फ्री मैक्रो संदर्भ तालिकाएँ: CSV और JSON में संपूर्ण पोषण डेटा डाउनलोड करें

चाहे आप एक पोषण ऐप बना रहे हों, शोध अध्ययन चला रहे हों, ग्राहकों को कोचिंग दे रहे हों, या बस अपने डेस्क पर एक विश्वसनीय संदर्भ पत्र की आवश्यकता हो, आपको एक ऐसे प्रारूप में साफ मैक्रो डेटा की आवश्यकता है, जिसका आप वास्तव में उपयोग कर सकें। सरकारी डेटाबेस मौजूद हैं, लेकिन वे विशाल, असंगत हैं और इन्हें नौकरशाहों के लिए तैयार किया गया है, न कि निर्माताओं के लिए।

हमने 500 से अधिक सामान्य खाद्य पदार्थों के लिए संपूर्ण मैक्रोन्यूट्रिएंट ब्रेकडाउन के साथ फ्री मैक्रो संदर्भ तालिकाओं का एक सेट तैयार किया है। डेटा CSV और JSON दोनों प्रारूपों में उपलब्ध है, जिसे आप सीधे स्प्रेडशीट, डेटाबेस, स्क्रिप्ट या एप्लिकेशन में डाल सकते हैं। हर प्रविष्टि को प्राथमिक स्रोतों के खिलाफ सत्यापित किया गया है, और फाइलें इस तरह से संरचित हैं कि आप तुरंत बिना किसी सफाई या परिवर्तन के उनका उपयोग शुरू कर सकें।

यह पृष्ठ तालिकाओं में क्या है, डेटा कैसे संरचित है, इसे प्रोग्रामेटिक रूप से कैसे लोड करें, और यदि आप कुछ ऐसा पाते हैं जिसे अपडेट करने की आवश्यकता है तो सुधार कैसे योगदान करें, इस पर जानकारी प्रदान करता है।

इसमें क्या शामिल है

मैक्रो संदर्भ तालिकाएँ 500+ सबसे सामान्य खाद्य पदार्थों को सात प्रमुख श्रेणियों में वर्गीकृत करती हैं। प्रत्येक खाद्य वस्तु के लिए, आपको मिलता है:

• खाद्य नाम — पोषण विज्ञान में उपयोग किया जाने वाला मानक अंग्रेजी नाम
• श्रेणी — सात शीर्ष स्तर की श्रेणियों में से एक (इनके बारे में नीचे और अधिक)
• उपश्रेणी — माता श्रेणी के भीतर एक अधिक विशिष्ट समूह
• सेवा आकार विवरण — एक मानव-पठनीय सेवा आकार (जैसे, "1 मध्यम केला", "1 कप पका हुआ")
• सेवा का वजन ग्राम में — उस सेवा आकार का ग्राम समकक्ष
• कैलोरी — कुल ऊर्जा किलो कैलोरी (kcal) में
• प्रोटीन — प्रति सेवा प्रोटीन के ग्राम
• कुल वसा — प्रति सेवा कुल वसा के ग्राम
• संतृप्त वसा — प्रति सेवा संतृप्त वसा के ग्राम
• कुल कार्बोहाइड्रेट — प्रति सेवा कुल कार्बोहाइड्रेट के ग्राम
• आहार फाइबर — प्रति सेवा आहार फाइबर के ग्राम
• चीनी — प्रति सेवा कुल चीनी के ग्राम
• सोडियम — प्रति सेवा सोडियम के मिलीग्राम

हर मान सूचीबद्ध सेवा आकार के अनुसार रिपोर्ट किया गया है, 100 ग्राम के अनुसार नहीं। हमने इस दृष्टिकोण को चुना क्योंकि सेवा-आधारित डेटा वह है जो अधिकांश लोगों को वास्तव में भोजन को ट्रैक करते समय, भोजन योजनाएँ बनाते समय, या इंटरफेस में पोषण जानकारी प्रदर्शित करते समय चाहिए। यदि आपको प्रति-100 ग्राम मान की आवश्यकता है, तो सेवा के वजन को 100 से विभाजित करना और गुणा करना सीधा है।

तालिकाओं में सोडियम और फाइबर के अलावा कोई सूक्ष्म पोषक तत्व शामिल नहीं हैं। पूर्ण सूक्ष्म पोषक तत्व प्रोफाइल (विटामिन, खनिज, अमीनो एसिड) के लिए, इस लेख के अंत में Nutrola के API अनुभाग को देखें — वहीं विस्तृत डेटा उपलब्ध है।

