Nutrola's åbne fødevareernæringsdatasæt: 500K+ fødevarer tilgængelige for download

God ernæringsdata er svær at finde. Forskere bruger uger på at rense offentlige databaser. Udviklere skriver skrøbelige skrapere, der går i stykker hver måned. Studerende, der skriver speciale, nøjes med små, forældede prøver, fordi det ikke er realistisk at samle et omfattende datasæt fra bunden på en akademisk tidslinje.

Vi har bygget Nutrola's fødevaredatabase for at understøtte vores kalorietracking-app, og i løbet af de sidste tre år har vi investeret kraftigt i at gøre disse data nøjagtige, omfattende og velstrukturerede. I dag frigiver vi et kurateret udsnit af denne database som et åbent datasæt: over 500.000 verificerede fødevareposter tilgængelige for gratis download i CSV- og JSON-formater.

Dette indlæg dækker alt, hvad du behøver at vide om datasættet — hvad det indeholder, hvordan du downloader det, skemaet, licensbetingelserne, kvalitetsmetodologien, og hvordan det sammenlignes med andre offentligt tilgængelige ernæringsdatakilder.

Hvad Indeholder Datasættet

Nutrola Open Food Nutrition Dataset indeholder over 500.000 fødevareposter, der spænder over rå ingredienser, generiske fødevarer, mærkevarer og almindelige restaurantretter. Hver post er blevet verificeret gennem vores flerlags kvalitetskontrolpipeline, det samme system, der er beskrevet i detaljer i vores indlæg om hvordan vi byggede vores fødevaredatabase.

Hver fødevarepost inkluderer følgende datapunkter:

• Fødevare navn — den almindelige betegnelse for fødevaren på engelsk, med mærkenavne hvor det er relevant
• Kalorier — energindhold i kilokalorier (kcal) pr. 100 gram og pr. portion
• Makronæringsstoffer — protein, totalt fedt, mættet fedt, trans fedt, totale kulhydrater, kostfibre, totale sukkerarter og tilføjede sukkerarter, alle i gram
• Mikronæringsstoffer — 30+ vitaminer og mineraler, herunder vitamin A, vitamin C, vitamin D, vitamin E, vitamin K, thiamin, riboflavin, niacin, vitamin B6, folat, vitamin B12, calcium, jern, magnesium, fosfor, kalium, natrium, zink, kobber, mangan, selen og mere
• Portionsstørrelser — standard beskrivelse af portionsstørrelse (f.eks. "1 mellem æble," "1 kop kogt"), portionsvægt i gram, og op til tre alternative portionsstørrelser pr. fødevare
• Fødevarekategori — hierarkisk klassifikation ved hjælp af vores interne taksonomi (f.eks. Mejeri > Ost > Hård Ost)
• Oprindelsesland — det primære land eller område, hvor fødevaren sælges, eller hvor ingrediensen almindeligvis forbruges
• Stregkode (hvor tilgængelig) — UPC- eller EAN-koder for mærkevarer
• Datakildemærker — oprindelsesmærker, der viser, om posten stammer fra offentlige databaser, producentdata, laboratorieanalyser eller vores interne verificeringsteam

Eksempeldata

Her er et udvalg af poster fra datasættet for at give dig en fornemmelse af strukturen og detaljerne:

