جداول مرجعية مجانية للماكرو: تحميل بيانات التغذية الكاملة بصيغة CSV و JSON

سواء كنت تقوم ببناء تطبيق تغذية، أو تدير دراسة بحثية، أو تدرب عملاء، أو ترغب فقط في الحصول على ورقة مرجعية موثوقة على مكتبك، فأنت بحاجة إلى بيانات ماكرو نظيفة بصيغة يمكنك العمل بها. توجد قواعد بيانات حكومية، لكنها غالبًا ما تكون متشعبة وغير متسقة، ومصممة للموظفين الحكوميين بدلاً من المطورين.

قمنا بتجميع مجموعة من الجداول المرجعية المجانية للماكرو التي تغطي أكثر من 500 نوع من الأطعمة الشائعة مع تفصيل كامل للمغذيات. البيانات متاحة بصيغتي CSV و JSON، جاهزة للاستخدام في جداول البيانات، أو قواعد البيانات، أو السكربتات، أو التطبيقات. تم التحقق من كل إدخال ضد المصادر الأساسية، والملفات منظمة بحيث يمكنك البدء في استخدامها على الفور دون الحاجة إلى تنظيف أو تحويل.

تتناول هذه الصفحة ما هو موجود بالضبط في الجداول، وكيفية هيكلة البيانات، وكيفية تحميلها برمجيًا، وكيفية المساهمة بتصحيحات إذا وجدت شيئًا يحتاج إلى تحديث.

ما هو متضمن

تحتوي جداول الماكرو المرجعية على أكثر من 500 نوع من الأطعمة الأكثر استهلاكًا عبر سبع فئات رئيسية. لكل عنصر غذائي، ستحصل على:

• اسم الطعام — الاسم الإنجليزي القياسي المستخدم في علم التغذية
• الفئة — واحدة من سبع فئات رئيسية (المزيد عن هذه الفئات أدناه)
• الفئة الفرعية — مجموعة أكثر تحديدًا ضمن الفئة الأم
• وصف حجم الحصة — حجم حصة يمكن قراءته بسهولة (مثل "موزة متوسطة واحدة"، "كوب مطبوخ")
• وزن الحصة بالجرام — المعادل بالجرام لذلك الحجم
• السعرات الحرارية — إجمالي الطاقة بالكيلوكالوري (kcal)
• البروتين — جرامات البروتين لكل حصة
• إجمالي الدهون — جرامات الدهون الكلية لكل حصة
• الدهون المشبعة — جرامات الدهون المشبعة لكل حصة
• إجمالي الكربوهيدرات — جرامات الكربوهيدرات الكلية لكل حصة
• الألياف الغذائية — جرامات الألياف الغذائية لكل حصة
• السكر — جرامات السكر الكلي لكل حصة
• الصوديوم — ملليجرامات الصوديوم لكل حصة

كل قيمة يتم الإبلاغ عنها بناءً على حجم الحصة المدرجة، وليس لكل 100 جرام. اخترنا هذا النهج لأن البيانات المعتمدة على الحصص هي ما يحتاجه معظم الناس عند تتبع الوجبات، أو بناء خطط الوجبات، أو عرض معلومات التغذية في واجهة. إذا كنت بحاجة إلى قيم لكل 100 جرام، فإن قسمة الوزن على حجم الحصة وضربه في 100 هو أمر بسيط.

لا تتضمن الجداول المغذيات الدقيقة بخلاف الصوديوم والألياف. للحصول على ملفات تعريف مغذيات دقيقة كاملة (الفيتامينات، المعادن، الأحماض الأمينية)، راجع قسم واجهة برمجة التطبيقات الخاصة بـ Nutrola في نهاية هذه المقالة — حيث توجد البيانات التفصيلية.

