Tabelle di Riferimento Macro Gratuite: Scarica Dati Nutrizionali Completi in CSV e JSON

Che tu stia creando un'app di nutrizione, conducendo uno studio di ricerca, seguendo dei clienti o semplicemente desideri avere una scheda di riferimento affidabile sulla tua scrivania, hai bisogno di dati macro puliti in un formato con cui puoi lavorare. Esistono database governativi, ma sono vasti, incoerenti e formattati per burocrati piuttosto che per chi costruisce.

Abbiamo messo insieme un insieme di tabelle di riferimento macro gratuite che coprono oltre 500 alimenti comuni con dettagli completi sui macronutrienti. I dati sono disponibili sia in formato CSV che JSON, pronti per essere inseriti in un foglio di calcolo, un database, uno script o un'applicazione. Ogni voce è stata verificata contro fonti primarie e i file sono strutturati in modo da poterli utilizzare immediatamente, senza necessità di pulizia o trasformazione.

Questa pagina descrive esattamente cosa contiene le tabelle, come sono strutturati i dati, come caricarli programmaticamente e come contribuire con correzioni se trovi qualcosa che necessita di aggiornamenti.

Cosa È Incluso

Le tabelle di riferimento macro contengono oltre 500 dei cibi più comunemente consumati suddivisi in sette categorie principali. Per ogni alimento, ottieni:

• Nome dell'alimento — il nome standard in inglese utilizzato nella scienza della nutrizione
• Categoria — una delle sette categorie principali (ulteriori dettagli qui sotto)
• Sottocategoria — un raggruppamento più specifico all'interno della categoria principale
• Descrizione della porzione — una porzione leggibile dall'uomo (es. "1 banana media", "1 tazza cotta")
• Peso della porzione in grammi — l'equivalente in grammi di quella porzione
• Calorie — energia totale in chilocalorie (kcal)
• Proteine — grammi di proteine per porzione
• Grassi totali — grammi di grassi totali per porzione
• Grassi saturi — grammi di grassi saturi per porzione
• Carboidrati totali — grammi di carboidrati totali per porzione
• Fibre alimentari — grammi di fibre alimentari per porzione
• Zuccheri — grammi di zuccheri totali per porzione
• Sodio — milligrammi di sodio per porzione

Ogni valore è riportato in base alla porzione elencata, non per 100 grammi. Abbiamo scelto questo approccio perché i dati basati sulla porzione sono ciò di cui la maggior parte delle persone ha realmente bisogno quando tiene traccia dei pasti, crea piani alimentari o visualizza informazioni nutrizionali in un'interfaccia. Se hai bisogno di valori per 100 g, dividere per il peso della porzione e moltiplicare per 100 è semplice.

Le tabelle non includono micronutrienti oltre al sodio e alla fibra. Per profili completi di micronutrienti (vitamine, minerali, aminoacidi), consulta la sezione sull'API di Nutrola alla fine di questo articolo — è lì che si trovano i dati dettagliati.

Specifiche del Formato Dati

Formato CSV

Il file CSV utilizza la codifica UTF-8 con una riga di intestazione. I campi sono delimitati da virgole e i campi di testo sono racchiusi tra virgolette. Ecco come appare la struttura:

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
"Petto di Pollo, senza pelle, cotto","Proteine","Pollame","1 petto (170g)",170,284,53.4,6.2,1.7,0.0,0.0,0.0,126
"Salmon Atlantic, cotto","Proteine","Pesce e Frutti di Mare","1 filetto (154g)",154,280,39.3,12.4,2.5,0.0,0.0,0.0,109
"Riso Integrale, cotto","Cereali e Amidi","Cereali Integrali","1 tazza (195g)",195,216,5.0,1.8,0.4,44.8,3.5,0.7,10
"Banana, cruda","Frutta","Frutta Tropicale","1 media (118g)",118,105,1.3,0.4,0.1,27.0,3.1,14.4,1

Il file CSV è compatibile con Microsoft Excel, Google Sheets, LibreOffice Calc, Apple Numbers e qualsiasi linguaggio di programmazione con supporto per l'analisi CSV. Non è necessaria alcuna configurazione speciale: apri il file e verrà analizzato correttamente.