food_id	food_name	category	country	calories_per_100g	protein_g	fat_g	carbs_g	fiber_g	serving_desc	serving_g
NF-001247	Kyllingebryst, rå, uden skind	Fjerkræ > Kylling	US	120	22.5	2.6	0.0	0.0	1 bryst (174g)	174
NF-008391	Fage Total 0% Græsk Yoghurt	Mejeri > Yoghurt > Græsk	GR	54	10.3	0.0	3.0	0.0	1 beholder (150g)	150
NF-014205	Basmati Ris, Hvid, Kogt	Korn > Ris	IN	130	2.7	0.3	28.2	0.4	1 kop (158g)	158
NF-022876	Avocado, Hass, Rå	Frugter > Tropisk	MX	160	2.0	14.7	8.5	6.7	1/2 avocado (68g)	68
NF-031560	Barilla Penne Rigate, Tør	Pasta > Tørret	IT	359	12.5	2.0	71.2	3.0	2 oz (56g)	56
NF-045892	Kimchi, Traditionelt Napa Kål	Grøntsager > Fermenteret	KR	15	1.1	0.5	2.4	1.6	1/2 kop (75g)	75
NF-053714	Laks, Atlanterhavet, Rå, Opdrættet	Fisk > Laks	NO	208	20.4	13.4	0.0	0.0	1 filet (113g)	113
NF-067283	Kikærter, på dåse, drænet	Bælgfrugter > Bønner	US	119	6.3	2.0	18.2	5.4	1/2 kop (120g)	120

Det fulde datasæt inkluderer mange flere kolonner for mikronæringsstoffer, alternative portionsstørrelser, stregkodedata og kildemærker. Tabellen ovenfor viser de centrale ernæringsfelter.

Dataformater

Datasættet er tilgængeligt i to formater:

CSV

CSV-filen bruger UTF-8-kodning med komma som separator. Den første række indeholder kolonneoverskrifter. Felter, der indeholder kommaer, er indkapslet i dobbelte citationstegn. Null-værdier repræsenteres som tomme felter.

CSV-formatet er ideelt til regnearksprogrammer som Excel og Google Sheets, statistisk software som R og SPSS, samt hurtig dataudforskning med kommandolinjeværktøjer som csvkit eller xsv.

Fil: nutrola-open-food-dataset-v3.csv (ca. 210 MB udpakket, 48 MB gzippet)

JSON

JSON-filen indeholder et array af objekter, ét pr. fødevarepost. Næstede objekter bruges til strukturerede felter som portionsstørrelser (som indeholder en beskrivelse, gramvægt og milliliterækvivalent hvor det er relevant) og mikronæringsprofiler.

JSON-formatet er bedre egnet til applikationsudvikling, databaseimport og enhver arbejdsgang, hvor du har brug for at bevare den hierarkiske struktur af portionsstørrelser og næringsgrupper.

Fil: nutrola-open-food-dataset-v3.json (ca. 340 MB udpakket, 62 MB gzippet)

Begge filer er også tilgængelige som gzip-komprimerede arkiver for at reducere downloadtiderne.

Dataschema

Her er det fulde skema med beskrivelser for hvert felt i datasættet:

