טבלאות מאקרו חינמיות: הורד נתוני תזונה מלאים בפורמט CSV ו-JSON
הורד טבלאות מאקרו חינמיות עם נתוני תזונה מלאים ל-500+ מזונות נפוצים בפורמט CSV ו-JSON. כולל חלבון, פחמימות, שומן, סיבים וקלוריות, מאורגנים לפי קטגוריות מזון.
בין אם אתה בונה אפליקציית תזונה, מנהל מחקר, מאמן לקוחות, או פשוט רוצה דף הפניה אמין על השולחן שלך, אתה זקוק לנתוני מאקרו נקיים בפורמט שניתן לעבוד איתו. אמנם קיימים מאגרי נתונים ממשלתיים, אך הם רחבים, לא עקביים ומעוצבים עבור בירוקרטים ולא עבור בונים.
אנו אספנו סט של טבלאות מאקרו חינמיות המכסות מעל 500 מזונות נפוצים עם פירוט מלא של מאקרונוטריאנטים. הנתונים זמינים בפורמטים CSV ו-JSON, מוכנים לשימוש בגיליון אלקטרוני, מסד נתונים, סקריפט או אפליקציה. כל ערך אומת מול מקורות ראשוניים, והקבצים מעוצבים כך שתוכל להתחיל להשתמש בהם מיד ללא צורך בניקוי או שינוי.
דף זה מכסה בדיוק מה כלול בטבלאות, כיצד הנתונים מאורגנים, כיצד לטעון אותם בצורה מתוכנתת, וכיצד לתרום תיקונים אם תמצא משהו שדורש עדכון.
מה כלול
טבלאות המקרו מכילות מעל 500 מהמזונות הנצרכים ביותר, מחולקות לשבע קטגוריות עיקריות. עבור כל פריט מזון, תקבל:
- שם המזון — השם באנגלית הסטנדרטית המשמש במדע התזונה
- קטגוריה — אחת משבע קטגוריות על (עוד על כך בהמשך)
- תת-קטגוריה — קבוצה ספציפית יותר בתוך הקטגוריה הראשית
- תיאור גודל המנה — גודל מנה קריא (למשל, "בננה בינונית אחת", "1 כוס מבושלת")
- משקל המנה בגרמים — המשקל בגרמים של אותה מנה
- קלוריות — סך האנרגיה בקילוקלוריות (kcal)
- חלבון — גרמים של חלבון למנה
- שומן כללי — גרמים של שומן כללי למנה
- שומן רווי — גרמים של שומן רווי למנה
- פחמימות כלליות — גרמים של פחמימות כלליות למנה
- סיבים תזונתיים — גרמים של סיבים תזונתיים למנה
- סוכר — גרמים של סוכרים כלליים למנה
- נתרן — מיליגרמים של נתרן למנה
כל ערך מדווח לפי גודל המנה המפורט, ולא לפי 100 גרם. בחרנו בגישה זו מכיוון שנתוני מנה הם מה שרוב האנשים באמת צריכים כאשר הם עוקבים אחרי ארוחות, בונים תכניות ארוחה או מציגים מידע תזונתי בממשק. אם אתה זקוק לערכים לפי 100 גרם, חלוקה לפי משקל המנה והכפלה ב-100 היא פשוטה.
הטבלאות אינן כוללות מיקרונוטריאנטים מעבר לנתרן ולסיבים. עבור פרופילים מלאים של מיקרונוטריאנטים (ויטמינים, מינרלים, חומצות אמינו), ראה את הקטע על ה-API של Nutrola בסוף מאמר זה — שם נמצא המידע המפורט.
