Bezplatné tabulky makro údajů: Stáhněte si kompletní nutriční data ve formátu CSV a JSON

Ať už vytváříte aplikaci pro výživu, provádíte výzkumnou studii, trénujete klienty, nebo jen potřebujete spolehlivý referenční list na stole, potřebujete čistá makrodata v formátu, se kterým lze skutečně pracovat. Vládní databáze sice existují, ale jsou rozsáhlé, nekonzistentní a formátované spíše pro úředníky než pro tvůrce.

Sestavili jsme sadu bezplatných tabulek makro údajů pokrývajících více než 500 běžných potravin s kompletními rozbory makroživin. Data jsou k dispozici ve formátech CSV a JSON, připravená k vložení do tabulky, databáze, skriptu nebo aplikace. Každý záznam byl ověřen proti primárním zdrojům a soubory jsou strukturovány tak, abyste je mohli okamžitě začít používat bez nutnosti úprav nebo transformací.

Tato stránka podrobně popisuje, co tabulky obsahují, jak jsou data strukturována, jak je načíst programově a jak přispět opravami, pokud najdete něco, co potřebuje aktualizaci.

Co je zahrnuto

Tabulky makro údajů obsahují více než 500 nejběžněji konzumovaných potravin rozdělených do sedmi hlavních kategorií. Pro každou potravinu získáte:

• Název potraviny — standardní anglický název používaný v nutriční vědě
• Kategorie — jedna ze sedmi hlavních kategorií (více o nich níže)
• Podkategorie — konkrétnější zařazení v rámci mateřské kategorie
• Popis velikosti porce — lidsky čitelná velikost porce (např. "1 střední banán", "1 šálek vařeného")
• Hmotnost porce v gramech — gramová ekvivalent této velikosti porce
• Kalorie — celková energie v kilokaloriích (kcal)
• Bílkoviny — gramy bílkovin na porci
• Celkové tuky — gramy celkových tuků na porci
• Nasycené tuky — gramy nasycených tuků na porci
• Celkové sacharidy — gramy celkových sacharidů na porci
• Vláknina — gramy diety vlákniny na porci
• Cukr — gramy celkových cukrů na porci
• Sodík — miligramy sodíku na porci

Každá hodnota je uvedena na základě uvedené velikosti porce, nikoli na 100 gramů. Zvolili jsme tento přístup, protože data založená na porcích jsou to, co většina lidí skutečně potřebuje při sledování jídel, sestavování plánů jídel nebo zobrazování nutričních informací v rozhraní. Pokud potřebujete hodnoty na 100 g, dělení hmotnosti porce a násobení 100 je jednoduché.

Tabulky neobsahují mikroživiny kromě sodíku a vlákniny. Pro kompletní profily mikroživin (vitamíny, minerály, aminokyseliny) se podívejte na sekci o API Nutrola na konci tohoto článku — tam se nacházejí podrobné údaje.

Specifikace formátu dat

Formát CSV

CSV soubor používá kódování UTF-8 s hlavičkovým řádkem. Pole jsou oddělena čárkami a textová pole jsou uzavřena v uvozovkách. Zde je, jak struktura vypadá:

food_name,category,subcategory,serving_description,serving_weight_g,calories_kcal,protein_g,total_fat_g,saturated_fat_g,total_carbs_g,fiber_g,sugar_g,sodium_mg
"Kuřecí prsa, bez kůže, vařená","Bílkoviny","Drůbež","1 prso (170g)",170,284,53.4,6.2,1.7,0.0,0.0,0.0,126
"Atlantický losos, vařený","Bílkoviny","Ryby a mořské plody","1 filet (154g)",154,280,39.3,12.4,2.5,0.0,0.0,0.0,109
"Hnědá rýže, vařená","Obiloviny a škroby","Celá zrna","1 šálek (195g)",195,216,5.0,1.8,0.4,44.8,3.5,0.7,10
"Banán, syrový","Ovoce","Tropické ovoce","1 střední (118g)",118,105,1.3,0.4,0.1,27.0,3.1,14.4,1

CSV soubor je kompatibilní s Microsoft Excel, Google Sheets, LibreOffice Calc, Apple Numbers a jakýmkoliv programovacím jazykem s podporou pro analýzu CSV. Není potřeba žádná speciální konfigurace — otevřete soubor a bude správně analyzován.