Felt Navn	Type	Beskrivelse
food_id	string	Unik Nutrola-identifikator for fødevareposten (format: NF-XXXXXX)
food_name	string	Almindelig betegnelse for fødevaren, inklusive mærke hvor relevant
category_l1	string	Topniveau fødevarekategori (f.eks. Mejeri, Korn, Frugter)
category_l2	string	Anden niveau kategori (f.eks. Ost, Ris, Tropisk)
category_l3	string	Tredje niveau kategori hvor relevant (f.eks. Hård Ost, Brun Ris)
country	string	ISO 3166-1 alpha-2 landekode, der angiver primært marked
brand	string	Mærkenavn for mærkevarer; null for generiske fødevarer
barcode	string	UPC/EAN stregkode; null hvis ikke relevant
calories_per_100g	float	Energi i kcal pr. 100 gram
protein_g	float	Protein i gram pr. 100g
fat_total_g	float	Totalt fedt i gram pr. 100g
fat_saturated_g	float	Mættet fedt i gram pr. 100g
fat_trans_g	float	Trans fedt i gram pr. 100g
carbs_total_g	float	Totale kulhydrater i gram pr. 100g
fiber_g	float	Kostfibre i gram pr. 100g
sugars_total_g	float	Totale sukkerarter i gram pr. 100g
sugars_added_g	float	Tilføjede sukkerarter i gram pr. 100g
sodium_mg	float	Natrium i milligram pr. 100g
cholesterol_mg	float	Kolesterol i milligram pr. 100g
vitamin_a_mcg	float	Vitamin A i mikrogram RAE pr. 100g
vitamin_c_mg	float	Vitamin C i milligram pr. 100g
vitamin_d_mcg	float	Vitamin D i mikrogram pr. 100g
calcium_mg	float	Calcium i milligram pr. 100g
iron_mg	float	Jern i milligram pr. 100g
potassium_mg	float	Kalium i milligram pr. 100g
magnesium_mg	float	Magnesium i milligram pr. 100g
zinc_mg	float	Zink i milligram pr. 100g
phosphorus_mg	float	Fosfor i milligram pr. 100g
selenium_mcg	float	Selen i mikrogram pr. 100g
vitamin_b6_mg	float	Vitamin B6 i milligram pr. 100g
vitamin_b12_mcg	float	Vitamin B12 i mikrogram pr. 100g
folate_mcg	float	Folat i mikrogram DFE pr. 100g
vitamin_e_mg	float	Vitamin E i milligram pr. 100g
vitamin_k_mcg	float	Vitamin K i mikrogram pr. 100g
thiamin_mg	float	Thiamin (B1) i milligram pr. 100g
riboflavin_mg	float	Riboflavin (B2) i milligram pr. 100g
niacin_mg	float	Niacin (B3) i milligram pr. 100g
copper_mg	float	Kobber i milligram pr. 100g
manganese_mg	float	Mangan i milligram pr. 100g
serving_1_desc	string	Primær beskrivelse af portionsstørrelse (f.eks. "1 kop kogt")
serving_1_g	float	Primær portionsstørrelse vægt i gram
serving_2_desc	string	Alternativ beskrivelse af portionsstørrelse; null hvis ikke tilgængelig
serving_2_g	float	Alternativ portionsstørrelse vægt i gram
serving_3_desc	string	Anden alternativ beskrivelse af portionsstørrelse; null hvis ikke tilgængelig
serving_3_g	float	Anden alternativ portionsstørrelse vægt i gram
data_source	string	Oprindelsesmærke: "government", "manufacturer", "laboratory", eller "verified_community"
last_verified	string	ISO 8601 dato for hvornår posten sidst blev verificeret (YYYY-MM-DD)
dataset_version	string	Datasætsversionsidentifikator (f.eks. "v3.0")

Alle næringsværdier er angivet pr. 100 gram for at muliggøre ensartede sammenligninger. For at beregne næringsindhold pr. portion, gang værdien pr. 100g med portionsvægten i gram og del med 100.

Sådan Downloader Du

Datasættet er hostet på vores offentlige GitHub-repository:

github.com/nutrola/open-food-nutrition-dataset

Du kan downloade filerne direkte fra GitHub Releases-siden eller klone repositoryet:

git clone https://github.com/nutrola/open-food-nutrition-dataset.git

For de komprimerede versioner:

# Download CSV (gzippet)
wget https://github.com/nutrola/open-food-nutrition-dataset/releases/latest/download/nutrola-open-food-dataset-v3.csv.gz

# Download JSON (gzippet)
wget https://github.com/nutrola/open-food-nutrition-dataset/releases/latest/download/nutrola-open-food-dataset-v3.json.gz

Repositoryet indeholder også:

• En detaljeret README.md med hurtigstartinstruktioner
• En CHANGELOG.md, der dokumenterer ændringer mellem datasætsversioner
• En scripts/-mappe med Python- og R-eksempelscripts til indlæsning, filtrering og analyse af dataene
• En schema/-mappe med JSON Schema og CSV-dialektdefinitioner

Hvis du har brug for det fulde database med 3 millioner+ poster med realtidsopdateringer i stedet for periodiske snapshots, kan du se vores Nutrition Data API for udvikleradgang.