מפרט פורמט הנתונים
פורמט CSV
קובץ ה-CSV משתמש בקידוד UTF-8 עם שורת כותרת. השדות מופרדים בפסיקים ושדות טקסט מצוטטים. כך נראה המבנה:
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
"חזה עוף, ללא עור, מבושל","חלבונים","עוף","1 חזה (170g)",170,284,53.4,6.2,1.7,0.0,0.0,0.0,126
"סלמון אטלנטי, מבושל","חלבונים","דגים ופירות ים","1 פילט (154g)",154,280,39.3,12.4,2.5,0.0,0.0,0.0,109
"אורז חום, מבושל","דגנים ועמילנים","דגנים מלאים","1 כוס (195g)",195,216,5.0,1.8,0.4,44.8,3.5,0.7,10
"בננה, גולמית","פירות","פירות טרופיים","1 בינונית (118g)",118,105,1.3,0.4,0.1,27.0,3.1,14.4,1
קובץ ה-CSV תואם ל-Microsoft Excel, Google Sheets, LibreOffice Calc, Apple Numbers ולכל שפת תכנות עם תמיכה בפענוח CSV. אין צורך בהגדרות מיוחדות — פתח את הקובץ והוא יתפרש כראוי.
פורמט JSON
קובץ ה-JSON מכיל מערך של אובייקטים, אחד עבור כל פריט מזון. המבנה משקף את שדות ה-CSV:
{
"version": "1.4.0",
"generated": "2026-03-12",
"source": "Nutrola Macro Reference Tables",
"record_count": 527,
"foods": [
{
"food_name": "חזה עוף, ללא עור, מבושל",
"category": "חלבונים",
"subcategory": "עוף",
"serving_description": "1 חזה (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
}
}
]
}
קובץ ה-JSON כולל שדות מטא-דאטה ברמה העליונה: מחרוזת גרסה למעקב אחרי עדכונים, תאריך יצירה, שם המקור, וסך מספר הרשומות. זה מקל על לוודא שיש לך את הגרסה האחרונה ולבנות לוגיקה לבדוק עדכונים באפליקציות שלך.
ערכים מספריים נשמרים כמספרים, לא כמחרוזות. ערכים ריקים אינם מופיעים — אם ערך תזונתי אינו ידוע, המזון לא נכלל בנתונים במקום לכלול אותו עם נתונים חסרים. זו הייתה בחירה מכוונת לשמור על הנתונים נקיים ולמנוע שגיאות שקטות בחישובים.
תיאורי שדות
הנה פירוט מפורט של כל שדה, כולל יחידות, טווחים צפויים ומקרים קיצוניים:
| שדה | סוג | יחידה | תיאור |
|---|---|---|---|
| food_name | מיתר | — | שם באנגלית הסטנדרטית. כולל שיטת הכנה כשזה רלוונטי (למשל, "מבושל", "גולמי", "מיובש"). |
| category | מיתר | — | אחת משבע קטגוריות על. ראה את הקטע על קטגוריות למטה. |
| subcategory | מיתר | — | קבוצה ספציפית יותר. לדוגמה, בקטגוריית "חלבונים" תמצא "עוף", "בשר אדום", "דגים ופירות ים", "קטניות" ו"ביצים". |
| serving_description | מיתר | — | גודל מנה קריא. תמיד כולל את המשקל בגרמים בסוגריים. |
| serving_weight_g | מספר | גרמים | המשקל המספרי של המנה בגרמים. ערכים שלמים לרוב הפריטים, מקום עשרוני אחד עבור פריטים שבהם דיוק חשוב. |
| calories_kcal | מספר | kcal | סך האנרגיה. מחושב לפי מערכת אטוור (4 kcal/g חלבון, 4 kcal/g פחמימות, 9 kcal/g שומן). |
| protein_g | מספר | גרמים | סך החלבון. דיוק של מקום עשרוני אחד. |
| total_fat_g | מספר | גרמים | סך השומן כולל רווי, חד בלתי רווי ורב בלתי רווי. |
| saturated_fat_g | מספר | גרמים | חומצות שומן רוויות בלבד. |
| total_carbs_g | מספר | גרמים | סך הפחמימות כולל סיבים וסוכרים. |
| fiber_g | מספר | גרמים | סך הסיבים התזונתיים (מסיסים + לא מסיסים). |
| sugar_g | מספר | גרמים | סך הסוכרים (טבעיים + מוספים). הנתונים אינם מפרידים בין סוכרים מוספים לסוכרים טבעיים. |
| sodium_mg | מספר | מיליגרמים | תכולת הנתרן. שים לב שזה במיליגרמים, לא בגרמים, בניגוד לשדות תזונתיים אחרים. |
כמה הערות על דיוק: כל ערכי התזונה מעוגלים למקום עשרוני אחד. זה תואם את רמת הדיוק של נתוני המקור. דיווח על יותר מקומות עשרוניים היה מרמז על רמת דיוק שקרית — הרכב המזון משתנה באופן טבעי ב-5-15% בהתאם לתנאי גידול, זן בעלי חיים ושיטות הכנה.
