Ücretsiz Makro Referans Tablosu: Tam Besin Verilerini CSV ve JSON Formatında İndirin

Beslenme uygulaması geliştiriyor, bir araştırma çalışması yürütüyor, danışanlarını eğitiyor veya masanızda güvenilir bir referans sayfası istiyorsanız, temiz makro verilerine ihtiyacınız var. Devlet veritabanları mevcut, ancak bunlar genellikle karmaşık, tutarsız ve bürokratlar için düzenlenmiş durumda.

500'den fazla yaygın gıdayı kapsayan ücretsiz makro referans tabloları hazırladık. Veriler, bir elektronik tabloya, veritabanına, bir script'e veya uygulamaya doğrudan yerleştirmek için hazır olan CSV ve JSON formatlarında mevcuttur. Her bir gıda maddesi, birincil kaynaklarla doğrulanmıştır ve dosyalar, hemen kullanmaya başlayabilmeniz için temizleme veya dönüştürme gerektirmeyecek şekilde yapılandırılmıştır.

Bu sayfa, tabloların içeriğini, verilerin nasıl yapılandırıldığını, programatik olarak nasıl yükleneceğini ve güncellenmesi gereken bir şey bulursanız düzeltme önerisinde nasıl bulunacağınızı kapsar.

İçindekiler

Makro referans tabloları, yedi ana kategori altında 500'den fazla en yaygın tüketilen gıdayı içermektedir. Her gıda maddesi için şunları alırsınız:

• Gıda adı — beslenme bilimi alanında kullanılan standart İngilizce adı
• Kategori — yedi ana kategori (aşağıda daha fazla bilgi)
• Alt kategori — ana kategori içinde daha spesifik bir gruplama
• Servis boyutu açıklaması — insan tarafından okunabilir bir servis boyutu (örneğin, "1 orta boy muz", "1 su bardağı pişirilmiş")
• Servis ağırlığı gram olarak — o servis boyutunun gram karşılığı
• Kalori — toplam enerji kilokalori (kcal) cinsinden
• Protein — her servis için gram cinsinden protein
• Toplam yağ — her servis için gram cinsinden toplam yağ
• Doymuş yağ — her servis için gram cinsinden doymuş yağ
• Toplam karbonhidrat — her servis için gram cinsinden toplam karbonhidrat
• Diyet lifi — her servis için gram cinsinden diyet lifi
• Şeker — her servis için gram cinsinden toplam şeker
• Sodyum — her servis için miligram cinsinden sodyum

Her değer, belirtilen servis boyutuna göre rapor edilmiştir, 100 gram başına değil. Bu yaklaşımı seçtik çünkü servis bazlı veriler, yemekleri takip ederken, yemek planları oluştururken veya bir arayüzde besin bilgilerini gösterirken çoğu insanın gerçekten ihtiyaç duyduğu verilerdir. Eğer 100 gram başına değerler gerekiyorsa, servis ağırlığını 100 ile çarpmak oldukça basittir.

Tablolar, sodyum ve lif dışında mikro besinleri içermez. Tam mikro besin profilleri (vitaminler, mineraller, amino asitler) için bu makalenin sonunda Nutrola'nın API bölümüne bakın — detaylı veriler orada yer almaktadır.

Veri Formatı Özellikleri

CSV Formatı

CSV dosyası, bir başlık satırı ile birlikte UTF-8 kodlaması kullanır. Alanlar virgülle ayrılmıştır ve metin alanları tırnak içinde yer alır. Yapı şu şekildedir:

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
"Tavuk Göğsü, derisiz, pişirilmiş","Proteinler","Poultry","1 göğüs (170g)",170,284,53.4,6.2,1.7,0.0,0.0,0.0,126
"Atlantik Somonu, pişirilmiş","Proteinler","Balık ve Deniz Ürünleri","1 dilim (154g)",154,280,39.3,12.4,2.5,0.0,0.0,0.0,109
"Kahverengi Pirinç, pişirilmiş","Tahıllar ve Nişastalar","Tam Tahıllar","1 su bardağı (195g)",195,216,5.0,1.8,0.4,44.8,3.5,0.7,10
"Çiğ Muz","Meyveler","Tropikal Meyveler","1 orta boy (118g)",118,105,1.3,0.4,0.1,27.0,3.1,14.4,1

CSV dosyası, Microsoft Excel, Google Sheets, LibreOffice Calc, Apple Numbers ve CSV ayrıştırma desteği olan herhangi bir programlama dili ile uyumludur. Özel bir yapılandırma gerekmez — dosyayı açın ve doğru bir şekilde ayrıştırılacaktır.