Anvendelsesscenarier

Akademisk Forskning

Ernæringsforskere kan bruge datasættet til analyse af kostmønstre, epidemiologisk modellering og studier af næringstæthed uden at bruge uger på at rense og sammenflette offentlige datafiler. Det hierarkiske kategorisystem gør det enkelt at filtrere efter fødevaregrupper, og feltet for oprindelsesland muliggør tværkulturelle sammenligninger.

Publiceret forskning, der bruger datasættet, bør citere det som: Nutrola Open Food Nutrition Dataset, v3.0 (2026). Tilgængelig på github.com/nutrola/open-food-nutrition-dataset. Licenseret under CC BY-SA 4.0.

Applikationsudvikling

Udviklere, der bygger sundheds-, fitness- eller fødevarerelaterede applikationer, kan bruge datasættet som en lokal fødevaredatabase. Det ensartede skema og data om portionsstørrelser betyder, at du kan bygge en funktionel fødevarelogningsfunktion uden at være afhængig af en live API-forbindelse. Dette er særligt nyttigt for offline-første mobilapps, prototyper og hackathon-projekter.

CSV-formatet kan indlæses direkte i SQLite, PostgreSQL eller enhver relationel database. JSON-formatet passer godt til dokumentlagre som MongoDB eller Firestore.

Data Science og Maskinlæring

Datasættet er velegnet til træning og evaluering af maskinlæringsmodeller relateret til fødevarer og ernæring. Almindelige anvendelser inkluderer:

• Fødeklassifikationsmodeller — brug kategorihierarkiet som træningslabels til at bygge klassifikatorer, der forudsiger fødevarekategorier ud fra navne eller ernæringsprofiler
• Ernæringsestimering — træne regressionsmodeller, der forudsiger kalorie- eller makroindhold ud fra delvis information (f.eks. estimere kalorier ud fra protein-, fedt- og kulhydratforhold)
• Anbefalingssystemer — bygge fødevareanbefalingsmotorer, der foreslår ernæringsmæssigt lignende alternativer
• Anomalidetektion — identificere usædvanlige ernæringsprofiler, der kan indikere datakvalitetsproblemer i andre datasæt

Uddannelse

Studerende og undervisere inden for ernæringsvidenskab kan bruge datasættet til kursusarbejde, laboratorier og opgaver. Dataens bredde — der dækker fødevarer fra dusinvis af lande og spænder over hver større fødevaregruppe — gør det nyttigt til at undervise i begreber som makronæringsstofforhold, mikronæringsstofdensitet og hvordan ernæringsprofiler varierer på tværs af køkkener og fødevarebehandlingsniveauer.

Offentlig Sundhed og Politik

Offentlige sundhedsorganisationer kan bruge dataene til at analysere det ernæringsmæssige landskab for specifikke fødevarekategorier eller markeder. Oprindelseslandfeltet muliggør filtrering efter region, og mærkefeltet muliggør analyse af mærkevarer vs. generiske fødevarers ernæringskvalitet.

Kvalitetsmetodologi for Data

At frigive et åbent datasæt betyder ikke noget, hvis dataene ikke er pålidelige. Her er, hvordan vi sikrer kvaliteten på de 500.000+ poster i denne frigivelse.

Verifikation fra Forskellige Kilder

Hver post i datasættet er blevet verificeret mod mindst to uafhængige kilder. Vores primære datakilder inkluderer:

• Offentlige ernæringsdatabaser — USDA FoodData Central (USA), CoFID (Storbritannien), NUTTAB (Australien), CNF (Canada) og tilsvarende databaser fra 20+ lande
• Producentleverede data — ernæringsfakta-paneler indsendt direkte af fødevareproducenter gennem vores mærkepartnerskabsprogram
• Laboratorieanalyse — uafhængig laboratorietest udført af vores team for fødevarer med høj volumen, hvor kildedata er modstridende eller forældede
• Verificerede samfundsindsendelser — brugerindsendte poster, der har bestået vores tre-trins verificeringsproces (automatiseret krydsreferencering, ekspertvurdering og statistisk outlier-detektion)