डेटा प्रारूप विनिर्देश

CSV प्रारूप

CSV फ़ाइल UTF-8 एन्कोडिंग का उपयोग करती है जिसमें एक हेडर पंक्ति होती है। फ़ील्ड कोमा से विभाजित होते हैं और टेक्स्ट फ़ील्ड को उद्धरण में रखा जाता है। संरचना इस प्रकार है:

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
"चिकन ब्रेस्ट, बोनलेस स्किनलेस, पका हुआ","प्रोटीन","पोल्ट्री","1 ब्रेस्ट (170g)",170,284,53.4,6.2,1.7,0.0,0.0,0.0,126
"अटलांटिक सालमन, पका हुआ","प्रोटीन","फिश एंड सीफूड","1 फिलेट (154g)",154,280,39.3,12.4,2.5,0.0,0.0,0.0,109
"ब्राउन राइस, पका हुआ","अनाज और स्टार्च","पूर्ण अनाज","1 कप (195g)",195,216,5.0,1.8,0.4,44.8,3.5,0.7,10
"केला, कच्चा","फलों","उष्णकटिबंधीय फल","1 मध्यम (118g)",118,105,1.3,0.4,0.1,27.0,3.1,14.4,1

CSV फ़ाइल Microsoft Excel, Google Sheets, LibreOffice Calc, Apple Numbers, और किसी भी प्रोग्रामिंग भाषा के साथ संगत है जिसमें CSV पार्सिंग समर्थन है। कोई विशेष कॉन्फ़िगरेशन की आवश्यकता नहीं है — फ़ाइल खोलें और यह सही ढंग से पार्स हो जाएगी।

JSON प्रारूप

JSON फ़ाइल में वस्तुओं का एक एरे होता है, प्रत्येक खाद्य आइटम के लिए एक। संरचना CSV फ़ील्ड को दर्शाती है:

{
  "version": "1.4.0",
  "generated": "2026-03-12",
  "source": "Nutrola Macro Reference Tables",
  "record_count": 527,
  "foods": [
    {
      "food_name": "चिकन ब्रेस्ट, बोनलेस स्किनलेस, पका हुआ",
      "category": "प्रोटीन",
      "subcategory": "पोल्ट्री",
      "serving_description": "1 ब्रेस्ट (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 फ़ाइल में शीर्ष स्तर पर मेटाडेटा फ़ील्ड शामिल होते हैं: अपडेट को ट्रैक करने के लिए एक संस्करण स्ट्रिंग, जनरेशन की तारीख, स्रोत का नाम, और कुल रिकॉर्ड की संख्या। यह सुनिश्चित करना आसान बनाता है कि आपके पास नवीनतम संस्करण है और आपकी एप्लिकेशनों में अपडेट-चेकिंग लॉजिक बनाना।

संख्यात्मक मान संख्याओं के रूप में संग्रहीत होते हैं, स्ट्रिंग के रूप में नहीं। शून्य मान नहीं दिखाई देते — यदि किसी पोषक तत्व का मान अज्ञात है, तो खाद्य पदार्थ को डेटा सेट से बाहर रखा जाता है बजाय इसके कि उसे गायब डेटा के साथ शामिल किया जाए। यह एक जानबूझकर किया गया विकल्प है ताकि डेटा साफ रहे और गणनाओं में चुप्पी से हुई गलतियों से बचा जा सके।

फ़ील्ड विवरण

यहाँ हर फ़ील्ड का विस्तृत विवरण है, जिसमें इकाइयाँ, अपेक्षित रेंज, और किनारे के मामले शामिल हैं:

फ़ील्ड	प्रकार	इकाई	विवरण
food_name	string	—	मानक अंग्रेजी नाम। जहां प्रासंगिक हो, तैयारी के तरीके को शामिल करता है (जैसे, "पका हुआ", "कच्चा", "सूखा हुआ")।
category	string	—	सात शीर्ष स्तर की श्रेणियों में से एक। नीचे श्रेणियों के अनुभाग को देखें।
subcategory	string	—	एक अधिक विशिष्ट समूह। उदाहरण के लिए, "प्रोटीन" के अंतर्गत "पोल्ट्री", "रेड मीट", "फिश एंड सीफूड", "फली", और "अंडे" पाए जाते हैं।
serving_description	string	—	एक मानव-पठनीय सेवा आकार। हमेशा ग्राम वजन को कोष्ठक में शामिल करता है।
serving_weight_g	number	ग्राम	सेवा का संख्यात्मक ग्राम वजन। अधिकांश वस्तुओं के लिए पूर्णांक मान, जहां सटीकता महत्वपूर्ण है, वहां एक दशमलव स्थान।
calories_kcal	number	kcal	कुल ऊर्जा। एटवाटर प्रणाली का उपयोग करके गणना की गई (4 kcal/g प्रोटीन, 4 kcal/g कार्ब्स, 9 kcal/g वसा)।
protein_g	number	ग्राम	कुल प्रोटीन। एक दशमलव स्थान की सटीकता।
total_fat_g	number	ग्राम	कुल वसा जिसमें संतृप्त, मोनोअनसैचुरेटेड, और पॉलीअनसैचुरेटेड शामिल हैं।
saturated_fat_g	number	ग्राम	केवल संतृप्त फैटी एसिड।
total_carbs_g	number	ग्राम	कुल कार्बोहाइड्रेट जिसमें फाइबर और शर्करा शामिल हैं।
fiber_g	number	ग्राम	कुल आहार फाइबर (घुलनशील + अगुलनशील)।
sugar_g	number	ग्राम	कुल शर्करा (स्वाभाविक रूप से होने वाली + जोड़ी गई)। डेटा सेट जोड़ी गई शर्करा को प्राकृतिक शर्करा से अलग नहीं करता है।
sodium_mg	number	मिलीग्राम	सोडियम सामग्री। ध्यान दें कि यह मिलीग्राम में है, ग्राम में नहीं, अन्य पोषक तत्व फ़ील्ड के विपरीत।

सटीकता के बारे में कुछ नोट्स: सभी पोषक तत्व मान एक दशमलव स्थान तक गोल किए जाते हैं। यह मूल स्रोत डेटा के सटीकता स्तर से मेल खाता है। अधिक दशमलव स्थानों की रिपोर्टिंग एक झूठे सटीकता स्तर का संकेत देगी — खाद्य संरचना प्राकृतिक रूप से 5-15% भिन्न होती है, जो उगाने की परिस्थितियों, पशु नस्ल, और तैयारी के तरीकों पर निर्भर करती है।

खाद्य श्रेणियाँ

500+ खाद्य पदार्थों को सात शीर्ष स्तर की श्रेणियों में वर्गीकृत किया गया है, प्रत्येक में कई उपश्रेणियाँ:

प्रोटीन

लगभग 95 प्रविष्टियाँ पोल्ट्री (चिकन ब्रेस्ट, थाई, टर्की, ग्राउंड टर्की), रेड मीट (बीफ सर्लोइन, विभिन्न दुबले प्रतिशत में ग्राउंड बीफ, पोर्क लॉइन, भेड़ का मांस), मछली और समुद्री भोजन (सालमन, ट्यूना, झींगा, कॉड, टिलापिया, सार्डिन), अंडे (पूर्ण, सफेद, स्क्रैम्बल), और पौधों पर आधारित प्रोटीन (टोफू, टेम्पेह, सेइटान, एडामेमे) को कवर करती हैं। दालें जैसे दाल, चने, और काले बीन्स यहाँ शामिल हैं न कि अनाज में क्योंकि उनकी प्राथमिक पोषण भूमिका प्रोटीन प्रदान करना है।

अनाज और स्टार्च

लगभग 80 प्रविष्टियाँ पूर्ण अनाज (ब्राउन राइस, ओट्स, क्विनोआ, जौ, बुलगुर), परिष्कृत अनाज (सफेद चावल, सफेद ब्रेड, पास्ता), स्टार्ची सब्जियाँ (आलू, शकरकंद, मक्का), और सामान्य अनाज उत्पाद (टॉर्टिलास, बैगेल्स, क्रैकर्स, कूसकूस) को कवर करती हैं। जहाँ भेद महत्वपूर्ण है, वहाँ अनाज के लिए पका हुआ और सूखा मान प्रदान किए गए हैं।