JSON Formatı

JSON dosyası, her bir gıda maddesi için bir nesne içeren bir dizi içerir. Yapı, CSV alanlarını yansıtır:

{
  "version": "1.4.0",
  "generated": "2026-03-12",
  "source": "Nutrola Makro Referans Tabloları",
  "record_count": 527,
  "foods": [
    {
      "food_name": "Tavuk Göğsü, derisiz, pişirilmiş",
      "category": "Proteinler",
      "subcategory": "Poultry",
      "serving_description": "1 göğüs (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 dosyası, üst düzeydeki meta veri alanlarını içerir: güncellemeleri takip etmek için bir sürüm dizesi, oluşturulma tarihi, kaynak adı ve toplam kayıt sayısı. Bu, en son sürümü doğrulamayı ve uygulamalarınıza güncelleme kontrolü mantığı eklemeyi kolaylaştırır.

Sayısal değerler, dizeler olarak değil, sayılar olarak saklanır. Null değerler görünmez — bir besin değeri bilinmiyorsa, gıda veri setinden çıkarılır, eksik veri ile dahil edilmez. Bu, verilerin temiz kalmasını sağlamak ve hesaplamalarda sessiz hataları önlemek için bilinçli bir seçimdir.

Alan Açıklamaları

Her alanın ayrıntılı bir dökümünü, birimleri, beklenen aralıkları ve kenar durumlarını içeren tablo:

Alan	Tür	Birim	Açıklama
food_name	string	—	Standart İngilizce adı. İlgili olduğunda hazırlama yöntemini içerir (örneğin, "pişirilmiş", "çiğ", "kurutulmuş").
category	string	—	Yedi ana kategori. Aşağıdaki kategori bölümüne bakın.
subcategory	string	—	Daha spesifik bir gruplama. Örneğin, "Proteinler" içinde "Poultry", "Kırmızı Et", "Balık ve Deniz Ürünleri", "Baklagiller" ve "Yumurta" bulunur.
serving_description	string	—	İnsan tarafından okunabilir bir servis boyutu. Her zaman gram ağırlığını parantez içinde içerir.
serving_weight_g	number	gram	Servisin sayısal gram ağırlığı. Çoğu gıda için tam sayılar, hassasiyetin önemli olduğu gıdalar için bir ondalık basamak.
calories_kcal	number	kcal	Toplam enerji. Atwater sistemine göre hesaplanmıştır (4 kcal/g protein, 4 kcal/g karbonhidrat, 9 kcal/g yağ).
protein_g	number	gram	Toplam protein. Bir ondalık basamak hassasiyeti.
total_fat_g	number	gram	Doymuş, tekli doymamış ve çoklu doymamış yağ dahil toplam yağ.
saturated_fat_g	number	gram	Sadece doymuş yağ asitleri.
total_carbs_g	number	gram	Lif ve şekerler dahil toplam karbonhidrat.
fiber_g	number	gram	Toplam diyet lifi (çözünebilir + çözünmez).
sugar_g	number	gram	Toplam şekerler (doğal + eklenmiş). Veri seti, eklenmiş şekerleri doğal şekerlerden ayırmaz.
sodium_mg	number	miligram	Sodyum içeriği. Diğer besin alanlarından farklı olarak bu miligramdır, gram değildir.

Hassasiyetle ilgili birkaç not: Tüm besin değerleri bir ondalık basamağa yuvarlanmıştır. Bu, temel kaynak verilerinin hassasiyet seviyesini yansıtır. Daha fazla ondalık basamak rapor etmek, yanlış bir doğruluk seviyesi iması yaratır — gıda bileşimi, büyüme koşullarına, hayvan türüne ve hazırlama yöntemlerine bağlı olarak doğal olarak %5-15 değişiklik gösterir.