مواصفات تنسيق البيانات

تنسيق CSV

يستخدم ملف CSV ترميز UTF-8 مع صف رأس. الحقول مفصولة بفواصل والحقول النصية محاطة بعلامات اقتباس. إليك كيف يبدو الهيكل:

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
"صدر دجاج، بدون جلد، مطبوخ","البروتينات","الدواجن","صدر واحد (170 جرام)",170,284,53.4,6.2,1.7,0.0,0.0,0.0,126
"سلمون أطلنطي، مطبوخ","البروتينات","الأسماك والمأكولات البحرية","شريحة واحدة (154 جرام)",154,280,39.3,12.4,2.5,0.0,0.0,0.0,109
"أرز بني، مطبوخ","الحبوب والنشويات","الحبوب الكاملة","كوب واحد (195 جرام)",195,216,5.0,1.8,0.4,44.8,3.5,0.7,10
"موز، خام","الفواكه","الفواكه الاستوائية","موزة متوسطة واحدة (118 جرام)",118,105,1.3,0.4,0.1,27.0,3.1,14.4,1

ملف CSV متوافق مع Microsoft Excel و Google Sheets و LibreOffice Calc و Apple Numbers وأي لغة برمجة تدعم تحليل CSV. لا حاجة لتكوين خاص — افتح الملف وسيتم تحليله بشكل صحيح.

تنسيق JSON

يحتوي ملف JSON على مصفوفة من الكائنات، واحد لكل عنصر غذائي. الهيكل يعكس حقول CSV:

{
  "version": "1.4.0",
  "generated": "2026-03-12",
  "source": "Nutrola Macro Reference Tables",
  "record_count": 527,
  "foods": [
    {
      "food_name": "صدر دجاج، بدون جلد، مطبوخ",
      "category": "البروتينات",
      "subcategory": "الدواجن",
      "serving_description": "صدر واحد (170 جرام)",
      "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
      }
    }
  ]
}

يتضمن ملف JSON حقول بيانات تعريفية على المستوى الأعلى: سلسلة إصدار لتتبع التحديثات، تاريخ الإنشاء، اسم المصدر، وإجمالي عدد السجلات. هذا يسهل التحقق من أنك تمتلك أحدث إصدار وبناء منطق التحقق من التحديثات في تطبيقاتك.

تُخزن القيم الرقمية كأرقام، وليس كسلاسل نصية. لا تظهر القيم الفارغة — إذا كانت قيمة المغذيات غير معروفة، يتم استبعاد الطعام من مجموعة البيانات بدلاً من تضمينه مع بيانات مفقودة. كان هذا خيارًا متعمدًا للحفاظ على نظافة البيانات وتجنب الأخطاء الصامتة في الحسابات.

أوصاف الحقول

إليك تحليل تفصيلي لكل حقل، بما في ذلك الوحدات، النطاقات المتوقعة، والحالات الشاذة:

الحقل	النوع	الوحدة	الوصف
food_name	نص	—	الاسم الإنجليزي القياسي. يتضمن طريقة التحضير عند الاقتضاء (مثل "مطبوخ"، "خام"، "مجفف").
category	نص	—	واحدة من سبع فئات رئيسية. انظر قسم الفئات أدناه.
subcategory	نص	—	مجموعة أكثر تحديدًا. على سبيل المثال، ضمن "البروتينات" ستجد "الدواجن"، "اللحوم الحمراء"، "الأسماك والمأكولات البحرية"، "البقوليات"، و"البيض".
serving_description	نص	—	حجم حصة يمكن قراءته بسهولة. دائمًا ما يتضمن الوزن بالجرام بين قوسين.
serving_weight_g	رقم	جرام	الوزن الرقمي للحصة. قيم صحيحة لمعظم العناصر، مكان عشري واحد للعناصر التي تتطلب دقة.
calories_kcal	رقم	kcal	إجمالي الطاقة. يتم حسابه باستخدام نظام أتواتر (4 kcal/g بروتين، 4 kcal/g كربوهيدرات، 9 kcal/g دهون).
protein_g	رقم	جرام	إجمالي البروتين. دقة مكان عشري واحد.
total_fat_g	رقم	جرام	إجمالي الدهون بما في ذلك المشبعة، الأحادية غير المشبعة، والمتعددة غير المشبعة.
saturated_fat_g	رقم	جرام	الأحماض الدهنية المشبعة فقط.
total_carbs_g	رقم	جرام	إجمالي الكربوهيدرات بما في ذلك الألياف والسكريات.
fiber_g	رقم	جرام	إجمالي الألياف الغذائية (الذائبة + غير الذائبة).
sugar_g	رقم	جرام	إجمالي السكريات (الطبيعية + المضافة). مجموعة البيانات لا تفصل بين السكريات المضافة والسكريات الطبيعية.
sodium_mg	رقم	ملليجرام	محتوى الصوديوم. لاحظ أن هذه ملليجرامات، وليس جرامات، على عكس حقول المغذيات الأخرى.