Formát JSON

JSON soubor obsahuje pole objektů, jeden pro každou potravinu. Struktura odpovídá polím CSV:

{
  "version": "1.4.0",
  "generated": "2026-03-12",
  "source": "Nutrola Macro Reference Tables",
  "record_count": 527,
  "foods": [
    {
      "food_name": "Kuřecí prsa, bez kůže, vařená",
      "category": "Bílkoviny",
      "subcategory": "Drůbež",
      "serving_description": "1 prso (170g)",
      "serving_weight_g": 170,
      "nutrients": {
        "calories_kcal": 284,
        "protein_g": 53.4,
        "total_fat_g": 6.2,
        "saturated_fat_g": 1.7,
        "total_carbs_g": 0.0,
        "fiber_g": 0.0,
        "sugar_g": 0.0,
        "sodium_mg": 126
      }
    }
  ]
}

JSON soubor obsahuje metadata na nejvyšší úrovni: řetězec verze pro sledování aktualizací, datum generování, název zdroje a celkový počet záznamů. To usnadňuje ověření, že máte nejnovější verzi a vytvoření logiky pro kontrolu aktualizací ve vašich aplikacích.

Číselné hodnoty jsou uloženy jako čísla, nikoli jako řetězce. Null hodnoty se neobjevují — pokud je hodnota živiny neznámá, potravina je vyloučena z datové sady, místo aby byla zahrnuta s chybějícími daty. Toto bylo záměrné rozhodnutí, aby se data udržela čistá a vyhnula se tichým chybám ve výpočtech.

Popis polí

Zde je podrobný rozpis každého pole, včetně jednotek, očekávaných rozsahů a okrajových případů:

Pole	Typ	Jednotka	Popis
food_name	string	—	Standardní anglický název. Zahrnuje metodu přípravy, kde je to relevantní (např. "vařený", "syrový", "sušený").
category	string	—	Jedna ze sedmi hlavních kategorií. Viz sekce kategorií níže.
subcategory	string	—	Konkrétnější zařazení. Například v rámci "Bílkovin" najdete "Drůbež", "Červené maso", "Ryby a mořské plody", "Luštěniny" a "Vejce".
serving_description	string	—	Lidsky čitelná velikost porce. Vždy zahrnuje gramovou hmotnost v závorkách.
serving_weight_g	number	gramy	Číselná gramová hmotnost porce. Celá čísla pro většinu položek, jedna desetinná místa pro položky, kde je přesnost důležitá.
calories_kcal	number	kcal	Celková energie. Vypočítaná pomocí Atwaterova systému (4 kcal/g bílkovin, 4 kcal/g sacharidů, 9 kcal/g tuků).
protein_g	number	gramy	Celkové bílkoviny. Přesnost na jedno desetinné místo.
total_fat_g	number	gramy	Celkové tuky včetně nasycených, mononenasycených a polynenasycených.
saturated_fat_g	number	gramy	Pouze nasycené mastné kyseliny.
total_carbs_g	number	gramy	Celkové sacharidy včetně vlákniny a cukrů.
fiber_g	number	gramy	Celková dietní vláknina (rozpustná + nerozpustná).
sugar_g	number	gramy	Celkové cukry (přirozeně se vyskytující + přidané). Datová sada nerozlišuje přidané cukry od přírodních cukrů.
sodium_mg	number	miligramy	Obsah sodíku. Poznámka, že to jsou miligramy, nikoli gramy, na rozdíl od ostatních polí živin.

Několik poznámek k přesnosti: všechny hodnoty živin jsou zaokrouhleny na jedno desetinné místo. To odpovídá úrovni přesnosti základních zdrojových dat. Uvádění více desetinných míst by naznačovalo falešnou úroveň přesnosti — složení potravin se přirozeně liší o 5-15 % v závislosti na podmínkách pěstování, plemeni zvířat a metodách přípravy.

Kategorie potravin

Více než 500 potravin je uspořádáno do sedmi hlavních kategorií, z nichž každá má několik podkategorií:

Bílkoviny

Přibližně 95 záznamů pokrývajících drůbež (kuřecí prsa, stehno, krůta, mleté krůtí), červené maso (hovězí svíčková, mleté hovězí s různými procenty libového masa, vepřová panenka, jehněčí), ryby a mořské plody (losos, tuňák, krevety, treska, tilapie, sardinky), vejce (celá, bílky, míchaná) a rostlinné bílkoviny (tofu, tempeh, seitán, edamame). Luštěniny jako čočka, cizrna a černé fazole jsou zahrnuty zde, nikoli v obilovinách, protože jejich primární nutriční rolí je dodávání bílkovin.