Automatiserede Kvalitetskontroller

Hver post gennemgår en række automatiserede kontroller, før den kommer ind i datasættet:

• Energibalancevalidering — kalorieindholdet krydscheckes mod Atwater-beregningen (4 kcal/g protein + 9 kcal/g fedt + 4 kcal/g kulhydrat). Poster, hvor de angivne kalorier afviger fra den beregnede værdi med mere end 10%, bliver flaget til manuel gennemgang.
• Områdekontroller — hver næringsværdi valideres mod fysiologisk plausible områder for fødevarekategorien. En ostepost, der hævder 0 gram fedt, eller en frugtpost, der hævder 50 gram protein, bliver straks flaget.
• Konsistens mellem poster — lignende fødevarer sammenlignes statistisk. Hvis en ny kyllingebrystpost har betydeligt forskellige værdier fra den eksisterende klynge af kyllingebrystposter, holdes den til gennemgang.
• Validering af portionsstørrelse — portionsvægte kontrolleres mod kendte standardportioner. En "1 mellem æble", der hævder at veje 500 gram, klarer ikke testen.

Menneskelig Gennemgang

Poster, der er flaget af automatiserede kontroller, gennemgår manuel gennemgang af vores datateam, som inkluderer kvalificerede ernæringseksperter og fødevareforskere. Cirka 12% af posterne kræver en form for manuel korrektion, før de godkendes.

Løbende Vedligeholdelse

Datasættet er ikke en engangsudgivelse. Vi re-verificerer poster løbende, med prioritet på fødevarer med høj volumen (de, der oftest logges af Nutrola-brugere) og poster, hvis kildedata er blevet opdateret. Når en fødevareproducent reformulerer et produkt, fanger vi ændringen gennem vores stregkodeovervågningssystem og opdaterer posten i overensstemmelse hermed.

Opdateringsfrekvens

Vi offentliggør nye versioner af det åbne datasæt kvartalsvis. Hver frigivelse inkluderer:

• Nye fødevareposter tilføjet siden den forrige version
• Korrigeringer af eksisterende poster identificeret gennem vores kvalitetsmonitorering
• Opdaterede ernæringsdata for reformulerede produkter
• Udvidet mikronæringsstofdækning, hvor nye kildedata bliver tilgængelige

Den nuværende version er v3.0, frigivet i marts 2026. Versionshistorik og changelogs er tilgængelige i GitHub-repositoryet.

Hvis du har brug for data, der opdateres hyppigere end kvartalsvis, afspejler vores Nutrition Data API ændringer inden for 48 timer.

Licens

Nutrola Open Food Nutrition Dataset er frigivet under Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) licensen.

Det betyder, at du har ret til at:

• Dele — kopiere og redistribuere datasættet i ethvert medie eller format
• Tilpasse — remix, transformere og bygge videre på datasættet til ethvert formål, herunder kommerciel brug

Under følgende betingelser:

• Attribution — du skal give passende kredit til Nutrola, give et link til licensen og angive, hvis der er foretaget ændringer
• ShareAlike — hvis du remixer, transformerer eller bygger videre på datasættet, skal du distribuere dine bidrag under den samme CC BY-SA 4.0 licens

Vi valgte CC BY-SA 4.0, fordi det rammer den rette balance mellem åbenhed og sikring af, at forbedringer flyder tilbage til fællesskabet. Hvis du bygger en bedre version af disse data, sikrer licensen, at dine forbedringer også forbliver tilgængelige for alle andre.