بعض الملاحظات حول الدقة: جميع قيم المغذيات مقربة إلى مكان عشري واحد. يتناسب هذا مع مستوى الدقة لبيانات المصدر الأساسية. الإبلاغ عن المزيد من الأماكن العشرية قد يوحي بمستوى زائف من الدقة — تتنوع تركيبة الطعام بشكل طبيعي بنسبة 5-15% حسب ظروف النمو، سلالة الحيوان، وطرق التحضير.

فئات الطعام

تم تنظيم أكثر من 500 نوع من الأطعمة في سبع فئات رئيسية، كل منها تحتوي على عدة فئات فرعية:

البروتينات

حوالي 95 إدخالًا تغطي الدواجن (صدر الدجاج، الفخذ، الديك الرومي، الديك الرومي المفروم)، اللحوم الحمراء (لحم البقر، لحم الخنزير، لحم الضأن)، الأسماك والمأكولات البحرية (السلمون، التونة، الجمبري، القد، البلطي، السردين)، البيض (كامل، بياض، مخفوق)، والبروتينات النباتية (التوفو، التيمبيه، السيتان، الإدامامي). تُدرج البقوليات مثل العدس، الحمص، والفاصوليا السوداء هنا بدلاً من الحبوب لأن دورها الغذائي الرئيسي هو توفير البروتين.

الحبوب والنشويات

حوالي 80 إدخالًا تغطي الحبوب الكاملة (الأرز البني، الشوفان، الكينوا، الشعير، البرغل)، الحبوب المكررة (الأرز الأبيض، الخبز الأبيض، المعكرونة)، الخضروات النشوية (البطاطس، البطاطا الحلوة، الذرة)، ومنتجات الحبوب الشائعة (التورتيلا، الكعك، البسكويت، الكسكس). يتم توفير قيم مطبوخة وجافة للحبوب حيثما كانت التمييز مهمًا.

الفواكه

حوالي 65 إدخالًا تغطي الفواكه الطازجة الشائعة (التفاح، الموز، البرتقال، الفراولة، التوت، العنب)، الفواكه الاستوائية (المانجو، الأناناس، البابايا، الكيوي)، الفواكه المجففة (الزبيب، التمر، المشمش المجفف، التوت البري)، والفواكه المجمدة. جميع إدخالات الفواكه الطازجة هي للجزء القابل للأكل الخام — يتم استبعاد البذور، القشور، والنوى من وزن الحصة حيثما كان ذلك مناسبًا.

الخضروات

حوالي 85 إدخالًا تغطي الخضروات الورقية (السبانخ، الكالي، الروماني، الجرجير)، الخضروات الصليبية (البروكلي، القرنبيط، براعم بروكسل، الملفوف)، الخضروات الجذرية (الجزر، الشمندر، اللفت، الفجل)، البصل (البصل، الثوم)، النباتات الليلية (الطماطم، الفلفل الحلو، الباذنجان)، وغيرها من الخضروات الشائعة (الخيار، الكرفس، الكوسا، الفطر، الهليون). يتم توفير قيم خام ومطبوخة للخضروات حيثما كانت الطهي تغير بشكل كبير كثافة المغذيات لكل حصة.