Gıda Kategorileri

500'den fazla gıda, yedi ana kategoriye ayrılmıştır, her biri birden fazla alt kategori içerir:

Proteinler

Tavuk göğsü, but, hindi, kıyma, sığır antrikot, kıyma (farklı yağ oranları), domuz filetosu, kuzu eti, somon, ton balığı, karides, morina, tilapia, sardalya, yumurta (bütün, beyaz, çırpılmış) ve bitkisel proteinler (tofu, tempeh, seitan, edamame) gibi yaklaşık 95 gıda maddesini kapsar. Mercimek, nohut ve siyah fasulye gibi baklagiller, ana besin rolü protein sağlama olduğu için burada yer alır.

Tahıllar ve Nişastalar

Tam tahıllar (kahverengi pirinç, yulaf, kinoa, arpa, bulgur), rafine tahıllar (beyaz pirinç, beyaz ekmek, makarna), nişastalı sebzeler (patates, tatlı patates, mısır) ve yaygın tahıl ürünlerini (tortilla, simit, kraker, kuskus) kapsayan yaklaşık 80 gıda maddesini içerir. Tahıllar için pişirilmiş ve kuru değerler, ayrımın önemli olduğu durumlarda sağlanmaktadır.

Meyveler

Yaygın taze meyveler (elma, muz, portakal, çilek, yaban mersini, üzüm), tropikal meyveler (mango, ananas, papaya, kivi), kurutulmuş meyveler (kuru üzüm, hurma, kuru kayısı, yaban mersini) ve dondurulmuş meyveler gibi yaklaşık 65 gıda maddesini kapsar. Tüm taze meyve girişleri, çiğ, yenilebilir kısmı için geçerlidir — tohumlar, kabuklar ve çekirdekler, uygun yerlerde servis ağırlığından çıkarılmıştır.

Sebzeler

Ispanak, lahana, Romaine, roka gibi yapraklı yeşillikler, brokoli, karnabahar, brüksel lahanası, lahana gibi turpgiller, havuç, pancar, şalgam, turp gibi kök sebzeler, soğan, sarımsak gibi alliumlar, domates, biber, patlıcan gibi gececi sebzeler ve salatalık, kereviz, kabak, mantar, kuşkonmaz gibi diğer yaygın sebzeleri kapsayan yaklaşık 85 gıda maddesini içerir. Pişirme, besin yoğunluğunu önemli ölçüde değiştirdiğinde sebzeler için hem çiğ hem de pişirilmiş değerler sağlanmaktadır.

Süt ve Alternatifleri

Süt (tam, %2, yağsız ve bitkisel sütler), yoğurt (Yunan, normal, aromalı, bitkisel), peynir (cheddar, mozzarella, feta, lor peyniri, krem peynir, parmesan), tereyağı, krema ve yaygın süt alternatiflerini (badem sütü, yulaf sütü, soya sütü, hindistan cevizi yoğurdu) kapsayan yaklaşık 70 gıda maddesini içerir. Bitkisel sütler ve yoğurtlar, genellikle doğrudan ikame olarak kullanıldıkları için burada gruplandırılmıştır.

Atıştırmalıklar ve İşlenmiş Gıdalar

Badem, ceviz, fıstık, chia tohumları, keten tohumları, ay çekirdeği gibi kuruyemişler ve tohumlar, fıstık ezmesi, badem ezmesi, yaygın atıştırmalıklar (kraker, patlamış mısır, granola barları, protein barları, karışık kuruyemiş, cips, bitter çikolata), sürme ve soslar (humus, guacamole, salsa, mayonez, zeytinyağı, bal) ve protein tozu, enerji topları gibi diğer yaygın olarak takip edilen ürünleri kapsayan yaklaşık 75 gıda maddesini içerir.

İçecekler

Meyve suları (portakal suyu, elma suyu, yaban mersini suyu), gazlı içecekler (kolalı içecek, limon-lime sodası, zencefilli gazoz), spor ve enerji içecekleri, kahve içecekleri (sade kahve, latte, cappuccino, mocha farklı süt türleri ile), smoothie bazları, alkollü içecekler (bira, şarap, sert içkiler) ve yaygın eklemeler (krema, şeker, aromalı şuruplar) gibi yaklaşık 60 gıda maddesini kapsar. Su, makro besin içeriği olmadığı için dahil edilmemiştir.

Verileri Programatik Olarak Kullanma

CSV ve JSON formatlarını sağlamanın amacı, bu verileri doğrudan kodunuza yükleyebilmenizdir. İşte Python ve JavaScript'te çalışan örnekler.