קטגוריות מזון
המזונות מעל 500 מאורגנים לשבע קטגוריות על, כל אחת עם מספר תתי קטגוריות:
חלבונים
כ-95 רשומות המכסות עוף (חזה עוף, ירך, הודו, הודו טחון), בשר אדום (סינטה, בשר בקר טחון באחוזי שומן שונים, פילה חזיר, כבש), דגים ופירות ים (סלמון, טונה, שרימפס, קוד, טילפיה, סרדינים), ביצים (שלמות, חלבונים, מקושקשות), וחלבונים מבוססי צמחים (טופו, טמפה, סייטן, אדממה). קטניות כמו עדשים, חומוס ושעועית שחורה נכללות כאן ולא בדגנים מכיוון שתפקידן התזונתי העיקרי הוא אספקת חלבון.
דגנים ועמילנים
כ-80 רשומות המכסות דגנים מלאים (אורז חום, שיבולת שועל, קינואה, שעורה, בורגול), דגנים מעובדים (אורז לבן, לחם לבן, פסטה), ירקות עמילניים (תפוחי אדמה, בטטות, תירס), ומוצרים דגניים נפוצים (טורטיות, בייגל, קרקרים, קוסקוס). ערכים מבושלים ויבשים מסופקים לדגנים כאשר ההבחנה חשובה.
פירות
כ-65 רשומות המכסות פירות טריים נפוצים (תפוחים, בננות, תפוזים, תותים, פירות יער, ענבים), פירות טרופיים (מנגו, אננס, פפאיה, קיווי), פירות מיובשים (צימוקים, תמרים, משמשים מיובשים, חמוציות), ופירות קפואים. כל הרשומות של פירות טריים הן עבור החלק הניתן לאכילה הגולמית — זרעים, קליפות וגרעינים אינם נכללים במשקל המנה כאשר זה רלוונטי.
ירקות
כ-85 רשומות המכסות ירקות עליים (תרד, קייל, רומאין, ארוגולה), ירקות ממשפחת המצליבים (ברוקולי, כרובית, ברוקולי נבוט, כרוב), ירקות שורש (גזר, סלק, לפת, רדיס), בצלים (בצל, שום), ירקות ממשפחת הסולניים (עגבניות, פלפלים, חצילים), וירקות נפוצים אחרים (מלפפון, סלרי, קישוא, פטריות, אספרגוס). ערכים גולמיים ומבושלים מסופקים לירקות כאשר הבישול משנה באופן משמעותי את הצפיפות התזונתית למנה.
מוצרי חלב ותחליפים
כ-70 רשומות המכסות חלב (שלם, 2%, דל שומן, וחלב צמחי), יוגורט (יווני, רגיל, בטעמים, מבוסס צמחים), גבינות (צ'דר, מוצרלה, פטה, גבינת קוטג', גבינת שמנת, פרמזן), חמאה, שמנת, ותחליפים נפוצים למוצרי חלב (חלב שקדים, חלב שיבולת שועל, חלב סויה, יוגורט קוקוס). חלב ושמנת מבוססי צמחים מקובצים כאן ולא בקטגוריה נפרדת מכיוון שמשתמשים בדרך כלל פונים אליהם כתחליפים ישירים.
