Nutrola Open Food Nutrition Dataset: 500K+ Livsmedel Tillgängliga för Nedladdning

Bra näringsdata är svårt att hitta. Forskare lägger veckor på att rensa statliga databaser. Utvecklare skriver skröpliga skrapor som går sönder varje månad. Studenter som skriver examensarbeten nöjer sig med små, föråldrade urval eftersom det inte är realistiskt att sammanställa en omfattande dataset från grunden inom en akademisk tidsram.

Vi byggde Nutrola's livsmedelsdatabas för att stödja vår kalorispårningsapp, och under de senaste tre åren har vi investerat mycket i att göra dessa data korrekta, omfattande och välstrukturerade. Idag släpper vi en kuraterad delmängd av den databasen som ett öppet dataset: över 500 000 verifierade livsmedelsposter tillgängliga för gratis nedladdning i CSV- och JSON-format.

Detta inlägg täcker allt du behöver veta om datasetet — vad som ingår, hur du laddar ner det, schemat, licensiering, kvalitetsmetodik och hur det jämförs med andra offentligt tillgängliga källor för näringsdata.

Vad Innehåller Datasetet

Nutrola Open Food Nutrition Dataset innehåller över 500 000 livsmedelsposter som spänner över råvaror, generiska livsmedel, varumärkesprodukter och vanliga restaurangrätter. Varje post har verifierats genom vår flerlagers kvalitetskontroll, samma system som beskrivs i detalj i vårt inlägg om hur vi byggde vår livsmedelsdatabas.

Varje livsmedelspost inkluderar följande datapunkter:

• Livsmedelsnamn — det vanliga namnet på livsmedelsprodukten på engelska, med varumärkesnamn där det är tillämpligt
• Kalorier — energiinnehåll i kilokalorier (kcal) per 100 gram och per portion
• Makronäringsämnen — protein, totalt fett, mättat fett, transfett, totalt kolhydrater, kostfiber, totalt socker och tillsatt socker, allt i gram
• Mikronäringsämnen — 30+ vitaminer och mineraler inklusive vitamin A, vitamin C, vitamin D, vitamin E, vitamin K, tiamin, riboflavin, niacin, vitamin B6, folat, vitamin B12, kalcium, järn, magnesium, fosfor, kalium, natrium, zink, koppar, mangan, selen och mer
• Portionsstorlekar — beskrivning av standard portionsstorlek (t.ex. "1 medelstor äpple," "1 kopp kokt"), portionsvikt i gram och upp till tre alternativa portionsstorlekar per livsmedel
• Livsmedelskategori — hierarkisk klassificering med vår interna taxonomi (t.ex. Mejeri > Ost > Hård Ost)
• Ursprungsland — det primära landet eller regionen där livsmedelsprodukten säljs eller ingrediensen vanligtvis konsumeras
• Streckkod (där tillgänglig) — UPC eller EAN-koder för varumärkesprodukter
• Datakälltaggar — ursprungsindikatorer som visar om posten härstammar från statliga databaser, tillverkarens data, laboratorieanalys eller vårt interna verifieringsteam

Exempeldata

Här är ett urval av poster från datasetet för att ge dig en känsla för strukturen och detaljerna:

food_id	food_name	category	country	calories_per_100g	protein_g	fat_g	carbs_g	fiber_g	serving_desc	serving_g
NF-001247	Kycklingbröst, Rått, Utan Skinn	Fågel > Kyckling	US	120	22.5	2.6	0.0	0.0	1 bröst (174g)	174
NF-008391	Fage Total 0% Grekisk Yoghurt	Mejeri > Yoghurt > Grekisk	GR	54	10.3	0.0	3.0	0.0	1 behållare (150g)	150
NF-014205	Basmati Ris, Vitt, Kokt	Spannmål > Ris	IN	130	2.7	0.3	28.2	0.4	1 kopp (158g)	158
NF-022876	Avokado, Hass, Rå	Frukter > Tropiska	MX	160	2.0	14.7	8.5	6.7	1/2 avokado (68g)	68
NF-031560	Barilla Penne Rigate, Torr	Pasta > Torkad	IT	359	12.5	2.0	71.2	3.0	2 oz (56g)	56
NF-045892	Kimchi, Traditionell Napa Kål	Grönsaker > Fermenterade	KR	15	1.1	0.5	2.4	1.6	1/2 kopp (75g)	75
NF-053714	Lax, Atlantisk, Rå, Odlad	Fisk > Lax	NO	208	20.4	13.4	0.0	0.0	1 filé (113g)	113
NF-067283	Kikärtor, Konserverade, Avrunna	Baljväxter > Bönor	US	119	6.3	2.0	18.2	5.4	1/2 kopp (120g)	120