Obiloviny a škroby

Přibližně 80 záznamů pokrývajících celá zrna (hnědá rýže, oves, quinoa, ječmen, bulgur), rafinovaná zrna (bílá rýže, bílý chléb, těstoviny), škrobovou zeleninu (brambory, sladké brambory, kukuřice) a běžné obilné produkty (tortilly, bagely, sušenky, kuskus). Pro obiloviny, kde je rozlišení důležité, jsou uvedeny jak vařené, tak suché hodnoty.

Ovoce

Přibližně 65 záznamů pokrývajících běžné čerstvé ovoce (jablka, banány, pomeranče, jahody, borůvky, hrozny), tropické ovoce (mangy, ananasy, papája, kiwi), sušené ovoce (rozinky, datle, sušené meruňky, brusinky) a mražené ovoce. Všechny záznamy čerstvého ovoce se vztahují na syrovou, jedlou část — semena, slupky a pecky jsou vyloučeny z hmotnosti porce, kde je to relevantní.

Zelenina

Přibližně 85 záznamů pokrývajících listovou zeleninu (špenát, kapusta, římský salát, rukola), brukvovitou zeleninu (brokolice, květák, růžičková kapusta, zelí), kořenovou zeleninu (mrkev, řepa, tuřín, ředkvičky), cibuloviny (cibule, česnek), lilkovité (rajčata, papriky, lilek) a další běžnou zeleninu (okurka, celer, cuketa, houby, chřest). Pro zeleninu, kde vaření významně mění nutriční hustotu na porci, jsou uvedeny jak syrové, tak vařené hodnoty.

Mléčné výrobky a alternativy

Přibližně 70 záznamů pokrývajících mléko (plnotučné, 2%, odstředěné a rostlinná mléka), jogurt (řecký, běžný, ochucený, rostlinný), sýr (čedar, mozzarella, feta, tvaroh, smetanový sýr, parmezán), máslo, smetana a běžné alternativy mléčných výrobků (mandlové mléko, ovesné mléko, sójové mléko, kokosový jogurt). Rostlinná mléka a jogurty jsou zařazeny sem, nikoli do samostatné kategorie, protože uživatelé je obvykle používají jako přímé náhrady.

Svačiny a zpracované potraviny

Přibližně 75 záznamů pokrývajících ořechy a semena (mandle, vlašské ořechy, arašídy, chia semena, lněná semena, slunečnicová semena), ořechové máslo (arašídové máslo, mandlové máslo), běžné svačiny (preclíky, popcorn, energetické tyčinky, proteinové tyčinky, trail mix, chipsy, tmavá čokoláda), pomazánky a dochucovadla (hummus, guacamole, salsa, majonéza, olivový olej, med) a další běžně sledované položky jako proteinový prášek a energetické kuličky.

Nápoje

Přibližně 60 záznamů pokrývajících džusy (pomerančový džus, jablečný džus, brusinkový džus), nealkoholické nápoje (cola, limonáda s citronem a limetkou, zázvorová limonáda), sportovní a energetické nápoje, kávové nápoje (černá káva, latte, cappuccino, mocha s různými typy mléka), smoothie základy, alkoholické nápoje (pivo, víno, destiláty) a běžné přísady (smetana, cukr, ochucené sirupy). Voda není zahrnuta, protože neobsahuje žádný obsah makroživin.

Použití dat programově

Celým cílem poskytování formátů CSV a JSON je, abyste mohli tato data přímo načíst do svého kódu. Zde jsou pracovní příklady v Pythonu a JavaScriptu.