חטיפים ומזונות מעובדים
כ-75 רשומות המכסות אגוזים וזרעים (שקדים, אגוזי לוז, בוטנים, זרעי צ'יה, זרעי פשתן, זרעי חמניות), חמאת אגוזים (חמאת בוטנים, חמאת שקדים), חטיפים נפוצים (פרצל, פופקורן, חטיפי גרנולה, חטיפי חלבון, תערובות פירות יבשים, צ'יפס, שוקולד מריר), ממרחים ותיבול (חומוס, גואקמולי, סalsa, מיונז, שמן זית, דבש), ודברים אחרים שנמצאים לעיתים קרובות במעקב כמו אבקת חלבון וכדורי אנרגיה.
משקאות
כ-60 רשומות המכסות מיצים (מיץ תפוזים, מיץ תפוחים, מיץ חמוציות), משקאות קלים (קולה, סודה לימונית, ג'ינג'ר אייל), משקאות ספורט ואנרגיה, משקאות קפה (קפה שחור, לאטה, קפוצ'ינו, מוקה עם סוגי חלב שונים), בסיסים לשייקים, משקאות אלכוהוליים (בירה, יין, משקאות חריפים), ותוספות נפוצות (שמנת, סוכר, סירופים בטעמים). מים אינם נכללים מכיוון שאין להם תוכן מאקרונוטריאנטי.
שימוש בנתונים בצורה מתוכנתת
המטרה של מתן פורמטים CSV ו-JSON היא שתוכל לטעון את הנתונים הללו ישירות לקוד שלך. הנה דוגמאות עובדות ב-Python וב-JavaScript.
Python: טעינת ה-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:
# המרת שדות מספריים ממחרוזות
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')
# מציאת כל המזונות בקטגוריה
proteins = [f for f in foods if f['category'] == 'חלבונים']
print(f"נמצאו {len(proteins)} מקורות חלבון")
# מציאת המזונות עם הכי הרבה חלבון לכל קלוריה
foods_sorted = sorted(foods, key=lambda f: f['protein_g'] / max(f['calories_kcal'], 1), reverse=True)
print("\n10 המזונות המובילים בצפיפות חלבון (גרם חלבון לכל קלוריה):")
for f in foods_sorted[:10]:
ratio = f['protein_g'] / f['calories_kcal']
print(f" {f['food_name']}: {ratio:.3f} גרם/קלוריה ({f['protein_g']} גרם חלבון, {f['calories_kcal']} קלוריות)")
Python: טעינת ה-JSON
import json
def load_macro_json(filepath):
with open(filepath, encoding='utf-8') as f:
data = json.load(f)
print(f"נטען {data['record_count']} מזונות (גרסה {data['version']})")
return data['foods']
foods = load_macro_json('macro_reference_table.json')
# בניית מילון חיפוש לפי שם המזון
lookup = {f['food_name'].lower(): f for f in foods}
# חיפוש מהיר
chicken = lookup.get('חזה עוף, ללא עור, מבושל')
if chicken:
n = chicken['nutrients']
print(f"חזה עוף למנה ({chicken['serving_description']}):")
print(f" קלוריות: {n['calories_kcal']} קלוריות")
print(f" חלבון: {n['protein_g']} גרם")
print(f" שומן: {n['total_fat_g']} גרם")
print(f" פחמימות: {n['total_carbs_g']} גרם")
JavaScript: טעינת ה-JSON
// Node.js
const fs = require('fs');
function loadMacroTable(filepath) {
const raw = fs.readFileSync(filepath, 'utf-8');
const data = JSON.parse(raw);
console.log(`נטען ${data.record_count} מזונות (גרסה ${data.version})`);
return data.foods;
}