الألبان والبدائل

حوالي 70 إدخالًا تغطي الحليب (كامل، 2%، خالي الدسم، وألبان نباتية)، الزبادي (يوناني، عادي، بنكهة، نباتي)، الجبنة (الشيدر، الموتزاريلا، الفيتا، جبنة القريش، جبنة الكريمة، البارميزان)، الزبدة، الكريمة، ومنتجات الألبان البديلة الشائعة (حليب اللوز، حليب الشوفان، حليب الصويا، زبادي جوز الهند). يتم تجميع الألبان والزبادي النباتية هنا بدلاً من فئة منفصلة لأن المستخدمين عادةً ما يلجؤون إليها كبدائل مباشرة.

الوجبات الخفيفة والأطعمة المعالجة

حوالي 75 إدخالًا تغطي المكسرات والبذور (اللوز، الجوز، الفول السوداني، بذور الشيا، بذور الكتان، بذور عباد الشمس)، زبدة المكسرات (زبدة الفول السوداني، زبدة اللوز)، الأطعمة الخفيفة الشائعة (البسكويت المملح، الفشار، ألواح الجرانولا، ألواح البروتين، مزيج المسارات، الرقائق، الشوكولاتة الداكنة)، المربيات والصلصات (حمص، غ guacamole، صلصة، مايونيز، زيت الزيتون، العسل)، وغيرها من العناصر التي يتم تتبعها بشكل شائع مثل مسحوق البروتين وكرات الطاقة.

المشروبات

حوالي 60 إدخالًا تغطي العصائر (عصير البرتقال، عصير التفاح، عصير التوت البري)، المشروبات الغازية (كولا، صودا الليمون والليمون، زنجبيل)، مشروبات الطاقة والرياضة، مشروبات القهوة (القهوة السوداء، اللاتيه، الكابتشينو، الموكا مع أنواع الحليب المختلفة)، قواعد السموذي، المشروبات الكحولية (البيرة، النبيذ، المشروبات الروحية)، والإضافات الشائعة (كريمة، سكر، شراب بنكهة). الماء غير مدرج لأنه لا يحتوي على محتوى ماكرو.

استخدام البيانات برمجيًا

الهدف من توفير صيغتي CSV و JSON هو أنه يمكنك تحميل هذه البيانات مباشرة في الكود الخاص بك. إليك أمثلة عملية في بايثون وجافا سكريبت.

بايثون: تحميل 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:
            # تحويل الحقول الرقمية من سلاسل نصية
            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')

# العثور على جميع الأطعمة في فئة
proteins = [f for f in foods if f['category'] == 'البروتينات']
print(f"تم العثور على {len(proteins)} مصدر بروتين")

# العثور على الأطعمة الأعلى بروتينًا لكل سعرات حرارية
foods_sorted = sorted(foods, key=lambda f: f['protein_g'] / max(f['calories_kcal'], 1), reverse=True)
print("\nأفضل 10 أطعمة حسب كثافة البروتين (جرام بروتين لكل سعرات حرارية):")
for f in foods_sorted[:10]:
    ratio = f['protein_g'] / f['calories_kcal']
    print(f"  {f['food_name']}: {ratio:.3f} جرام/سعرات حرارية ({f['protein_g']} جرام بروتين، {f['calories_kcal']} سعرات حرارية)")

بايثون: تحميل JSON

import json

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

foods = load_macro_json('macro_reference_table.json')

# بناء قاموس بحث حسب اسم الطعام
lookup = {f['food_name'].lower(): f for f in foods}

# بحث سريع
chicken = lookup.get('صدر دجاج، بدون جلد، مطبوخ')
if chicken:
    n = chicken['nutrients']
    print(f"صدر الدجاج لكل حصة ({chicken['serving_description']}):")
    print(f"  السعرات الحرارية: {n['calories_kcal']} kcal")
    print(f"  البروتين: {n['protein_g']} جرام")
    print(f"  الدهون: {n['total_fat_g']} جرام")
    print(f"  الكربوهيدرات: {n['total_carbs_g']} جرام")