Python: Načítání CSV

import csv

def load_macro_table(filepath):
    foods = []
    with open(filepath, newline='', encoding='utf-8') as f:
        reader = csv.DictReader(f)
        for row in reader:
            # Převod číselných polí z řetězců
            for key in ['serving_weight_g', 'calories_kcal', 'protein_g',
                        'total_fat_g', 'saturated_fat_g', 'total_carbs_g',
                        'fiber_g', 'sugar_g', 'sodium_mg']:
                row[key] = float(row[key])
            foods.append(row)
    return foods

foods = load_macro_table('macro_reference_table.csv')

# Najděte všechny potraviny v kategorii
proteins = [f for f in foods if f['category'] == 'Bílkoviny']
print(f"Nalezeno {len(proteins)} zdrojů bílkovin")

# Najděte potraviny s nejvyšším obsahem bílkovin na kalorie
foods_sorted = sorted(foods, key=lambda f: f['protein_g'] / max(f['calories_kcal'], 1), reverse=True)
print("\nTop 10 potravin podle hustoty bílkovin (g bílkovin na kcal):")
for f in foods_sorted[:10]:
    ratio = f['protein_g'] / f['calories_kcal']
    print(f"  {f['food_name']}: {ratio:.3f} g/kcal ({f['protein_g']}g bílkovin, {f['calories_kcal']} kcal)")

Python: Načítání JSON

import json

def load_macro_json(filepath):
    with open(filepath, encoding='utf-8') as f:
        data = json.load(f)
    print(f"Nahráno {data['record_count']} potravin (verze {data['version']})")
    return data['foods']

foods = load_macro_json('macro_reference_table.json')

# Vytvoření vyhledávacího slovníku podle názvu potraviny
lookup = {f['food_name'].lower(): f for f in foods}

# Rychlé vyhledávání
chicken = lookup.get('kuřecí prsa, bez kůže, vařená')
if chicken:
    n = chicken['nutrients']
    print(f"Kuřecí prsa na porci ({chicken['serving_description']}):")
    print(f"  Kalorie: {n['calories_kcal']} kcal")
    print(f"  Bílkoviny: {n['protein_g']}g")
    print(f"  Tuk: {n['total_fat_g']}g")
    print(f"  Sacharidy: {n['total_carbs_g']}g")

JavaScript: Načítání JSON

// Node.js
const fs = require('fs');

function loadMacroTable(filepath) {
  const raw = fs.readFileSync(filepath, 'utf-8');
  const data = JSON.parse(raw);
  console.log(`Nahráno ${data.record_count} potravin (verze ${data.version})`);
  return data.foods;
}

const foods = loadMacroTable('macro_reference_table.json');

// Skupinové potraviny podle kategorie
const byCategory = {};
for (const food of foods) {
  if (!byCategory[food.category]) {
    byCategory[food.category] = [];
  }
  byCategory[food.category].push(food);
}

// Tisk shrnutí
for (const [category, items] of Object.entries(byCategory)) {
  console.log(`${category}: ${items.length} potravin`);
}

// Najděte nízkokalorické, vysoce vlákninové potraviny
const highFiber = foods
  .filter(f => f.nutrients.fiber_g >= 5 && f.nutrients.calories_kcal <= 200)
  .sort((a, b) => b.nutrients.fiber_g - a.nutrients.fiber_g);

console.log('\nVysoce vlákninové, nízkokalorické potraviny:');
highFiber.slice(0, 10).forEach(f => {
  console.log(`  ${f.food_name}: ${f.nutrients.fiber_g}g vlákniny, ${f.nutrients.calories_kcal} kcal`);
});

JavaScript: Načítání CSV v prohlížeči

// Načítání CSV v prohlížeči (bez závislostí)
async function loadMacroCSV(url) {
  const response = await fetch(url);
  const text = await response.text();
  const lines = text.split('\n').filter(line => line.trim());
  const headers = parseCSVLine(lines[0]);

  return lines.slice(1).map(line => {
    const values = parseCSVLine(line);
    const obj = {};
    headers.forEach((header, i) => {
      obj[header] = isNaN(values[i]) ? values[i] : parseFloat(values[i]);
    });
    return obj;
  });
}

function parseCSVLine(line) {
  const result = [];
  let current = '';
  let inQuotes = false;
  for (const char of line) {
    if (char === '"') { inQuotes = !inQuotes; }
    else if (char === ',' && !inQuotes) { result.push(current.trim()); current = ''; }
    else { current += char; }
  }
  result.push(current.trim());
  return result;
}

// Použití
const foods = await loadMacroCSV('/data/macro_reference_table.csv');
console.log(`Nahráno ${foods.length} potravin`);

Tyto příklady demonstrují nejběžnější operace: načítání dat, vyhledávání a filtrování, skupinování podle kategorie a třídění podle hustoty živin. Datové struktury jsou záměrně jednoduché, takže k jejich zpracování nepotřebujete žádné speciální knihovny.