Det fullständiga datasetet innehåller många fler kolumner för mikronäringsämnen, alternativa portionsstorlekar, streckkodsdata och källtaggar. Tabellen ovan visar de centrala näringsfälten.

Dataformat

Datasetet finns i två format:

CSV

CSV-filen använder UTF-8-kodning med kommatecken som avgränsare. Den första raden innehåller kolumnrubriker. Fält som innehåller kommatecken är inneslutna i dubbla citattecken. Null-värden representeras som tomma fält.

CSV-formatet är idealiskt för kalkylblad som Excel och Google Sheets, statistisk mjukvara som R och SPSS, och snabb datautforskning med kommandoradsverktyg som csvkit eller xsv.

Fil: nutrola-open-food-dataset-v3.csv (ungefär 210 MB okomprimerad, 48 MB gzippad)

JSON

JSON-filen innehåller en array av objekt, ett per livsmedelspost. Nästa objekt används för strukturerade fält som portionsstorlekar (som innehåller en beskrivning, gramvikt och milliliter-ekvivalent där det är tillämpligt) och mikronäringsprofiler.

JSON-formatet är bättre lämpat för applikationsutveckling, databasimporter och arbetsflöden där du behöver bevara den hierarkiska strukturen av portionsstorlekar och näringsgrupper.

Fil: nutrola-open-food-dataset-v3.json (ungefär 340 MB okomprimerad, 62 MB gzippad)

Båda filerna finns också som gzip-komprimerade arkiv för att minska nedladdningstider.

Dataschema

Här är det fullständiga schemat med beskrivningar för varje fält i datasetet:

Fält Namn	Typ	Beskrivning
food_id	string	Unik Nutrola identifierare för livsmedelsposten (format: NF-XXXXXX)
food_name	string	Vanligt namn på livsmedlet, inklusive varumärke där tillämpligt
category_l1	string	Toppnivå livsmedelskategori (t.ex. Mejeri, Spannmål, Frukter)
category_l2	string	Andra nivån kategori (t.ex. Ost, Ris, Tropisk)
category_l3	string	Tredje nivån kategori där tillämpligt (t.ex. Hård Ost, Brunt Ris)
country	string	ISO 3166-1 alpha-2 landskod som anger primär marknad
brand	string	Varumärkesnamn för varumärkesprodukter; null för generiska livsmedel
barcode	string	UPC/EAN streckkod; null om inte tillämpligt
calories_per_100g	float	Energi i kcal per 100 gram
protein_g	float	Protein i gram per 100g
fat_total_g	float	Totalt fett i gram per 100g
fat_saturated_g	float	Mättat fett i gram per 100g
fat_trans_g	float	Transfett i gram per 100g
carbs_total_g	float	Totalt kolhydrater i gram per 100g
fiber_g	float	Kostfiber i gram per 100g
sugars_total_g	float	Totalt socker i gram per 100g
sugars_added_g	float	Tillsatt socker i gram per 100g
sodium_mg	float	Natrium i milligram per 100g
cholesterol_mg	float	Kolesterol i milligram per 100g
vitamin_a_mcg	float	Vitamin A i mikrogram RAE per 100g
vitamin_c_mg	float	Vitamin C i milligram per 100g
vitamin_d_mcg	float	Vitamin D i mikrogram per 100g
calcium_mg	float	Kalcium i milligram per 100g
iron_mg	float	Järn i milligram per 100g
potassium_mg	float	Kalium i milligram per 100g
magnesium_mg	float	Magnesium i milligram per 100g
zinc_mg	float	Zink i milligram per 100g
phosphorus_mg	float	Fosfor i milligram per 100g
selenium_mcg	float	Selen i mikrogram per 100g
vitamin_b6_mg	float	Vitamin B6 i milligram per 100g
vitamin_b12_mcg	float	Vitamin B12 i mikrogram per 100g
folate_mcg	float	Folat i mikrogram DFE per 100g
vitamin_e_mg	float	Vitamin E i milligram per 100g
vitamin_k_mcg	float	Vitamin K i mikrogram per 100g
thiamin_mg	float	Tiamin (B1) i milligram per 100g
riboflavin_mg	float	Riboflavin (B2) i milligram per 100g
niacin_mg	float	Niacin (B3) i milligram per 100g
copper_mg	float	Koppar i milligram per 100g
manganese_mg	float	Mangan i milligram per 100g
serving_1_desc	string	Primär beskrivning av portionsstorlek (t.ex. "1 kopp kokt")
serving_1_g	float	Primär portionsstorlek vikt i gram
serving_2_desc	string	Alternativ beskrivning av portionsstorlek; null om inte tillgänglig
serving_2_g	float	Alternativ portionsstorlek vikt i gram
serving_3_desc	string	Andra alternativa beskrivningen av portionsstorlek; null om inte tillgänglig
serving_3_g	float	Andra alternativa portionsstorlek vikt i gram
data_source	string	Proveniens tagg: "statlig", "tillverkare", "laboratorium" eller "verifierad_gemenskap"
last_verified	string	ISO 8601 datum när posten senast verifierades (YYYY-MM-DD)
dataset_version	string	Dataset version identifierare (t.ex. "v3.0")