Formato JSON

Il file JSON contiene un array di oggetti, uno per ogni alimento. La struttura rispecchia i campi del CSV:

{
  "version": "1.4.0",
  "generated": "2026-03-12",
  "source": "Nutrola Macro Reference Tables",
  "record_count": 527,
  "foods": [
    {
      "food_name": "Petto di Pollo, senza pelle, cotto",
      "category": "Proteine",
      "subcategory": "Pollame",
      "serving_description": "1 petto (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
      }
    }
  ]
}

Il file JSON include campi di metadati a livello superiore: una stringa di versione per il tracciamento degli aggiornamenti, la data di generazione, il nome della fonte e il conteggio totale dei record. Questo rende facile verificare di avere l'ultima versione e di costruire una logica di controllo degli aggiornamenti nelle tue applicazioni.

I valori numerici sono memorizzati come numeri, non come stringhe. I valori nulli non appaiono: se un valore nutrizionale è sconosciuto, l'alimento è escluso dal dataset piuttosto che incluso con dati mancanti. Questa è stata una scelta deliberata per mantenere i dati puliti ed evitare errori silenziosi nei calcoli.

Descrizioni dei Campi

Ecco una panoramica dettagliata di ogni campo, inclusi unità, intervalli attesi e casi limite:

Campo	Tipo	Unità	Descrizione
food_name	string	—	Nome standard in inglese. Include il metodo di preparazione quando rilevante (es. "cotto", "crudo", "essiccato").
category	string	—	Una delle sette categorie principali. Vedi la sezione sulle categorie qui sotto.
subcategory	string	—	Un raggruppamento più specifico. Ad esempio, all'interno delle "Proteine" troverai "Pollame", "Carne Rossa", "Pesce e Frutti di Mare", "Legumi" e "Uova".
serving_description	string	—	Una porzione leggibile dall'uomo. Include sempre il peso in grammi tra parentesi.
serving_weight_g	number	grammi	Il peso numerico in grammi della porzione. Valori interi per la maggior parte degli alimenti, un decimale per gli alimenti dove la precisione è importante.
calories_kcal	number	kcal	Energia totale. Calcolata utilizzando il sistema Atwater (4 kcal/g proteine, 4 kcal/g carboidrati, 9 kcal/g grassi).
protein_g	number	grammi	Proteine totali. Precisione a un decimale.
total_fat_g	number	grammi	Grassi totali inclusi saturi, monoinsaturi e polinsaturi.
saturated_fat_g	number	grammi	Solo acidi grassi saturi.
total_carbs_g	number	grammi	Carboidrati totali inclusi fibre e zuccheri.
fiber_g	number	grammi	Fibre alimentari totali (solubili + insolubili).
sugar_g	number	grammi	Zuccheri totali (naturali + aggiunti). Il dataset non separa gli zuccheri aggiunti dagli zuccheri naturali.
sodium_mg	number	milligrammi	Contenuto di sodio. Nota che sono milligrammi, non grammi, a differenza degli altri campi nutrizionali.

Alcune note sulla precisione: tutti i valori nutrizionali sono arrotondati a un decimale. Questo corrisponde al livello di precisione dei dati di origine sottostanti. Riportare più decimali implicherebbe un falso livello di accuratezza — la composizione alimentare varia naturalmente dal 5 al 15% a seconda delle condizioni di crescita, della razza animale e dei metodi di preparazione.

Categorie Alimentari

I 500+ alimenti sono organizzati in sette categorie principali, ciascuna con più sottocategorie:

Proteine

Circa 95 voci che coprono pollame (petto di pollo, coscia, tacchino, tacchino macinato), carne rossa (sottospecie di manzo, manzo macinato a varie percentuali di grasso, lonza di maiale, agnello), pesce e frutti di mare (salmone, tonno, gamberi, merluzzo, tilapia, sardine), uova (intere, albumi, strapazzate) e proteine vegetali (tofu, tempeh, seitan, edamame). I legumi come lenticchie, ceci e fagioli neri sono inclusi qui piuttosto che nei cereali perché il loro ruolo nutrizionale principale è la fornitura di proteine.

Cereali e Amidi

Circa 80 voci che coprono cereali integrali (riso integrale, avena, quinoa, orzo, bulgur), cereali raffinati (riso bianco, pane bianco, pasta), verdure amidacee (patate, patate dolci, mais) e prodotti a base di cereali comuni (tortillas, bagel, cracker, couscous). Sono forniti valori sia cotti che secchi per i cereali dove la distinzione è importante.

Frutta

Circa 65 voci che coprono frutta fresca comune (mele, banane, arance, fragole, mirtilli, uva), frutta tropicale (mango, ananas, papaia, kiwi), frutta secca (uvetta, datteri, albicocche secche, mirtilli rossi) e frutta congelata. Tutte le voci di frutta fresca si riferiscono alla porzione edibile cruda — semi, bucce e noccioli sono esclusi dal peso della porzione dove applicabile.