const foods = loadMacroTable('macro_reference_table.json');
// קבוצת מזונות לפי קטגוריה
const byCategory = {};
for (const food of foods) {
if (!byCategory[food.category]) {
byCategory[food.category] = [];
}
byCategory[food.category].push(food);
}
// הדפסת סיכום
for (const [category, items] of Object.entries(byCategory)) {
console.log(`${category}: ${items.length} מזונות`);
}
// מציאת מזונות עם קלוריות נמוכות וסיבים גבוהים
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('\nמזונות עם סיבים גבוהים וקלוריות נמוכות:');
highFiber.slice(0, 10).forEach(f => {
console.log(` ${f.food_name}: ${f.nutrients.fiber_g} גרם סיבים, ${f.nutrients.calories_kcal} קלוריות`);
});
JavaScript: טעינת ה-CSV בדפדפן
// פענוח CSV בדפדפן (ללא תלות)
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;
}
// שימוש
const foods = await loadMacroCSV('/data/macro_reference_table.csv');
console.log(`נטען ${foods.length} מזונות`);
דוגמאות אלו מדגימות את הפעולות הנפוצות ביותר: טעינת הנתונים, חיפוש ומיון, קבוצת מזונות לפי קטגוריה, ומיון לפי צפיפות תזונתית. המבנים של הנתונים פשוטים בכוונה כך שאין צורך בספריות מיוחדות כדי לעבוד איתם.
מקורות נתונים
טבלאות המקרו נאספו ממקורות ראשוניים הבאים:
מאגר הנתונים הישן של USDA SR. מאגר הנתונים הסטנדרטי של USDA הוא בסיס הנתונים הבסיסי להרכב המזון בארה"ב. הוא מכיל נתוני תזונה שנבדקו במעבדה עבור מעל 7,600 פריטי מזון. הטבלאות שלנו משתמשות ב-SR Legacy כמקור הראשי עבור מזונות כלליים/לא ממותגים. בחרנו ב-SR Legacy על פני מאגר הנתונים החדש FoodData Central FNDDS מכיוון שערכי SR Legacy מאומתים ומצוטטים יותר במחקרי תזונה.
FoodData Central של USDA. עבור מזונות שלא מכוסים ב-SR Legacy, במיוחד פריטים חדשים וערכים מעודכנים, אנו מתייחסים למאגרי הנתונים Foundation Foods ו-Survey Foods של FoodData Central.
מאגרי נתונים בינלאומיים להרכב מזון. עבור מזונות הנצרכים ברחבי העולם אך עשויים שלא להופיע במאגרי נתונים אמריקאיים, אנו משווים נתונים ממאגרי הרכב המזון של Public Health England, McCance and Widdowson, מאגר NUTTAB של Food Standards Australia New Zealand (FSANZ), קובץ המינרלים הקנדי (CNF), ומאגר הרכב המזון הדני (Frida). זה רלוונטי במיוחד עבור פירות טרופיים, דגנים אזוריים ושיטות הכנה נפוצות מחוץ לארה"ב.
נתוני יצרן. עבור פריטים מעובדים וממותגים בקטגוריות חטיפים ומשקאות, אנו מתייחסים לפאנלים של עובדות תזונה שניתנים על ידי היצרנים. כאשר נתוני היצרן סותרים ניתוח מעבדה, אנו מציינים את ההבדל ומעדיפים את הערכים שנבדקו במעבדה.
כל הערכים אומתו מול לפחות שני מקורות בלתי תלויים. כאשר מקורות לא מסכימים ביותר מ-10%, אנו חוקרים את הסיבה (בדרך כלל שיטות הכנה שונות או הבדלים בזנים) ובוחרים את הערך המייצג ביותר של איך המזון נצרך בדרך כלל.