Zdroje dat

Tabulky makro údajů jsou sestaveny z následujících primárních zdrojů:

USDA SR Legacy Database. USDA Standard Reference Legacy databáze je základní datová sada pro složení potravin v USA. Obsahuje laboratorně analyzovaná nutriční data pro více než 7 600 potravin. Naše tabulky používají SR Legacy jako primární zdroj pro generické/neoznačené potraviny. Zvolili jsme SR Legacy před novější FoodData Central FNDDS, protože hodnoty SR Legacy jsou široce validovány a citovány ve výzkumu výživy.

USDA FoodData Central. Pro potraviny, které nejsou pokryty v SR Legacy, zejména novější potraviny a aktualizované hodnoty, odkazujeme na datasety Foundation Foods a Survey Foods z FoodData Central.

Mezinárodní databáze složení potravin. Pro potraviny, které se konzumují globálně, ale nemusí se objevovat v amerických databázích, křížově ověřujeme data z tabulek složení McCance a Widdowson veřejného zdraví Anglie, NUTTAB z Food Standards Australia New Zealand (FSANZ), Kanadské nutriční databáze (CNF) a Dánské databáze složení potravin (Frida). To je zvlášť relevantní pro tropické ovoce, regionální obiloviny a metody přípravy běžné mimo USA.

Data od výrobců. Pro zpracované a značkové položky v kategoriích svačin a nápojů odkazujeme na nutriční informace uvedené výrobci. Kde se data výrobce liší od laboratorní analýzy, poznamenáváme si tuto nesrovnalost a defaultně se držíme laboratorních hodnot.

Všechny hodnoty byly křížově ověřeny proti alespoň dvěma nezávislým zdrojům. Kde se zdroje liší o více než 10 %, zkoumali jsme příčinu (obvykle různé metody přípravy nebo rozdíly v kultivarech) a vybrali hodnotu, která je nejvíce reprezentativní pro to, jak je potravina obvykle konzumována.

Datová sada je verzována. Aktuální verze je 1.4.0, naposledy aktualizována v březnu 2026. Tabulky aktualizujeme přibližně každé čtvrtletí, abychom zahrnuli opravy, přidali požadované potraviny a odrazili jakékoli významné změny ve zdrojových databázích.

Jak přispět opravami

Nutriční data jsou inherentně nedokonalá. Složení potravin se liší podle regionu, sezóny, kultivaru a metody přípravy. Pokud najdete chybu nebo máte opravu podloženou spolehlivým zdrojem, chceme o tom slyšet.

Existují tři způsoby, jak zaslat opravy:

GitHub Issues. Tabulky makro údajů jsou hostovány v veřejném repozitáři GitHub. Otevřete problém s názvem potraviny, polem, které považujete za nesprávné, aktuální hodnotou, hodnotou, kterou považujete za správnou, a odkazem na váš zdroj. Problémy kontrolujeme každý týden.

E-mail. Pošlete opravy na data@nutrola.com se stejnými informacemi: název potraviny, pole, aktuální hodnota, navrhovaná hodnota a zdroj. Odpovíme do pěti pracovních dnů.

Pull requesty. Pokud se cítíte pohodlně s Gitem, můžete forknout repozitář, přímo upravit CSV nebo JSON soubor a odeslat pull request. Uveďte svůj zdroj v popisu PR. Opravy, které jsou podloženy spolehlivými daty, zkontrolujeme a sloučíme.

Nepřijímáme příspěvky pro značkové nebo proprietární produkty prostřednictvím tohoto procesu. Ty jsou zpracovávány prostřednictvím hlavního databázového pipeline Nutrola, který má svůj vlastní ověřovací pracovní postup.

Integrace s API Nutrola pro data v reálném čase

Stahovatelné tabulky makro údajů jsou statickým snímkem — skvělé pro offline použití, zabudované aplikace, vzdělávací materiály a rychlé vyhledávání. Ale pokud potřebujete nutriční data v reálném čase ve velkém měřítku, API Nutrola Nutrition Data poskytuje vše v těchto tabulkách a mnohem více.

API pokrývá více než 3 miliony položek potravin (ve srovnání s 500+ v referenčních tabulkách), zahrnuje kompletní profily mikroživin s více než 70 živinami na položku, podporuje skenování čárových kódů, textové vyhledávání a automatické dokončování a poskytuje data pro značkové produkty z 47 zemí. Jsou to stejná data, která pohánějí aplikaci Nutrola, kterou denně používá více než 2 miliony lidí.

