سرکار خانم', 'سرکار خانم دکتر')

prefix_female(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.prefix_female()
...
'سرکار خانم دکتر'
'سرکار خانم دکتر'
'سرکار خانم'
'سرکار خانم دکتر'
'سرکار خانم دکتر'

prefix_female_as_list() → Union[Tuple[str, ...], Dict[str, float]]

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.prefix_female_as_list()
...
('سرکار خانم', 'سرکار خانم دکتر')
('سرکار خانم', 'سرکار خانم دکتر')
('سرکار خانم', 'سرکار خانم دکتر')
('سرکار خانم', 'سرکار خانم دکتر')
('سرکار خانم', 'سرکار خانم دکتر')

prefix_male(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.prefix_male()
...
'جناب آقای دکتر'
'جناب آقای دکتر'
'جناب آقای'
'جناب آقای دکتر'
'جناب آقای دکتر'

prefix_male_as_list() → Union[Tuple[str, ...], Dict[str, float]]

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.prefix_male_as_list()
...
('جناب آقای', 'جناب آقای دکتر')
('جناب آقای', 'جناب آقای دکتر')
('جناب آقای', 'جناب آقای دکتر')
('جناب آقای', 'جناب آقای دکتر')
('جناب آقای', 'جناب آقای دکتر')

prefix_nonbinary(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.prefix_nonbinary()
...
'سرکار خانم دکتر'
'سرکار خانم دکتر'
'جناب آقای'
'سرکار خانم'
'سرکار خانم دکتر'

prefix_nonbinary_as_list() → Union[Tuple[str, ...], Dict[str, float]]

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.prefix_nonbinary_as_list()
...
('جناب آقای', 'جناب آقای دکتر', 'سرکار خانم', 'سرکار خانم دکتر')
('جناب آقای', 'جناب آقای دکتر', 'سرکار خانم', 'سرکار خانم دکتر')
('جناب آقای', 'جناب آقای دکتر', 'سرکار خانم', 'سرکار خانم دکتر')
('جناب آقای', 'جناب آقای دکتر', 'سرکار خانم', 'سرکار خانم دکتر')
('جناب آقای', 'جناب آقای دکتر', 'سرکار خانم', 'سرکار خانم دکتر')

suffix(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.suffix()
...
''
''
''
''
''

suffix_as_list() → Union[Tuple[str, ...], Dict[str, float]]

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.suffix_as_list()
...
()
()
()
()
()

suffix_female(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.suffix_female()
...
''
''
''
''
''

suffix_female_as_list() → Union[Tuple[str, ...], Dict[str, float]]

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.suffix_female_as_list()
...
()
()
()
()
()

suffix_male(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.suffix_male()
...
''
''
''
''
''

suffix_male_as_list() → Union[Tuple[str, ...], Dict[str, float]]

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.suffix_male_as_list()
...
()
()
()
()
()

suffix_nonbinary(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.suffix_nonbinary()
...
''
''
''
''
''

suffix_nonbinary_as_list() → Union[Tuple[str, ...], Dict[str, float]]

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.suffix_nonbinary_as_list()
...
()
()
()
()
()

faker.providers.phone_number

class faker.providers.phone_number.fa_IR.Provider(generator: Any)

Bases: faker.providers.phone_number.Provider

country_calling_code(min_length: Optional[int] = None, max_length: Optional[int] = None) → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.country_calling_code()
...
'+687'
'+595'
'+880'
'+964'
'+41'

msisdn() → str

https://en.wikipedia.org/wiki/MSISDN

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.msisdn()
...
'6048764759382'
'2194892411578'
'5659387784080'
'6097535139332'
'1158714841858'

phone_number() → str

Examples:

>>> Faker.seed(0)
>>> for _ in range(5):
...     fake.phone_number()
...
'083 6048 7647'
'011 9382 4219'
'+98 24 8924 1157'
'013 1565 9387'
'+98 41 8408 0160'