Verdura

Circa 85 voci che coprono verdure a foglia (spinaci, cavolo, romaine, rucola), verdure crucifere (broccoli, cavolfiori, cavoletti di Bruxelles, cavolo), verdure a radice (carote, barbabietole, rape, ravanelli), allium (cipolle, aglio), piante della famiglia delle solanacee (pomodori, peperoni, melanzane) e altre verdure comuni (cetrioli, sedano, zucchine, funghi, asparagi). Sono forniti valori sia crudi che cotti per le verdure dove la cottura cambia significativamente la densità nutrizionale per porzione.

Latticini e Alternative

Circa 70 voci che coprono latte (intero, 2%, scremato e latte vegetale), yogurt (greco, normale, aromatizzato, vegetale), formaggio (cheddar, mozzarella, feta, ricotta, crema di formaggio, parmigiano), burro, panna e comuni alternative ai latticini (latte di mandorle, latte d'avena, latte di soia, yogurt di cocco). I latti e gli yogurt vegetali sono raggruppati qui piuttosto che in una categoria separata perché gli utenti tendono a considerarli sostituti diretti.

Snack e Alimenti Processati

Circa 75 voci che coprono noci e semi (mandorle, noci, arachidi, semi di chia, semi di lino, semi di girasole), burri di noci (burro di arachidi, burro di mandorle), cibi da snack comuni (pretzel, popcorn, barrette di cereali, barrette proteiche, mix per sentieri, patatine, cioccolato fondente), salse e condimenti (hummus, guacamole, salsa, maionese, olio d'oliva, miele) e altri articoli comunemente monitorati come polvere proteica e bocconcini energetici.

Bevande

Circa 60 voci che coprono succhi (succo d'arancia, succo di mela, succo di mirtillo), bibite (cola, soda al limone e lime, ginger ale), bevande sportive ed energetiche, bevande a base di caffè (caffè nero, latte, cappuccino, mocha con vari tipi di latte), basi per frullati, bevande alcoliche (birra, vino, superalcolici) e aggiunte comuni (panna, zucchero, sciroppi aromatizzati). L'acqua non è inclusa poiché non ha contenuto di macronutrienti.

Utilizzo dei Dati Programmaticamente

Lo scopo di fornire i formati CSV e JSON è che puoi caricare questi dati direttamente nel tuo codice. Ecco esempi funzionanti in Python e JavaScript.

Python: Caricamento del 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:
            # Converti i campi numerici da stringhe
            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')

# Trova tutti gli alimenti in una categoria
proteins = [f for f in foods if f['category'] == 'Proteine']
print(f"Trovati {len(proteins)} fonti di proteine")

# Trova gli alimenti con il più alto contenuto di proteine per caloria
foods_sorted = sorted(foods, key=lambda f: f['protein_g'] / max(f['calories_kcal'], 1), reverse=True)
print("\nTop 10 alimenti per densità proteica (g proteine per 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 di proteine, {f['calories_kcal']} kcal)")

Python: Caricamento del JSON

import json

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

foods = load_macro_json('macro_reference_table.json')

# Costruisci un dizionario di ricerca per nome dell'alimento
lookup = {f['food_name'].lower(): f for f in foods}

# Ricerca rapida
chicken = lookup.get('petto di pollo, senza pelle, cotto')
if chicken:
    n = chicken['nutrients']
    print(f"Petto di pollo per porzione ({chicken['serving_description']}):")
    print(f"  Calorie: {n['calories_kcal']} kcal")
    print(f"  Proteine: {n['protein_g']}g")
    print(f"  Grassi: {n['total_fat_g']}g")
    print(f"  Carboidrati: {n['total_carbs_g']}g")

JavaScript: Caricamento del JSON

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

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

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

// Raggruppa gli alimenti per categoria
const byCategory = {};
for (const food of foods) {
  if (!byCategory[food.category]) {
    byCategory[food.category] = [];
  }
  byCategory[food.category].push(food);
}

// Stampa il riepilogo
for (const [category, items] of Object.entries(byCategory)) {
  console.log(`${category}: ${items.length} alimenti`);
}

// Trova alimenti a basso contenuto calorico e ad alto contenuto di fibre
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('\nAlimenti ad alto contenuto di fibre e a basso contenuto calorico:');
highFiber.slice(0, 10).forEach(f => {
  console.log(`  ${f.food_name}: ${f.nutrients.fiber_g}g di fibre, ${f.nutrients.calories_kcal} kcal`);
});

JavaScript: Caricamento del CSV nel Browser

// Analisi CSV basata su browser (senza dipendenze)
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;
}

// Utilizzo
const foods = await loadMacroCSV('/data/macro_reference_table.csv');
console.log(`Caricati ${foods.length} alimenti`);

Questi esempi dimostrano le operazioni più comuni: caricamento dei dati, ricerca e filtraggio, raggruppamento per categoria e ordinamento per densità nutrizionale. Le strutture dati sono intenzionalmente semplici in modo da non richiedere librerie speciali per lavorarci.