फल

लगभग 65 प्रविष्टियाँ सामान्य ताजे फलों (सेब, केले, संतरे, स्ट्रॉबेरी, ब्लूबेरी, अंगूर), उष्णकटिबंधीय फलों (आम, अनानास, पपीता, कीवी), सूखे फलों (किशमिश, खजूर, सूखे खुबानी, क्रैनबेरी), और जमे हुए फलों को कवर करती हैं। सभी ताजे फल प्रविष्टियाँ कच्चे, खाने योग्य भाग के लिए हैं — बीज, छिलके, और गड्ढे को सेवा के वजन से बाहर रखा गया है जहाँ प्रासंगिक हो।

सब्जियाँ

लगभग 85 प्रविष्टियाँ पत्तेदार हरी सब्जियाँ (पालक, केल, रोमेन, अरुगुला), क्रूसिफेरस सब्जियाँ (ब्रोकली, फूलगोभी, ब्रसेल्स स्प्राउट्स, गोभी), जड़ वाली सब्जियाँ (गाजर, चुकंदर, शलजम, मूली), एलियम (प्याज, लहसुन), नाइटशेड (टमाटर, बेल मिर्च, बैंगन), और अन्य सामान्य सब्जियाँ (खीरा, अजवाइन, ज़ुकीनी, मशरूम, शतावरी) को कवर करती हैं। जहाँ पकाने से पोषण घनत्व में महत्वपूर्ण परिवर्तन होता है, वहाँ सब्जियों के लिए कच्चे और पके हुए मान प्रदान किए गए हैं।

डेयरी और विकल्प

लगभग 70 प्रविष्टियाँ दूध (पूर्ण, 2%, स्किम, और पौधों पर आधारित दूध), दही (ग्रीक, नियमित, फ्लेवर्ड, पौधों पर आधारित), पनीर (चेडर, मोज़ेरेला, फेटा, कOTTAGE पनीर, क्रीम पनीर, परमेसन), मक्खन, क्रीम, और सामान्य डेयरी विकल्प (बादाम का दूध, ओट का दूध, सोया दूध, नारियल का दही) को कवर करती हैं। पौधों पर आधारित दूध और दही को यहाँ एक अलग श्रेणी में नहीं रखा गया है क्योंकि उपयोगकर्ता आमतौर पर उन्हें सीधे विकल्प के रूप में लेते हैं।

नाश्ते और प्रसंस्कृत खाद्य पदार्थ

लगभग 75 प्रविष्टियाँ नट्स और बीज (बादाम, अखरोट, मूंगफली, चिया बीज, अलसी के बीज, सूरजमुखी के बीज), नट बटर (मूंगफली का मक्खन, बादाम का मक्खन), सामान्य नाश्ते के खाद्य पदार्थ (प्रेट्ज़ेल, पॉपकॉर्न, ग्रेनोला बार, प्रोटीन बार, ट्रेल मिक्स, चिप्स, डार्क चॉकलेट), स्प्रेड और मसाले (हम्मस, गुआकामोल, सालसा, मेयोनेज़, जैतून का तेल, शहद), और अन्य सामान्य रूप से ट्रैक किए जाने वाले आइटम जैसे प्रोटीन पाउडर और ऊर्जा बाइट्स को कवर करती हैं।

पेय

लगभग 60 प्रविष्टियाँ जूस (संतरे का जूस, सेब का जूस, क्रैनबेरी का जूस), सॉफ्ट ड्रिंक्स (कोला, नींबू-चूना सोडा, अदरक का एले), खेल और ऊर्जा पेय, कॉफी पेय (काली कॉफी, लैट, कैप्पुचिनो, मोचा विभिन्न दूध के प्रकारों के साथ), स्मूथी के आधार, शराबी पेय (बीयर, शराब, स्पिरिट), और सामान्य जोड़ (क्रीम, चीनी, फ्लेवर्ड सिरप) को कवर करती हैं। पानी को शामिल नहीं किया गया है क्योंकि इसमें कोई मैक्रोन्यूट्रिएंट सामग्री नहीं है।

डेटा का प्रोग्रामेटिक उपयोग

CSV और JSON प्रारूप प्रदान करने का पूरा उद्देश्य यह है कि आप इस डेटा को सीधे अपने कोड में लोड कर सकें। यहाँ Python और JavaScript में कार्यशील उदाहरण दिए गए हैं।

Python: CSV लोड करना

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:
            # संख्यात्मक फ़ील्ड को स्ट्रिंग से परिवर्तित करें
            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')