Alla näringsvärden uttrycks per 100 gram för att möjliggöra konsekventa jämförelser. För att beräkna näringsinnehåll per portion, multiplicera värdet per 100g med portionsvikten i gram och dela med 100.

Hur man Laddar Ner

Datasetet finns på vårt offentliga GitHub-repository:

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

Du kan ladda ner filerna direkt från GitHub Releases-sidan, eller klona repositoryt:

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

För de komprimerade versionerna:

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

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

Repositoryt innehåller också:

• En detaljerad README.md med snabbstartsinstruktioner
• En CHANGELOG.md som dokumenterar ändringar mellan datasetversioner
• En scripts/-mapp med exempel på Python- och R-skript för att ladda, filtrera och analysera data
• En schema/-mapp med JSON Schema och CSV-dialektdefinitioner

Om du behöver den fullständiga databasen med över 3 miljoner poster med realtidsuppdateringar snarare än periodiska ögonblicksbilder, se vår Nutrition Data API för utvecklaråtkomst.

Användningsområden

Akademisk Forskning

Näringsforskare kan använda datasetet för analyser av kostmönster, epidemiologisk modellering och studier av näringstäthet utan att spendera veckor på att rensa och sammanfoga statliga datafiler. Det hierarkiska kategorisystemet gör det enkelt att filtrera efter livsmedelsgrupper, och fältet för land möjliggör tvärkulturella jämförelser.

Publicerad forskning som använder datasetet bör citera det som: Nutrola Open Food Nutrition Dataset, v3.0 (2026). Tillgänglig på github.com/nutrola/open-food-nutrition-dataset. Licensierad under CC BY-SA 4.0.

Applikationsutveckling

Utvecklare som bygger hälso-, fitness- eller livsmedelsrelaterade applikationer kan använda datasetet som en lokal livsmedelsdatabas. Den konsekventa schemat och data om portionsstorlekar innebär att du kan bygga en funktion för livsmedelsloggning utan att behöva förlita dig på en live API-anslutning. Detta är särskilt användbart för offline-först mobilappar, prototyper och hackathonprojekt.

CSV-formatet laddas direkt in i SQLite, PostgreSQL eller vilken som helst relationsdatabas. JSON-formatet passar bra för dokumentlagring som MongoDB eller Firestore.