Hvordan Det Sammenlignes med Andre Datasæt

Der findes flere offentligt tilgængelige ernæringsdatasæt. Her er, hvordan Nutrola Open Food Nutrition Dataset sammenlignes med de to mest anvendte alternativer.

vs. USDA FoodData Central

USDA FoodData Central er guldstandarden for ernæringsdata i USA. Det er grundigt, veldokumenteret og understøttet af laboratorieanalyse. Dog har det begrænsninger, som Nutrola-datasættet adresserer:

Dimension	USDA FoodData Central	Nutrola Open Dataset
Totale poster	~400.000 (Foundation, SR Legacy, Branded samlet)	500.000+
Geografisk dækning	Primært USA	47 lande
Mærkevarer	Kun amerikanske mærker, ofte forældede	Internationale mærker, verificeret kvartalsvis
Dataformat	Flere inkompatible filformater, kompleks relationel struktur	Enkelt CSV- eller JSON-fil, flad struktur
Portionsstørrelser	Inkonsistente på tværs af underdatabaser	Standardiseret format med op til 3 portioner pr. fødevare
Brugervenlighed	Kræver betydelig dataengineering for at sammenflette underdatabaser	Download én fil og begynd at arbejde
Opdateringsfrekvens	Varierer efter underdatabase (årligt for nogle)	Kvartalsvis

Hvis dit arbejde udelukkende fokuserer på amerikanske fødevarer og du har brug for den dybeste mulige næringsprofil (USDA dækker 150+ næringsstoffer for Foundation fødevarer), er FoodData Central det bedre valg. Hvis du har brug for international dækning, ensartet formatering og et datasæt, der fungerer med det samme, er Nutrola-datasættet det stærkere valg.

De to datasæt er komplementære. Mange forskere bruger USDA Foundation-data til detaljeret amerikansk næringsanalyse og supplerer det med Nutrola-data for international dækning og mærkevarer.

vs. Open Food Facts

Open Food Facts er en crowdsourcet database med over 3 millioner poster. Den har imponerende skala og dækker produkter fra mange lande. Dog introducerer dens crowdsourcede natur datakvalitetsudfordringer:

Dimension	Open Food Facts	Nutrola Open Dataset
Totale poster	3M+	500.000+
Datakvalitet	Variabel — crowdsourcet med automatiserede kontroller	Verificeret — flerkilde, menneskelig gennemgang
Komplethed	Mange poster mangler makro/mikrodata	Alle poster har komplette makrodata; 90%+ har fulde mikroprofiler
Portionsstørrelser	Inkonsistente, ofte manglende	Standardiserede, altid til stede
Kategoritaksonomi	Crowdsourcet tags, inkonsistent	Hierarkisk, kurateret taksonomi
Næringsdækning	Varierer meget pr. post	Konsistent 40+ næringsstoffer på tværs af alle poster
Dataformat	MongoDB dump, kompleks næstet JSON	Ren CSV og JSON
Licens	Open Database License (ODbL)	CC BY-SA 4.0

Open Food Facts excellerer i bredde — hvis du har brug for at slå et specifikt obskurt produkt op ved stregkode, har de det sandsynligvis. Nutrola-datasættet excellerer i dybde og konsistens — hver post opfylder den samme kvalitetsstandard, hvilket gør det mere pålideligt til kvantitativ analyse, hvor datagab eller fejl kan fordreje resultaterne.

Hvis du bygger en stregkodescanner-app og har brug for maksimal produktdækning, er Open Food Facts et godt udgangspunkt. Hvis du træner en maskinlæringsmodel, udfører statistisk forskning eller bygger en app, hvor ernæringsnøjagtighed er vigtig, vil Nutrola-datasættets verificerede data give dig et stærkere fundament.

Kom godt i gang

Når du har downloadet datasættet, her er et hurtigt eksempel på, hvordan du indlæser og udforsker det i Python:

import pandas as pd

# Indlæs datasættet
df = pd.read_csv("nutrola-open-food-dataset-v3.csv")

# Grundlæggende oversigt
print(f"Totale poster: {len(df):,}")
print(f"Lande dækket: {df['country'].nunique()}")
print(f"Fødevarekategorier (L1): {df['category_l1'].nunique()}")

# Find højt proteinindhold, lavt kalorieindhold
high_protein = df[
    (df["protein_g"] > 20) &
    (df["calories_per_100g"] < 150)
].sort_values("protein_g", ascending=False)

print(high_protein[["food_name", "calories_per_100g", "protein_g"]].head(10))