# श्रेणी में सभी खाद्य पदार्थ खोजें
proteins = [f for f in foods if f['category'] == 'प्रोटीन']
print(f"प्रोटीन स्रोतों की संख्या: {len(proteins)}")

# कैलोरी के प्रति उच्चतम प्रोटीन खाद्य पदार्थ खोजें
foods_sorted = sorted(foods, key=lambda f: f['protein_g'] / max(f['calories_kcal'], 1), reverse=True)
print("\nप्रोटीन घनत्व (g प्रोटीन प्रति kcal) के अनुसार शीर्ष 10 खाद्य पदार्थ:")
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 प्रोटीन, {f['calories_kcal']} kcal)")

Python: JSON लोड करना

import json

def load_macro_json(filepath):
    with open(filepath, encoding='utf-8') as f:
        data = json.load(f)
    print(f"लोड किए गए {data['record_count']} खाद्य पदार्थ (संस्करण {data['version']})")
    return data['foods']

foods = load_macro_json('macro_reference_table.json')

# खाद्य नाम के अनुसार लुकअप डिक्शनरी बनाएं
lookup = {f['food_name'].lower(): f for f in foods}

# त्वरित लुकअप
chicken = lookup.get('चिकन ब्रेस्ट, बोनलेस स्किनलेस, पका हुआ')
if chicken:
    n = chicken['nutrients']
    print(f"चिकन ब्रेस्ट प्रति सेवा ({chicken['serving_description']}):")
    print(f"  कैलोरी: {n['calories_kcal']} kcal")
    print(f"  प्रोटीन: {n['protein_g']}g")
    print(f"  वसा: {n['total_fat_g']}g")
    print(f"  कार्ब्स: {n['total_carbs_g']}g")

JavaScript: JSON लोड करना

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

function loadMacroTable(filepath) {
  const raw = fs.readFileSync(filepath, 'utf-8');
  const data = JSON.parse(raw);
  console.log(`लोड किए गए ${data.record_count} खाद्य पदार्थ (संस्करण ${data.version})`);
  return data.foods;
}

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

// खाद्य पदार्थों को श्रेणी के अनुसार समूहित करें
const byCategory = {};
for (const food of foods) {
  if (!byCategory[food.category]) {
    byCategory[food.category] = [];
  }
  byCategory[food.category].push(food);
}

// सारांश प्रिंट करें
for (const [category, items] of Object.entries(byCategory)) {
  console.log(`${category}: ${items.length} खाद्य पदार्थ`);
}

// कम कैलोरी, उच्च फाइबर खाद्य पदार्थ खोजें
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('\nउच्च फाइबर, कम कैलोरी खाद्य पदार्थ:');
highFiber.slice(0, 10).forEach(f => {
  console.log(`  ${f.food_name}: ${f.nutrients.fiber_g}g फाइबर, ${f.nutrients.calories_kcal} kcal`);
});

JavaScript: ब्राउज़र में CSV लोड करना

// ब्राउज़र-आधारित CSV पार्सिंग (कोई निर्भरता नहीं)
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;
}

// उपयोग
const foods = await loadMacroCSV('/data/macro_reference_table.csv');
console.log(`लोड किए गए ${foods.length} खाद्य पदार्थ`);

ये उदाहरण सबसे सामान्य कार्यों को प्रदर्शित करते हैं: डेटा लोड करना, खोज करना और छानना, श्रेणी के अनुसार समूह बनाना, और पोषण घनत्व के अनुसार क्रमबद्ध करना। डेटा संरचनाएँ जानबूझकर सरल हैं ताकि आपको उनके साथ काम करने के लिए किसी विशेष पुस्तकालय की आवश्यकता न हो।

डेटा स्रोत

मैक्रो संदर्भ तालिकाएँ निम्नलिखित प्राथमिक स्रोतों से संकलित की गई हैं:

USDA SR Legacy Database. USDA मानक संदर्भ विरासत डेटाबेस अमेरिका के खाद्य संरचना के लिए मौलिक डेटा सेट है। इसमें 7,600 से अधिक खाद्य वस्तुओं के लिए प्रयोगशाला-विश्लेषित पोषक तत्व डेटा शामिल है। हमारी तालिकाएँ सामान्य/अनब्रांडेड खाद्य पदार्थों के लिए SR Legacy को प्राथमिक स्रोत के रूप में उपयोग करती हैं। हमने SR Legacy को नए FoodData Central FNDDS पर चुना क्योंकि SR Legacy मान अधिक व्यापक रूप से मान्य और पोषण अनुसंधान में उद्धृत होते हैं।