Fonti Dati

Le tabelle di riferimento macro sono compilate dalle seguenti fonti primarie:

Database USDA SR Legacy. Il database di riferimento standard USDA è il dataset fondamentale per la composizione alimentare negli Stati Uniti. Contiene dati nutrizionali analizzati in laboratorio per oltre 7.600 alimenti. Le nostre tabelle utilizzano SR Legacy come fonte primaria per alimenti generici/non marchiati. Abbiamo scelto SR Legacy rispetto al più recente FoodData Central FNDDS perché i valori di SR Legacy sono più ampiamente validati e citati nella ricerca nutrizionale.

USDA FoodData Central. Per alimenti non coperti da SR Legacy, in particolare articoli più recenti e valori aggiornati, facciamo riferimento ai dataset Foundation Foods e Survey Foods di FoodData Central.

Database internazionali di composizione alimentare. Per alimenti consumati a livello globale ma che potrebbero non apparire nei database statunitensi, incrociamo i dati con le tabelle di composizione McCance e Widdowson di Public Health England, NUTTAB di Food Standards Australia New Zealand (FSANZ), il Canadian Nutrient File (CNF) e il Danish Food Composition Databank (Frida). Questo è particolarmente rilevante per frutta tropicale, cereali regionali e metodi di preparazione comuni al di fuori degli Stati Uniti.

Dati dei produttori. Per articoli lavorati e marchiati nelle categorie snack e bevande, facciamo riferimento ai pannelli nutrizionali forniti dai produttori. Dove i dati del produttore sono in conflitto con l'analisi di laboratorio, annotiamo la discrepanza e diamo priorità ai valori di laboratorio.

Tutti i valori sono stati incrociati con almeno due fonti indipendenti. Dove le fonti discordano di oltre il 10%, abbiamo indagato sulla causa (di solito diversi metodi di preparazione o differenze di cultivar) e selezionato il valore più rappresentativo di come l'alimento è tipicamente consumato.

Il dataset è versionato. L'attuale versione è 1.4.0, aggiornata a marzo 2026. Aggiorniamo le tabelle circa ogni trimestre per incorporare correzioni, aggiungere alimenti richiesti e riflettere eventuali cambiamenti significativi nei database di origine.

Come Contribuire Correzioni

I dati nutrizionali sono intrinsecamente imperfetti. La composizione alimentare varia per regione, stagione, cultivar e metodo di preparazione. Se trovi un errore o hai una correzione supportata da una fonte affidabile, vogliamo saperlo.

Ci sono tre modi per inviare correzioni:

GitHub Issues. Le tabelle di riferimento macro sono ospitate in un repository pubblico su GitHub. Apri un problema con il nome dell'alimento, il campo che ritieni errato, il valore attuale, il valore che credi sia corretto e un link alla tua fonte. Esaminiamo i problemi settimanalmente.

Email. Invia correzioni a data@nutrola.com con le stesse informazioni: nome dell'alimento, campo, valore attuale, valore proposto e fonte. Risponderemo entro cinque giorni lavorativi.

Pull requests. Se ti senti a tuo agio con Git, puoi forkare il repository, modificare direttamente il file CSV o JSON e inviare una pull request. Includi la tua fonte nella descrizione della PR. Esamineremo e uniremo le correzioni supportate da dati affidabili.

Non accettiamo invii per prodotti marchiati o proprietari attraverso questo processo. Questi vengono gestiti attraverso il principale pipeline di database alimentari di Nutrola, che ha un proprio flusso di lavoro di verifica.

Integrazione con l'API di Nutrola per Dati in Tempo Reale

Le tabelle di riferimento macro scaricabili sono uno snapshot statico — ottime per uso offline, applicazioni incorporate, materiali educativi e ricerche rapide. Ma se hai bisogno di dati nutrizionali in tempo reale su larga scala, l'API di Nutrola fornisce tutto ciò che è contenuto in queste tabelle e molto di più.