جافا سكريبت: تحميل JSON

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

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

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

// تجميع الأطعمة حسب الفئة
const byCategory = {};
for (const food of foods) {
  if (!byCategory[food.category]) {
    byCategory[food.category] = [];
  }
  byCategory[food.category].push(food);
}

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

// العثور على الأطعمة منخفضة السعرات وغنية بالألياف
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('\nأطعمة غنية بالألياف ومنخفضة السعرات الحرارية:');
highFiber.slice(0, 10).forEach(f => {
  console.log(`  ${f.food_name}: ${f.nutrients.fiber_g} جرام ألياف، ${f.nutrients.calories_kcal} سعرات حرارية`);
});

جافا سكريبت: تحميل CSV في المتصفح

// تحليل CSV في المتصفح (بدون تبعيات)
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;
}

// الاستخدام
const foods = await loadMacroCSV('/data/macro_reference_table.csv');
console.log(`تم تحميل ${foods.length} أطعمة`);

توضح هذه الأمثلة العمليات الأكثر شيوعًا: تحميل البيانات، البحث والتصفية، التجميع حسب الفئة، والفرز حسب كثافة المغذيات. تم تصميم الهياكل البيانية بشكل بسيط حتى لا تحتاج إلى أي مكتبات خاصة للعمل معها.

مصادر البيانات

تم تجميع جداول الماكرو المرجعية من المصادر الأساسية التالية:

قاعدة بيانات USDA SR Legacy. تعتبر قاعدة بيانات USDA Standard Reference Legacy هي مجموعة البيانات الأساسية لتكوين الطعام في الولايات المتحدة. تحتوي على بيانات مغذيات تم تحليلها في المختبر لأكثر من 7600 عنصر غذائي. تستخدم جداولنا SR Legacy كمصدر أساسي للأطعمة العامة/غير الماركة. اخترنا SR Legacy على قاعدة بيانات FoodData Central FNDDS الأحدث لأن قيم SR Legacy أكثر توثيقًا واستشهادًا في أبحاث التغذية.

قاعدة بيانات USDA FoodData Central. بالنسبة للأطعمة التي لا تغطيها SR Legacy، وخاصة العناصر الغذائية الجديدة والقيم المحدثة، نرجع إلى مجموعة بيانات Foundation Foods وSurvey Foods من FoodData Central.

قواعد بيانات تكوين الطعام الدولية. بالنسبة للأطعمة التي تُستهلك عالميًا ولكن قد لا تظهر في قواعد البيانات الأمريكية، نقوم بمقارنة البيانات مع جداول تكوين McCance وWiddowson من Public Health England، وNUTTAB من Food Standards Australia New Zealand (FSANZ)، وCanadian Nutrient File (CNF)، وFrida من قاعدة بيانات تكوين الطعام الدنماركية. هذا مهم بشكل خاص للفواكه الاستوائية، الحبوب الإقليمية، وطرق التحضير الشائعة خارج الولايات المتحدة.

بيانات الشركات المصنعة. بالنسبة للعناصر المعالجة والماركات في فئات الوجبات الخفيفة والمشروبات، نرجع إلى لوحات حقائق التغذية المقدمة من الشركات المصنعة. حيثما تتعارض بيانات الشركات المصنعة مع التحليل المختبري، نلاحظ التباين ونتبع القيم المختبرية.

تم التحقق من جميع القيم ضد مصدرين مستقلين على الأقل. حيثما تختلف المصادر بأكثر من 10%، قمنا بالتحقيق في السبب (عادةً ما تكون طرق التحضير المختلفة أو اختلافات السلالة) واخترنا القيمة الأكثر تمثيلًا لكيفية استهلاك الطعام عادةً.

تتم إصدار مجموعة البيانات بإصدار. الإصدار الحالي هو 1.4.0، آخر تحديث في مارس 2026. نقوم بتحديث الجداول تقريبًا كل ربع سنة لإدخال التصحيحات، إضافة الأطعمة المطلوبة، وعكس أي تغييرات كبيرة في قواعد بيانات المصدر.