USDA FoodData Central. SR Legacy में शामिल नहीं किए गए खाद्य पदार्थों के लिए, विशेष रूप से नए खाद्य आइटम और अपडेटेड मान, हम FoodData Central के फाउंडेशन फूड्स और सर्वे फूड्स डेटा सेट का संदर्भ लेते हैं।

अंतर्राष्ट्रीय खाद्य संरचना डेटाबेस। उन खाद्य पदार्थों के लिए जो वैश्विक स्तर पर उपभोग किए जाते हैं लेकिन अमेरिका के डेटाबेस में नहीं दिखाई देते, हम सार्वजनिक स्वास्थ्य इंग्लैंड के मैककेंस और विडडोसन संरचना तालिकाओं, खाद्य मानक ऑस्ट्रेलिया न्यूज़ीलैंड (FSANZ) NUTTAB, कनाडाई पोषक तत्व फ़ाइल (CNF), और डेनिश खाद्य संरचना डेटाबैंक (Frida) से डेटा का क्रॉस-रेफरेंस करते हैं। यह विशेष रूप से उष्णकटिबंधीय फलों, क्षेत्रीय अनाज, और अमेरिका के बाहर सामान्य तैयारी के तरीकों के लिए प्रासंगिक है।

निर्माता डेटा। नाश्ते और पेय श्रेणियों में प्रसंस्कृत और ब्रांडेड आइटम के लिए, हम निर्माताओं द्वारा प्रदान किए गए पोषण तथ्यों के पैनल का संदर्भ लेते हैं। जहाँ निर्माता डेटा प्रयोगशाला विश्लेषण के साथ संघर्ष करता है, हम विसंगति को नोट करते हैं और प्रयोगशाला मानों को प्राथमिकता देते हैं।

सभी मानों को कम से कम दो स्वतंत्र स्रोतों के खिलाफ क्रॉस-रेफरेंस किया गया है। जहाँ स्रोत 10% से अधिक भिन्न होते हैं, हम कारण की जांच करते हैं (आमतौर पर विभिन्न तैयारी के तरीके या किस्मों के भिन्नता) और उस मान को चुनते हैं जो दर्शाता है कि खाद्य पदार्थ को सामान्यतः कैसे उपभोग किया जाता है।

डेटा सेट का संस्करण है। वर्तमान संस्करण 1.4.0 है, अंतिम अपडेट मार्च 2026 में किया गया था। हम प्रत्येक तिमाही तालिकाओं को अपडेट करते हैं ताकि सुधारों को शामिल किया जा सके, अनुरोधित खाद्य पदार्थों को जोड़ा जा सके, और स्रोत डेटाबेस में किसी भी महत्वपूर्ण परिवर्तनों को दर्शाया जा सके।

सुधार योगदान कैसे करें

पोषण डेटा स्वाभाविक रूप से अपूर्ण होता है। खाद्य संरचना क्षेत्र, मौसम, किस्म, और तैयारी के तरीके के अनुसार भिन्न होती है। यदि आप कोई त्रुटि पाते हैं या विश्वसनीय स्रोत द्वारा समर्थित सुधार है, तो हम इसके बारे में सुनना चाहते हैं।

सुधार प्रस्तुत करने के तीन तरीके हैं:

GitHub Issues. मैक्रो संदर्भ तालिकाएँ एक सार्वजनिक GitHub रिपॉजिटरी में होस्ट की गई हैं। एक मुद्दा खोलें जिसमें खाद्य नाम, वह फ़ील्ड जो आप मानते हैं कि गलत है, वर्तमान मान, वह मान जो आप मानते हैं कि सही है, और अपने स्रोत का लिंक शामिल करें। हम साप्ताहिक रूप से मुद्दों की समीक्षा करते हैं।

ईमेल. सुधारों को data@nutrola.com पर भेजें जिसमें वही जानकारी शामिल हो: खाद्य नाम, फ़ील्ड, वर्तमान मान, प्रस्तावित मान, और स्रोत। हम पांच कार्य दिवसों के भीतर उत्तर देंगे।