L'API copre oltre 3 milioni di voci alimentari (rispetto a 500+ nelle tabelle di riferimento), include profili completi di micronutrienti con oltre 70 nutrienti per articolo, supporta la scansione di codici a barre, la ricerca di testo e l'autocompletamento, e fornisce dati per prodotti marchiati provenienti da 47 paesi. È lo stesso dato che alimenta l'app Nutrola utilizzata da oltre 2 milioni di persone ogni giorno.

Per gli sviluppatori: l'API è RESTful, restituisce JSON e offre un piano gratuito con 500 richieste al giorno — sufficiente per prototipazione e progetti personali. I piani a pagamento si scalano fino a milioni di richieste. Puoi trovare la documentazione completa su api.nutrola.com/docs.

Per ricercatori e istituzioni: offriamo licenze accademiche con limiti di velocità elevati e capacità di esportazione in blocco. Contatta research@nutrola.com per dettagli.

Le tabelle di riferimento macro e l'API si completano a vicenda. Usa le tabelle per lavoro offline, dataset incorporati e situazioni in cui hai bisogno di un file autonomo. Usa l'API quando hai bisogno di ampiezza, profondità, aggiornamenti in tempo reale e funzionalità di ricerca.

Domande Frequenti

Con quale frequenza vengono aggiornate le tabelle di riferimento macro?

Aggiorniamo le tabelle circa ogni trimestre. Ogni rilascio riceve un nuovo numero di versione (l'attuale versione è 1.4.0). Gli aggiornamenti includono correzioni inviate dagli utenti, aggiunte di alimenti comunemente richiesti e aggiustamenti quando i nostri database di origine pubblicano valori rivisti. Il file JSON include la versione e la data di generazione nei suoi metadati, così puoi controllare programmaticamente se hai l'ultima versione.

Posso utilizzare questi dati nella mia applicazione commerciale?

Sì. Le tabelle di riferimento macro sono rilasciate sotto una licenza Creative Commons Attribution 4.0 (CC BY 4.0). Puoi utilizzare, modificare e ridistribuire i dati sia in progetti personali che commerciali, purché fornisca attribuzione. Un link a nutrola.com o una menzione delle "Tabelle di Riferimento Macro Nutrola" nei tuoi crediti dati è sufficiente. Non è necessario richiedere permesso o pagare una tassa.

Perché solo 500+ alimenti e non l'intero database di Nutrola?

Le tabelle di riferimento sono progettate per essere un sottoinsieme pratico e di alta qualità dei cibi più comunemente consumati. Coprire oltre 500 articoli in sette categorie affronta circa il 90% di ciò che le persone mangiano quotidianamente nella maggior parte dei paesi. Espandere a 3 milioni di voci renderebbe i file ingombranti per molti casi d'uso (l'intero database supera i 2 GB). Se hai bisogno dell'intero dataset, l'API di Nutrola fornisce accesso a tutto.

I valori sono per porzione o per 100 grammi?

Per porzione. Ogni voce include una descrizione della porzione (es. "1 mela media (182g)") e il peso corrispondente in grammi, quindi puoi facilmente convertire in valori per 100 g dividendo ogni valore nutrizionale per il peso della porzione e moltiplicando per 100. Abbiamo scelto valori per porzione perché sono più immediatamente utili per il monitoraggio dei pasti, la pianificazione dei pasti e le applicazioni rivolte ai clienti.

Come posso convertire i dati in valori per 100 g?

Moltiplica ciascun valore nutrizionale per 100 e dividi per il campo serving_weight_g. Ad esempio, se una porzione di petto di pollo di 170 g contiene 53.4 g di proteine, il valore per 100 g di proteine è (53.4 * 100) / 170 = 31.4 g. Ecco una funzione Python rapida:

def per_100g(food, nutrient_field):
    """Converti un valore nutrizionale per porzione in per-100g."""
    serving_weight = food['serving_weight_g']
    if serving_weight == 0:
        return 0
    return round(food[nutrient_field] * 100 / serving_weight, 1)

Cosa devo fare se un alimento di cui ho bisogno non è nella tabella?

Prima controlla se esiste un alimento simile con un nome diverso — usa la funzione di ricerca del tuo editor di testo o uno script semplice per cercare nel campo food_name. Se l'alimento non è realmente incluso, hai due opzioni: inviare una richiesta attraverso il nostro repository GitHub (daremo priorità alle aggiunte in base alla domanda), oppure utilizzare l'API di Nutrola che copre oltre 3 milioni di alimenti e ha molte più probabilità di avere ciò di cui hai bisogno. Per ricerche occasionali, l'app Nutrola stessa ti consente di cercare l'intero database gratuitamente.