كيفية المساهمة بتصحيحات

تكون بيانات التغذية بطبيعتها غير كاملة. تختلف تركيبة الطعام حسب المنطقة، الموسم، السلالة، وطريقة التحضير. إذا وجدت خطأ أو لديك تصحيح مدعوم بمصدر موثوق، نريد أن نسمع عن ذلك.

هناك ثلاث طرق لتقديم التصحيحات:

مشاكل GitHub. يتم استضافة جداول الماكرو المرجعية في مستودع GitHub عام. افتح مشكلة مع اسم الطعام، الحقل الذي تعتقد أنه غير صحيح، القيمة الحالية، القيمة التي تعتقد أنها صحيحة، ورابط لمصدرك. نقوم بمراجعة المشكلات أسبوعيًا.

البريد الإلكتروني. أرسل التصحيحات إلى data@nutrola.com بنفس المعلومات: اسم الطعام، الحقل، القيمة الحالية، القيمة المقترحة، والمصدر. سنرد خلال خمسة أيام عمل.

طلبات السحب. إذا كنت مرتاحًا مع Git، يمكنك عمل فورك للمستودع، وتحرير ملف CSV أو JSON مباشرة، وتقديم طلب سحب. أدرج مصدرك في وصف PR. سنقوم بمراجعة ودمج التصحيحات المدعومة ببيانات موثوقة.

لا نقبل تقديمات للمنتجات الماركة أو الملكية من خلال هذه العملية. يتم التعامل معها من خلال خط أنابيب قاعدة بيانات Nutrola الرئيسي، الذي لديه سير عمل تحقق خاص به.

التكامل مع واجهة برمجة التطبيقات الخاصة بـ Nutrola للحصول على بيانات في الوقت الحقيقي

تعتبر جداول الماكرو المرجعية القابلة للتنزيل لقطة ثابتة — رائعة للاستخدام غير المتصل، التطبيقات المدمجة، المواد التعليمية، والبحث السريع. ولكن إذا كنت بحاجة إلى بيانات تغذية في الوقت الحقيقي على نطاق واسع، فإن واجهة برمجة التطبيقات الخاصة بـ Nutrola توفر كل شيء في هذه الجداول وأكثر.

تغطي واجهة برمجة التطبيقات أكثر من 3 ملايين إدخال غذائي (مقارنةً بـ 500+ في جداول المرجعية)، تشمل ملفات تعريف المغذيات الدقيقة الكاملة مع أكثر من 70 مغذيًا لكل عنصر، تدعم مسح الرموز الشريطية، البحث النصي، والإكمال التلقائي، وتقدم بيانات للمنتجات الماركة من 47 دولة. إنها نفس البيانات التي تدعم تطبيق Nutrola الذي يستخدمه أكثر من 2 مليون شخص يوميًا.

للمطورين: واجهة برمجة التطبيقات RESTful، تعيد JSON، وتقدم طبقة مجانية مع 500 طلب يوميًا — ما يكفي للنمذجة والمشاريع الشخصية. تتوسع الطبقات المدفوعة إلى ملايين الطلبات. يمكنك العثور على الوثائق الكاملة على api.nutrola.com/docs.

للباحثين والمؤسسات: نقدم تراخيص أكاديمية مع حدود معدل مرتفعة وقدرات تصدير جماعي. اتصل بـ research@nutrola.com للحصول على التفاصيل.

تتكامل جداول الماكرو المرجعية وواجهة برمجة التطبيقات مع بعضها البعض. استخدم الجداول للعمل غير المتصل، مجموعات البيانات المدمجة، والمواقف التي تحتاج فيها إلى ملف مستقل. استخدم واجهة برمجة التطبيقات عندما تحتاج إلى نطاق، عمق، تحديثات في الوقت الحقيقي، ووظائف بحث.