पुल अनुरोध। यदि आप Git के साथ सहज हैं, तो आप रिपॉजिटरी को फोर्क कर सकते हैं, CSV या JSON फ़ाइल को सीधे संपादित कर सकते हैं, और एक पुल अनुरोध प्रस्तुत कर सकते हैं। अपने स्रोत को PR विवरण में शामिल करें। हम उन सुधारों की समीक्षा करेंगे और उन्हें मर्ज करेंगे जो विश्वसनीय डेटा द्वारा समर्थित हैं।

हम इस प्रक्रिया के माध्यम से ब्रांडेड या स्वामित्व वाले उत्पादों के लिए प्रस्तुतियाँ स्वीकार नहीं करते हैं। वे Nutrola के मुख्य खाद्य डेटाबेस पाइपलाइन के माध्यम से संभाले जाते हैं, जिसमें अपना सत्यापन कार्यप्रवाह होता है।

Nutrola के API के साथ वास्तविक समय डेटा का एकीकरण

डाउनलोड करने योग्य मैक्रो संदर्भ तालिकाएँ एक स्थिर स्नैपशॉट हैं — ऑफ़लाइन उपयोग, एम्बेडेड एप्लिकेशन, शैक्षिक सामग्री, और त्वरित लुकअप के लिए उत्कृष्ट। लेकिन यदि आपको बड़े पैमाने पर वास्तविक समय पोषण डेटा की आवश्यकता है, तो Nutrola का Nutrition Data API इन तालिकाओं में सब कुछ और भी बहुत कुछ प्रदान करता है।

API में 3 मिलियन से अधिक खाद्य प्रविष्टियाँ शामिल हैं (जो संदर्भ तालिकाओं में 500+ की तुलना में है), इसमें पूर्ण सूक्ष्म पोषक तत्व प्रोफाइल शामिल हैं जिसमें प्रति आइटम 70+ पोषक तत्व, बारकोड स्कैनिंग, टेक्स्ट खोज, और ऑटो-कंप्लीट का समर्थन है, और 47 देशों से ब्रांडेड उत्पादों के लिए डेटा प्रदान करता है। यह वही डेटा है जो Nutrola ऐप को संचालित करता है, जिसका उपयोग हर दिन 2 मिलियन से अधिक लोग करते हैं।

डेवलपर्स के लिए: API RESTful है, JSON लौटाता है, और 500 अनुरोध प्रति दिन के साथ एक मुफ्त स्तर प्रदान करता है — प्रोटोटाइप और व्यक्तिगत परियोजनाओं के लिए पर्याप्त। भुगतान किए गए स्तर लाखों अनुरोधों तक बढ़ते हैं। आप पूरी दस्तावेज़ीकरण api.nutrola.com/docs पर पा सकते हैं।

शोधकर्ताओं और संस्थानों के लिए: हम उच्च दर सीमाओं और थोक निर्यात क्षमताओं के साथ शैक्षणिक लाइसेंस प्रदान करते हैं। विवरण के लिए research@nutrola.com से संपर्क करें।

मैक्रो संदर्भ तालिकाएँ और API एक-दूसरे को पूरक करते हैं। तालिकाओं का उपयोग ऑफ़लाइन कार्य, एम्बेडेड डेटा सेट, और उन स्थितियों में करें जहाँ आपको एक आत्म-निहित फ़ाइल की आवश्यकता होती है। API का उपयोग करें जब आपको चौड़ाई, गहराई, वास्तविक समय अपडेट, और खोज कार्यक्षमता की आवश्यकता हो।

अक्सर पूछे जाने वाले प्रश्न

मैक्रो संदर्भ तालिकाएँ कितनी बार अपडेट की जाती हैं?

हम तालिकाओं को लगभग हर तिमाही अपडेट करते हैं। प्रत्येक रिलीज को एक नया संस्करण संख्या मिलती है (वर्तमान संस्करण 1.4.0 है)। अपडेट में उपयोगकर्ताओं द्वारा प्रस्तुत सुधार, सामान्य अनुरोधित खाद्य पदार्थों का जोड़, और जब हमारे स्रोत डेटाबेस संशोधित मान प्रकाशित करते हैं, समायोजन शामिल होते हैं। JSON फ़ाइल में इसके मेटाडेटा में संस्करण और जनरेशन की तारीख शामिल होती है, ताकि आप प्रोग्रामेटिक रूप से यह जांच सकें कि आपके पास नवीनतम संस्करण है या नहीं।

क्या मैं इस डेटा का उपयोग अपने व्यावसायिक एप्लिकेशन में कर सकता हूँ?