Data Science och Maskininlärning

Datasetet är väl lämpat för att träna och utvärdera maskininlärningsmodeller relaterade till livsmedel och näring. Vanliga tillämpningar inkluderar:

• Livsmedelsklassificeringsmodeller — använd kategorihierarkin som träningsetiketter för att bygga klassificerare som förutsäger livsmedelskategorier från namn eller näringsprofiler
• Näringsuppskattning — träna regressionsmodeller som förutsäger kalori- eller makroinnehåll från partiell information (t.ex. uppskatta kalorier från protein-, fett- och kolhydratsförhållanden)
• Rekommendationssystem — bygg livsmedelsrekommendationsmotorer som föreslår näringsmässigt liknande alternativ
• Avvikelsedetektering — identifiera ovanliga näringsprofiler som kan indikera kvalitetsproblem i andra dataset

Utbildning

Studenter och lärare inom näringsvetenskap kan använda datasetet för kursarbete, labbar och uppgifter. Datans bredd — som täcker livsmedel från dussintals länder och spänner över alla större livsmedelsgrupper — gör den användbar för att lära ut koncept som makronäringsämnesförhållanden, mikronäringsämnesdensitet och hur näringsprofiler varierar mellan kök och livsmedelsbearbetningsnivåer.

Folkhälsa och Policy

Folkhälsorganisationer kan använda datan för att analysera den näringsmässiga landskapet för specifika livsmedelskategorier eller marknader. Fältet för land möjliggör filtrering efter region, och fältet för varumärke möjliggör analys av näringskvaliteten hos varumärkes- vs. generiska livsmedel.

Kvalitetsmetodik för Data

Att släppa ett öppet dataset betyder ingenting om datan inte är pålitlig. Här är hur vi säkerställer kvaliteten över de 500 000+ posterna i denna release.

Verifiering från Flera Källor

Varje post i datasetet har verifierats mot minst två oberoende källor. Våra primära datakällor inkluderar:

• Statliga näringsdatabaser — USDA FoodData Central (USA), CoFID (Storbritannien), NUTTAB (Australien), CNF (Kanada) och motsvarande databaser från 20+ länder
• Tillverkardata — näringsdeklarationer som skickats direkt av livsmedelstillverkare genom vårt varumärkessamarbetsprogram
• Laboratorieanalys — oberoende laboratorietester utförda av vårt team för livsmedel med hög volym där källdata är motstridiga eller föråldrade
• Verifierade gemenskapsinlämningar — användargenererade poster som har passerat vår trestegsverifieringsprocess (automatiserad korsreferens, expertgranskning och statistisk avvikelsedetektering)

Automatiserade Kvalitetskontroller

Varje post passerar genom en serie automatiserade kontroller innan den går in i datasetet:

• Energibalansvalidering — kaloriantalet kontrolleras mot Atwater-beräkningen (4 kcal/g protein + 9 kcal/g fett + 4 kcal/g kolhydrater). Poster där de angivna kalorierna avviker från det beräknade värdet med mer än 10% flaggas för manuell granskning.
• Omfångskontroller — varje näringsvärde valideras mot fysiologiskt rimliga intervall för livsmedelskategorin. En ostpost som påstår sig ha 0 gram fett eller en fruktpost som påstår sig ha 50 gram protein flaggas omedelbart.
• Korspostkonsistens — liknande livsmedel jämförs statistiskt. Om en ny kycklingbröstpost har betydligt olika värden från den befintliga klustret av kycklingbröstposter hålls den för granskning.
• Validering av portionsstorlek — portionsvikter kontrolleras mot kända standardportioner. En "1 medelstor äpple" som påstår sig väga 500 gram klarar inte.

Manuell Granskning

Poster som flaggas av automatiserade kontroller går igenom manuell granskning av vårt datateam, som inkluderar legitimerade nutritionister och livsmedelsforskare. Ungefär 12% av posterna kräver någon form av manuell korrigering innan de godkänns.

Löpande Underhåll

Datasetet är inte en engångsutlämning. Vi verifierar poster på en rullande basis, med prioritet på livsmedel med hög volym (de som oftast loggas av Nutrola-användare) och poster vars källdata har uppdaterats. När en livsmedelstillverkare reformulerar en produkt fångar vi förändringen genom vårt streckkodövervakningssystem och uppdaterar posten därefter.

Uppdateringsfrekvens

Vi publicerar nya versioner av det öppna datasetet kvartalsvis. Varje release inkluderar:

• Nya livsmedelsposter som lagts till sedan den föregående versionen
• Korrigeringar av befintliga poster som identifierats genom vår kvalitetsövervakning
• Uppdaterad näringsdata för reformulerade produkter
• Utökad mikronäringstäckning där ny källdata blir tillgänglig

Den aktuella versionen är v3.0, släppt i mars 2026. Versionshistorik och ändringsloggar finns tillgängliga i GitHub-repositoryt.