# Analyser gennemsnitlige makroer efter fødevarekategori
category_macros = df.groupby("category_l1").agg({
    "calories_per_100g": "mean",
    "protein_g": "mean",
    "fat_total_g": "mean",
    "carbs_total_g": "mean"
}).round(1)

print(category_macros.sort_values("calories_per_100g", ascending=False))

Flere eksempler — inklusive R-scripts, SQL-importguider og Jupyter-notebooks — er tilgængelige i scripts/-mappen i GitHub-repositoryet.

Ofte Stillede Spørgsmål

Er datasættet virkelig gratis at bruge?

Ja. Nutrola Open Food Nutrition Dataset er frigivet under CC BY-SA 4.0-licensen, som tillader kommerciel og ikke-kommerciel brug. De eneste krav er, at du krediterer Nutrola som kilde, og at eventuelle afledte datasæt, du distribuerer, bruger den samme licens. Der er ingen API-nøgler, ingen bruggrænser, og ingen registrering kræves for at downloade filerne.

Hvor ofte opdateres datasættet?

Vi offentliggør nye versioner kvartalsvis. Hver frigivelse tilføjer nye fødevareposter, retter eventuelle fejl identificeret siden den forrige version og opdaterer poster for produkter, der er blevet reformuleret. GitHub-repositoryets Releases-side har den fulde versionshistorik, og du kan følge repositoryet for at blive underrettet, når nye versioner offentliggøres.

Kan jeg bruge dette datasæt til at bygge en kommerciel app?

Ja. CC BY-SA 4.0-licensen tillader eksplicit kommerciel brug. Du kan bruge dataene i en betalt app, et SaaS-produkt eller i enhver anden kommerciel sammenhæng. Du skal inkludere attribution til Nutrola i din app eller dokumentation, og hvis du distribuerer en modificeret version af datasættet selv, skal den modificerede version også licenseres under CC BY-SA 4.0. At bruge dataene i din app (uden at redistribuere det rå datasæt) udløser ikke ShareAlike-kravet.

Hvorfor kun 500K poster, når Nutrola's fulde database har 3 millioner+?

Det åbne datasæt indeholder poster, som vi kan frigive under en åben licens uden restriktioner. Vores fulde database inkluderer data fra proprietære kilder — direkte producentpartnerskaber, licenserede laboratoriedata og andre kilder med kontraktlige begrænsninger på redistribuering. De 500K poster i det åbne datasæt stammer fra offentlige databaser, vores egen laboratorieanalyse og samfundsindsendelser, hvor bidragydere har accepteret åben licens. Hvis du har brug for adgang til den fulde database, giver vores Nutrition Data API den under separate kommercielle vilkår.

Hvad skal jeg gøre, hvis jeg finder en fejl i datasættet?

Åbn et problem i GitHub-repositoryet med food_id for den berørte post og en beskrivelse af fejlen. Inkluder et kilde-link, hvis du har et (f.eks. en producentens hjemmeside, der viser forskellige ernæringsfakta). Vores datateam gennemgår rapporterede problemer ugentligt, og bekræftede rettelser inkluderes i den næste kvartalsvise frigivelse. For hastende rettelser kan vi muligvis skubbe en patch-udgivelse mellem kvartalsopdateringer.

Hvordan relaterer dette sig til Nutrola Nutrition Data API?

Det åbne datasæt er et statisk kvartalsvis snapshot af et kurateret udsnit af vores database. API'en giver realtidsadgang til den fulde database med 3 millioner+ poster med søgning, filtrering, stregkodelookup og andre funktioner. Tænk på det åbne datasæt som fundamentet for offline- eller batchbrugsscenarier, og API'en som løsningen til produktionsapplikationer, der har brug for live data. Mange udviklere starter med det åbne datasæt til prototyper og migrerer til API'en, når de går i produktion.