הנתונים הם בגרסה. הגרסה הנוכחית היא 1.4.0, עודכנה במרץ 2026. אנו מעדכנים את הטבלאות בערך כל רבעון כדי לכלול תיקונים, להוסיף מזונות שביקשו, ולשקף שינויים משמעותיים במאגרי הנתונים המקוריים.
כיצד לתרום תיקונים
נתוני תזונה הם מטבעם לא מושלמים. הרכב המזון משתנה לפי אזור, עונה, זן ושיטת הכנה. אם אתה מוצא טעות או שיש לך תיקון מגובה במקור מהימן, אנו רוצים לשמוע על כך.
ישנן שלוש דרכים להגיש תיקונים:
בעיות ב-GitHub. טבלאות המקרו מאוחסנות במאגר ציבורי ב-GitHub. פתח בעיה עם שם המזון, השדה שאתה מאמין שאינו נכון, הערך הנוכחי, הערך שאתה מאמין שהוא נכון, וקישור למקור שלך. אנו בודקים בעיות מדי שבוע.
דוא"ל. שלח תיקונים ל-data@nutrola.com עם אותה המידע: שם המזון, שדה, ערך נוכחי, ערך מוצע, ומקור. נענה תוך חמישה ימי עסקים.
בקשות משיכה. אם אתה מרגיש בנוח עם Git, תוכל להעתיק את המאגר, לערוך את קובץ ה-CSV או ה-JSON ישירות, ולהגיש בקשה למשיכה. כלול את המקור שלך בתיאור הבקשה. אנו נסקור ונמזג תיקונים הנתמכים בנתונים מהימנים.
אנו לא מקבלים הגשות עבור מוצרים ממותגים או קנייניים בתהליך זה. אלה מטופלים דרך צינור בסיס הנתונים הראשי של Nutrola, שיש לו תהליך אימות משלו.
אינטגרציה עם ה-API של Nutrola לנתונים בזמן אמת
טבלאות המקרו להורדה הן תמונה סטטית — נהדרות לשימוש לא מקוון, אפליקציות משולבות, חומרים חינוכיים, וחיפושים מהירים. אבל אם אתה זקוק לנתוני תזונה בזמן אמת בקנה מידה, ה-API של Nutrola מספק הכל בטבלאות אלו ועוד הרבה יותר.
ה-API מכסה מעל 3 מיליון רשומות מזון (בהשוואה ל-500+ בטבלאות ההפניה), כולל פרופילים מלאים של מיקרונוטריאנטים עם 70+ חומרים לכל פריט, תומך בסריקות ברקוד, חיפוש טקסט, והשלמה אוטומטית, ומספק נתונים עבור מוצרים ממותגים מ-47 מדינות. זהו אותו מידע שמניע את אפליקציית Nutrola בה משתמשים מעל 2 מיליון אנשים מדי יום.
עבור מפתחים: ה-API הוא RESTful, מחזיר JSON, ומציע שכבת חינם עם 500 בקשות ביום — מספיק עבור פרוטוטיפים ופרויקטים אישיים. שכבות בתשלום מתרחבות למיליוני בקשות. תוכל למצוא את התיעוד המלא ב-api.nutrola.com/docs.
עבור חוקרים ומוסדות: אנו מציעים רישיונות אקדמיים עם מגבלות קצב מוגברות ויכולות ייצוא בכמויות. צור קשר ב-research@nutrola.com לפרטים.
טבלאות המקרו וה-API משלימים זה את זה. השתמש בטבלאות לעבודה לא מקוונת, מערכות נתונים משולבות, ומצבים שבהם אתה זקוק לקובץ עצמאי. השתמש ב-API כאשר אתה זקוק לרוחב, עומק, עדכונים בזמן אמת, ופונקציות חיפוש.
שאלות נפוצות
כמה פעמים מעודכנות טבלאות המקרו?