Om du behöver data som uppdateras oftare än kvartalsvis, återspeglar vår Nutrition Data API förändringar inom 48 timmar.

Licens

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

Detta innebär att du har rätt att:

• Dela — kopiera och återdistribuera datasetet i vilket medium eller format som helst
• Anpassa — remix, transformera och bygga vidare på datasetet för vilket syfte som helst, inklusive kommersiellt bruk

Under följande villkor:

• Attribution — du måste ge lämplig kredit till Nutrola, tillhandahålla en länk till licensen och ange om ändringar gjordes
• ShareAlike — om du remixar, transformerar eller bygger vidare på datasetet, måste du distribuera dina bidrag under samma CC BY-SA 4.0-licens

Vi valde CC BY-SA 4.0 eftersom det slår en bra balans mellan öppenhet och att säkerställa att förbättringar flödar tillbaka till gemenskapen. Om du bygger en bättre version av dessa data, ser licensen till att dina förbättringar förblir tillgängliga för alla andra också.

Hur Det Jämförs med Andra Dataset

Det finns flera offentligt tillgängliga näringsdataset. Här är hur Nutrola Open Food Nutrition Dataset jämförs med de två mest använda alternativen.

vs. USDA FoodData Central

USDA FoodData Central är guldstandarden för näringsdata i USA. Den är grundlig, väl dokumenterad och stöds av laboratorieanalys. Men den har begränsningar som Nutrola-datasetet adresserar:

Dimension	USDA FoodData Central	Nutrola Open Dataset
Totalt antal poster	~400 000 (Foundation, SR Legacy, Branded kombinerat)	500 000+
Geografisk täckning	Främst USA	47 länder
Varumärkesprodukter	Endast amerikanska varumärken, ofta föråldrade	Internationella varumärken, verifierade kvartalsvis
Dataformat	Flera inkompatibla filformat, komplex relationsstruktur	En enda CSV- eller JSON-fil, platt struktur
Portionsstorlekar	Inkonsistenta över underdatabaser	Standardiserat format med upp till 3 portioner per livsmedel
Användarvänlighet	Kräver betydande dataengineering för att sammanfoga underdatabaser	Ladda ner en fil och börja arbeta
Uppdateringsfrekvens	Varierar beroende på underdatabas (årligen för vissa)	Kvartalsvis

Om ditt arbete är fokuserat enbart på amerikanska livsmedel och du behöver den djupaste möjliga näringsprofilen (USDA täcker 150+ näringsämnen för Foundation-livsmedel), är FoodData Central det bättre valet. Om du behöver internationell täckning, konsekvent formatering och ett dataset som fungerar direkt, är Nutrola-datasetet det starkare alternativet.

De två dataset är komplementära. Många forskare använder USDA Foundation-data för detaljerad amerikansk näringsanalys och kompletterar med Nutrola-data för internationell täckning och varumärkesprodukter.

vs. Open Food Facts

Open Food Facts är en crowdsourcad databas med över 3 miljoner poster. Den har imponerande omfattning och täcker produkter från många länder. Men dess crowdsourcade natur medför utmaningar för datakvaliteten:

Dimension	Open Food Facts	Nutrola Open Dataset
Totalt antal poster	3M+	500 000+
Datakvalitet	Variabel — crowdsourcad med automatiserade kontroller	Verifierad — fler källor, granskad av människor
Fullständighet	Många poster saknar makro/mikrodata	Alla poster har fullständiga makrodata; 90%+ har fullständiga mikroprofiler
Portionsstorlekar	Inkonsistenta, ofta saknas	Standardiserade, alltid närvarande
Kategoritaxonomi	Crowdsourcade taggar, inkonsistent	Hierarkisk, kuraterad taxonomi
Näringstäckning	Varierar mycket per post	Konsekventa 40+ näringsämnen över alla poster
Dataformat	MongoDB dump, komplex nästlad JSON	Ren CSV och JSON
Licens	Öppen databaslicens (ODbL)	CC BY-SA 4.0

Open Food Facts excellerar i bredd — om du behöver slå upp en specifik obskyr produkt via streckkod har de sannolikt den. Nutrola-datasetet excellerar i djup och konsekvens — varje post uppfyller samma kvalitetsstandard, vilket gör det mer pålitligt för kvantitativ analys där datagap eller fel kan snedvrida resultaten.