الأسئلة الشائعة

كم مرة يتم تحديث جداول الماكرو المرجعية؟

نقوم بتحديث الجداول تقريبًا كل ربع سنة. يحصل كل إصدار على رقم إصدار جديد (الإصدار الحالي هو 1.4.0). تشمل التحديثات التصحيحات المقدمة من المستخدمين، إضافات الأطعمة المطلوبة بشكل شائع، وتعديلات عندما تنشر قواعد بيانات المصدر لدينا قيمًا معدلة. يتضمن ملف JSON الإصدار وتاريخ الإنشاء في بياناته الوصفية، لذا يمكنك التحقق برمجيًا مما إذا كنت تمتلك أحدث إصدار.

هل يمكنني استخدام هذه البيانات في تطبيقي التجاري؟

نعم. يتم إصدار جداول الماكرو المرجعية بموجب ترخيص Creative Commons Attribution 4.0 (CC BY 4.0). يمكنك استخدام، تعديل، وإعادة توزيع البيانات في المشاريع الشخصية والتجارية طالما أنك تقدم الإسناد. رابط إلى nutrola.com أو ذكر "جداول Nutrola المرجعية للماكرو" في اعتمادات بياناتك يكفي. لا تحتاج إلى طلب إذن أو دفع رسوم.

لماذا فقط 500+ نوع من الأطعمة وليس قاعدة بيانات Nutrola الكاملة؟

تم تصميم جداول المرجعية لتكون مجموعة عملية وعالية الجودة من أكثر الأطعمة استهلاكًا. تغطي أكثر من 500 عنصر عبر سبع فئات حوالي 90% مما يأكله الناس يوميًا في معظم البلدان. ستمثل التوسعة إلى 3 ملايين إدخال الملفات بشكل غير مريح للعديد من حالات الاستخدام (تتجاوز قاعدة البيانات الكاملة 2 جيجابايت). إذا كنت بحاجة إلى مجموعة البيانات الكاملة، توفر واجهة برمجة التطبيقات الخاصة بـ Nutrola الوصول إلى كل شيء.

هل القيم لكل حصة أم لكل 100 جرام؟

لكل حصة. تتضمن كل إدخال وصف حصة (مثل "تفاحة متوسطة واحدة (182 جرام)") والوزن المقابل بالجرام، لذا يمكنك بسهولة تحويل القيم إلى لكل 100 جرام عن طريق قسمة كل قيمة مغذية على وزن الحصة وضربها في 100. اخترنا القيم المعتمدة على الحصص لأنها أكثر فائدة على الفور لتتبع الوجبات، تخطيط الوجبات، والتطبيقات الموجهة للعملاء.

كيف يمكنني تحويل البيانات إلى قيم لكل 100 جرام؟

اضرب كل قيمة مغذية في 100 وقسم على الحقل serving_weight_g. على سبيل المثال، إذا كانت حصة صدر الدجاج 170 جرام تحتوي على 53.4 جرام من البروتين، فإن قيمة البروتين لكل 100 جرام هي (53.4 * 100) / 170 = 31.4 جرام. إليك دالة بايثون سريعة:

def per_100g(food, nutrient_field):
    """تحويل قيمة مغذية لكل حصة إلى لكل 100 جرام."""
    serving_weight = food['serving_weight_g']
    if serving_weight == 0:
        return 0
    return round(food[nutrient_field] * 100 / serving_weight, 1)

ماذا يجب أن أفعل إذا كان الطعام الذي أحتاجه غير موجود في الجدول؟

أولاً، تحقق مما إذا كان يوجد طعام مشابه تحت اسم مختلف — استخدم وظيفة البحث في محرر النصوص الخاص بك أو سكربت بسيط للبحث في حقل food_name. إذا لم يكن الطعام مدرجًا بالفعل، لديك خياران: تقديم طلب من خلال مستودع GitHub الخاص بنا (نحن نعطي الأولوية للإضافات بناءً على الطلب)، أو استخدام واجهة برمجة التطبيقات الخاصة بـ Nutrola التي تغطي أكثر من 3 ملايين نوع من الأطعمة ومن المحتمل أن تحتوي على ما تحتاجه. للبحث لمرة واحدة، يتيح لك تطبيق Nutrola نفسه البحث في قاعدة البيانات الكاملة مجانًا.