Pro vývojáře: API je RESTful, vrací JSON a nabízí bezplatnou úroveň s 500 požadavky denně — dost na prototypování a osobní projekty. Placené úrovně se škálují na miliony požadavků. Úplnou dokumentaci najdete na api.nutrola.com/docs.

Pro výzkumníky a instituce: nabízíme akademické licence s vyššími limity a možnostmi hromadného exportu. Kontaktujte research@nutrola.com pro podrobnosti.

Tabulky makro údajů a API se navzájem doplňují. Použijte tabulky pro offline práci, zabudované datové sady a situace, kdy potřebujete samostatný soubor. Použijte API, když potřebujete šířku, hloubku, aktualizace v reálném čase a funkčnost vyhledávání.

Často kladené otázky

Jak často jsou tabulky makro údajů aktualizovány?

Tabulky aktualizujeme přibližně každé čtvrtletí. Každé vydání dostane nové číslo verze (aktuální verze je 1.4.0). Aktualizace zahrnují opravy zaslané uživateli, přidání běžně požadovaných potravin a úpravy, když naše zdrojové databáze zveřejní revidované hodnoty. JSON soubor zahrnuje verzi a datum generování ve svých metadatech, takže můžete programově zkontrolovat, zda máte nejnovější verzi.

Mohu tato data použít ve své komerční aplikaci?

Ano. Tabulky makro údajů jsou vydány pod licencí Creative Commons Attribution 4.0 (CC BY 4.0). Můžete používat, upravovat a redistribuovat data jak v osobních, tak v komerčních projektech, pokud uvedete atribuci. Odkaz na nutrola.com nebo zmínka o "Nutrola Macro Reference Tables" ve vašich datech je dostatečná. Není potřeba žádat o povolení nebo platit poplatek.

Proč pouze 500+ potravin a ne celá databáze Nutrola?

Referenční tabulky jsou navrženy jako praktický, vysoce kvalitní podmnožina nejběžněji konzumovaných potravin. Pokrytí více než 500 položkami v sedmi kategoriích pokrývá přibližně 90 % toho, co lidé denně jedí ve většině zemí. Rozšíření na 3 miliony položek by učinilo soubory nepřehlednými pro mnoho případů použití (celá databáze přesahuje 2 GB). Pokud potřebujete celou datovou sadu, API Nutrola poskytuje přístup ke všemu.

Jsou hodnoty na porci nebo na 100 gramů?

Na porci. Každý záznam zahrnuje popis porce (např. "1 střední jablko (182g)") a odpovídající gramovou hmotnost, takže můžete snadno převést na hodnoty na 100 g dělením každé živinové hodnoty hmotností porce a násobením 100. Zvolili jsme hodnoty na porci, protože jsou okamžitě užitečnější pro sledování jídel, plánování jídel a aplikace zaměřené na klienty.

Jak převést data na hodnoty na 100 g?

Vynásobte každou hodnotu živiny 100 a vydělte pole serving_weight_g. Například, pokud porce kuřecího prsa o hmotnosti 170 g obsahuje 53.4 g bílkovin, hodnota bílkovin na 100 g je (53.4 * 100) / 170 = 31.4 g. Zde je rychlá funkce v Pythonu:

def per_100g(food, nutrient_field):
    """Převeďte hodnotu živiny na porci na hodnotu na 100 g."""
    serving_weight = food['serving_weight_g']
    if serving_weight == 0:
        return 0
    return round(food[nutrient_field] * 100 / serving_weight, 1)

Co mám dělat, pokud potravina, kterou potřebuji, není v tabulce?

Nejprve zkontrolujte, zda neexistuje podobná potravina pod jiným názvem — použijte funkci hledání vašeho textového editoru nebo jednoduchý skript k prohledání pole food_name. Pokud potravina skutečně není zahrnuta, máte dvě možnosti: zaslat žádost prostřednictvím našeho repozitáře GitHub (prioritizujeme přidání na základě poptávky), nebo použít API Nutrola, které pokrývá více než 3 miliony potravin a je mnohem pravděpodobnější, že to, co potřebujete, obsahuje. Pro jednorázové vyhledávání vám samotná aplikace Nutrola umožňuje zdarma prohledávat celou databázi.