Om du bygger en streckkodsscanner-app och behöver maximal produktövergripande täckning är Open Food Facts en bra utgångspunkt. Om du tränar en maskininlärningsmodell, genomför statistisk forskning eller bygger en app där näringsnoggrannhet är viktig, kommer Nutrola-datasetets verifierade data ge dig en starkare grund.

Komma Igång

När du har laddat ner datasetet, här är ett snabbt exempel på hur du laddar och utforskar det i Python:

import pandas as pd

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

# Grundläggande översikt
print(f"Totalt antal poster: {len(df):,}")
print(f"Länder som täcks: {df['country'].nunique()}")
print(f"Livsmedelskategorier (L1): {df['category_l1'].nunique()}")

# Hitta högproteinhaltiga, låga kalori livsmedel
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))

# Analysera genomsnittliga makron per livsmedelskategori
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))

Fler exempel — inklusive R-skript, SQL-importguider och Jupyter-notebooks — finns tillgängliga i scripts/-mappen i GitHub-repositoryt.

Vanliga Frågor

Är datasetet verkligen gratis att använda?

Ja. Nutrola Open Food Nutrition Dataset släpps under CC BY-SA 4.0-licensen, som tillåter kommersiell och icke-kommersiell användning. De enda kraven är att du ger kredit till Nutrola som källa och att eventuella härledda dataset du distribuerar använder samma licens. Det finns inga API-nycklar, inga användningsgränser och ingen registrering krävs för att ladda ner filerna.

Hur ofta uppdateras datasetet?

Vi publicerar nya versioner kvartalsvis. Varje release lägger till nya livsmedelsposter, korrigerar eventuella fel som identifierats sedan den föregående versionen och uppdaterar poster för produkter som har reformulerats. GitHub-repositoryts Releases-sida har hela versionshistoriken, och du kan följa repositoryt för att få meddelanden när nya versioner publiceras.

Kan jag använda detta dataset för att bygga en kommersiell app?

Ja. CC BY-SA 4.0-licensen tillåter uttryckligen kommersiell användning. Du kan använda datan i en betald app, en SaaS-produkt eller i vilket annat kommersiellt sammanhang som helst. Du måste inkludera attribution till Nutrola i din app eller dokumentation, och om du distribuerar en modifierad version av datasetet självt, måste den modifierade versionen också licensieras under CC BY-SA 4.0. Att använda datan inom din app (utan att återdistribuera det råa datasetet) utlöser inte ShareAlike-kravet.

Varför bara 500K poster när Nutrola's fulla databas har 3 miljoner+?

Det öppna datasetet innehåller poster som vi kan släppa under en öppen licens utan begränsningar. Vår fulla databas inkluderar data från proprietära källor — direkta tillverkarsamarbeten, licensierad laboratoriedata och andra källor med avtalsbegränsningar för återdistribution. De 500K posterna i det öppna datasetet kommer från statliga databaser, vår egen laboratorieanalys och gemenskapsinlämningar där bidragsgivare har gått med på öppen licensiering. Om du behöver tillgång till hela databasen, tillhandahåller vår Nutrition Data API den under separata kommersiella villkor.

Vad ska jag göra om jag hittar ett fel i datasetet?

Öppna ett ärende på GitHub-repositoryt med food_id för den berörda posten och en beskrivning av felet. Inkludera en källlänk om du har en (t.ex. en tillverkares webbplats som visar olika näringsfakta). Vårt datateam granskar rapporterade problem varje vecka, och bekräftade korrigeringar inkluderas i nästa kvartalsrelease. För brådskande korrigeringar kan vi trycka en patchrelease mellan kvartalsuppdateringar.

Hur relaterar detta till Nutrola Nutrition Data API?

Det öppna datasetet är en statisk kvartalsvis ögonblicksbild av en kuraterad delmängd av vår databas. API:t ger realtidsåtkomst till den fulla databasen med över 3 miljoner poster med sökning, filtrering, streckkodssökning och andra funktioner. Tänk på det öppna datasetet som grunden för offline- eller batchanvändningsfall, och API:t som lösningen för produktionsapplikationer som behöver live-data. Många utvecklare börjar med det öppna datasetet för prototyper och migrerar till API:t när de går till produktion.