हाँ। मैक्रो संदर्भ तालिकाएँ क्रिएटिव कॉमन्स एट्रिब्यूशन 4.0 (CC BY 4.0) लाइसेंस के तहत जारी की गई हैं। आप डेटा का उपयोग, संशोधन, और व्यक्तिगत और व्यावसायिक परियोजनाओं में पुनर्वितरित कर सकते हैं जब तक कि आप श्रेय प्रदान करते हैं। nutrola.com का एक लिंक या अपने डेटा क्रेडिट में "Nutrola Macro Reference Tables" का उल्लेख पर्याप्त है। आपको अनुमति मांगने या शुल्क का भुगतान करने की आवश्यकता नहीं है।

केवल 500+ खाद्य पदार्थ क्यों और Nutrola डेटाबेस का पूरा डेटा क्यों नहीं?

संदर्भ तालिकाएँ सबसे सामान्य उपभोग किए जाने वाले खाद्य पदार्थों का एक व्यावहारिक, उच्च गुणवत्ता वाला उपसमुच्चय होने के लिए डिज़ाइन की गई हैं। 500+ आइटमों को सात श्रेणियों में कवर करना अधिकांश देशों में दैनिक आधार पर लोगों द्वारा खाए जाने वाले लगभग 90% को संबोधित करता है। 3 मिलियन प्रविष्टियों में विस्तार करना कई उपयोग मामलों के लिए फ़ाइलों को भारी बना देगा (पूर्ण डेटाबेस 2 जीबी से अधिक है)। यदि आपको पूरा डेटा सेट चाहिए, तो Nutrola API सब कुछ तक पहुँच प्रदान करता है।

क्या मान प्रति सेवा या प्रति 100 ग्राम हैं?

प्रति सेवा। प्रत्येक प्रविष्टि में एक सेवा विवरण (जैसे, "1 मध्यम सेब (182g)") और संबंधित ग्राम वजन शामिल है, ताकि आप प्रत्येक पोषक तत्व मान को सेवा के वजन से विभाजित करके और 100 से गुणा करके प्रति-100 ग्राम मान में आसानी से परिवर्तित कर सकें। हमने सेवा-आधारित मानों को चुना क्योंकि वे भोजन ट्रैकिंग, भोजन योजना, और ग्राहक-फेसिंग एप्लिकेशनों के लिए अधिक तुरंत उपयोगी होते हैं।

मुझे डेटा को प्रति-100 ग्राम मान में परिवर्तित करने के लिए क्या करना चाहिए?

प्रत्येक पोषक तत्व मान को 100 से गुणा करें और सेवा_weight_g फ़ील्ड से विभाजित करें। उदाहरण के लिए, यदि चिकन ब्रेस्ट का सेवा आकार 170g में 53.4g प्रोटीन है, तो प्रति-100g प्रोटीन मान (53.4 * 100) / 170 = 31.4g है। यहाँ एक त्वरित Python फ़ंक्शन है:

def per_100g(food, nutrient_field):
    """एक सेवा के पोषक तत्व मान को प्रति-100g में परिवर्तित करें।"""
    serving_weight = food['serving_weight_g']
    if serving_weight == 0:
        return 0
    return round(food[nutrient_field] * 100 / serving_weight, 1)

यदि तालिका में मुझे आवश्यक खाद्य पदार्थ नहीं हैं तो मुझे क्या करना चाहिए?

पहले, देखें कि क्या कोई समान खाद्य पदार्थ एक अलग नाम के तहत मौजूद है — खाद्य नाम फ़ील्ड को खोजने के लिए अपने टेक्स्ट संपादक के खोज फ़ंक्शन या एक साधारण स्क्रिप्ट का उपयोग करें। यदि खाद्य पदार्थ वास्तव में शामिल नहीं है, तो आपके पास दो विकल्प हैं: हमारे GitHub रिपॉजिटरी के माध्यम से एक अनुरोध प्रस्तुत करें (हम मांग के आधार पर जोड़ियों को प्राथमिकता देते हैं), या Nutrola के API का उपयोग करें जिसमें 3 मिलियन से अधिक खाद्य पदार्थ शामिल हैं और जो आपकी आवश्यकता को पूरा करने की अधिक संभावना है। एक बार-बार लुकअप के लिए, Nutrola ऐप आपको मुफ्त में पूर्ण डेटाबेस खोजने की अनुमति देता है।