אנו מעדכנים את הטבלאות בערך כל רבעון. כל שחרור מקבל מספר גרסה חדש (הגרסה הנוכחית היא 1.4.0). עדכונים כוללים תיקונים שהוגשו על ידי משתמשים, הוספת מזונות שביקשו לעיתים קרובות, והתאמות כאשר מאגרי הנתונים שלנו מפרסמים ערכים מעודכנים. קובץ ה-JSON כולל את הגרסה ואת תאריך היצירה במטא-דאטה שלו, כך שתוכל לבדוק בצורה מתוכנתת אם יש לך את הגרסה האחרונה.
האם אני יכול להשתמש בנתונים הללו באפליקציה מסחרית שלי?
כן. טבלאות המקרו שוחררו תחת רישיון Creative Commons Attribution 4.0 (CC BY 4.0). אתה יכול להשתמש, לשנות ולחלק את הנתונים בפרויקטים אישיים ומסחריים כל עוד תיתן קרדיט. קישור ל-nutrola.com או אזכור של "Nutrola Macro Reference Tables" בזיכויי הנתונים שלך הוא מספיק. אינך צריך לבקש רשות או לשלם דמי רישוי.
מדוע רק 500+ מזונות ולא כל מסד הנתונים של Nutrola?
טבלאות ההפניה נועדו להיות תת-קבוצה מעשית ואיכותית של המזונות הנצרכים ביותר. כיסוי של 500+ פריטים בשבע קטגוריות עונה על כ-90% ממה שאנשים אוכלים ביום-יום ברוב המדינות. הרחבה ל-3 מיליון רשומות הייתה הופכת את הקבצים לבלתי ניתנים לניהול עבור רבים מהמקרים (המאגר המלא עולה על 2 GB). אם אתה זקוק לנתונים המלאים, ה-API של Nutrola מספק גישה לכל.
האם הערכים לפי מנה או לפי 100 גרם?
לפי מנה. כל רשומה כוללת תיאור מנה (למשל, "תפוח בינוני אחד (182g)") ואת המשקל בגרמים המתאים, כך שתוכל בקלות להמיר לערכים לפי 100 גרם על ידי חלוקת כל ערך תזונתי במשקל המנה והכפלה ב-100. בחרנו בערכי מנה מכיוון שהם שימושיים יותר למעקב אחרי ארוחות, תכנון ארוחות ואפליקציות המיועדות ללקוחות.
כיצד אני ממיר את הנתונים לערכים לפי 100 גרם?
כפל כל ערך תזונתי ב-100 וחלק לפי השדה serving_weight_g. לדוגמה, אם מנה של חזה עוף במשקל 170 גרם מכילה 53.4 גרם חלבון, ערך החלבון לפי 100 גרם הוא (53.4 * 100) / 170 = 31.4 גרם. הנה פונקציה מהירה ב-Python:
def per_100g(food, nutrient_field):
"""המרת ערך תזונתי לפי מנה לערך לפי 100 גרם."""
serving_weight = food['serving_weight_g']
if serving_weight == 0:
return 0
return round(food[nutrient_field] * 100 / serving_weight, 1)
מה לעשות אם מזון שאני צריך אינו בטבלה?
ראשית, בדוק אם מזון דומה קיים תחת שם שונה — השתמש בפונקציית החיפוש של עורך הטקסט שלך או בסקריפט פשוט לחיפוש בשדה food_name. אם המזון באמת לא נכלל, יש לך שתי אפשרויות: להגיש בקשה דרך מאגר ה-GitHub שלנו (אנו נותנים עדיפות להוספות על פי דרישה), או להשתמש ב-API של Nutrola שמכסה מעל 3 מיליון מזונות וכנראה שיש לו את מה שאתה צריך. לחיפושים חד פעמיים, אפליקציית Nutrola עצמה מאפשרת לך לחפש במאגר המלא בחינם.
מוכנים לשנות את מעקב התזונה שלכם?
הצטרפו לאלפים ששינו את מסע הבריאות שלהם עם Nutrola!