Python: CSV Yükleme

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:
            # Sayısal alanları dizelerden dönüştür
            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')

# Bir kategorideki tüm gıdaları bul
proteins = [f for f in foods if f['category'] == 'Proteinler']
print(f"{len(proteins)} protein kaynağı bulundu")

# Kalori başına en yüksek proteinli gıdaları bul
foods_sorted = sorted(foods, key=lambda f: f['protein_g'] / max(f['calories_kcal'], 1), reverse=True)
print("\nProtein yoğunluğuna göre en iyi 10 gıda (g protein/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 protein, {f['calories_kcal']} kcal)")

Python: JSON Yükleme

import json

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

foods = load_macro_json('macro_reference_table.json')

# Gıda adıyla bir arama sözlüğü oluştur
lookup = {f['food_name'].lower(): f for f in foods}

# Hızlı arama
chicken = lookup.get('tavuk göğsü, derisiz, pişirilmiş')
if chicken:
    n = chicken['nutrients']
    print(f"Tavuk göğsü servis başına ({chicken['serving_description']}):")
    print(f"  Kalori: {n['calories_kcal']} kcal")
    print(f"  Protein: {n['protein_g']}g")
    print(f"  Yağ: {n['total_fat_g']}g")
    print(f"  Karbonhidrat: {n['total_carbs_g']}g")

JavaScript: JSON Yükleme

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

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

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

// Gıdaları kategoriye göre gruplama
const byCategory = {};
for (const food of foods) {
  if (!byCategory[food.category]) {
    byCategory[food.category] = [];
  }
  byCategory[food.category].push(food);
}

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

// Düşük kalorili, yüksek lifli gıdaları bulma
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('\nYüksek lifli, düşük kalorili gıdalar:');
highFiber.slice(0, 10).forEach(f => {
  console.log(`  ${f.food_name}: ${f.nutrients.fiber_g}g lif, ${f.nutrients.calories_kcal} kcal`);
});

JavaScript: Tarayıcıda CSV Yükleme

// Tarayıcı tabanlı CSV ayrıştırma (bağımlılık yok)
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;
}

// Kullanım
const foods = await loadMacroCSV('/data/macro_reference_table.csv');
console.log(`${foods.length} gıda yüklendi`);

Bu örnekler, verileri yükleme, arama ve filtreleme, kategoriye göre gruplama ve besin yoğunluğuna göre sıralama gibi en yaygın işlemleri göstermektedir. Veri yapıları, özel kütüphaneler kullanmadan çalışmanıza olanak tanımak için kasıtlı olarak basit tutulmuştur.

Veri Kaynakları

Makro referans tabloları, aşağıdaki birincil kaynaklardan derlenmiştir:

USDA SR Legacy Veritabanı. USDA Standart Referans Legacy veritabanı, ABD gıda bileşimi için temel veri setidir. 7,600'den fazla gıda maddesi için laboratuvar analizine dayalı besin verilerini içermektedir. Tablolarımız, genel/markasız gıdalar için birincil kaynak olarak SR Legacy'i kullanmaktadır. SR Legacy değerleri, daha yeni FoodData Central FNDDS'den daha yaygın olarak doğrulanmış ve beslenme araştırmalarında alıntılanmıştır.

USDA FoodData Central. SR Legacy'de yer almayan, özellikle daha yeni gıda maddeleri ve güncellenmiş değerler için, FoodData Central'ın Foundation Foods ve Survey Foods veri setlerinden yararlanıyoruz.

Uluslararası gıda bileşimi veritabanları. ABD veritabanlarında yer almayan, dünya genelinde tüketilen gıdalar için, Public Health England'ın McCance ve Widdowson bileşim tabloları, Food Standards Australia New Zealand (FSANZ) NUTTAB, Canadian Nutrient File (CNF) ve Danimarka Gıda Bileşimi Veri Tabanı (Frida) gibi verileri karşılaştırıyoruz. Bu, özellikle tropikal meyveler, bölgesel tahıllar ve ABD dışında yaygın olan hazırlama yöntemleri için geçerlidir.

Üretici verileri. Atıştırmalıklar ve içecek kategorilerindeki işlenmiş ve markalı ürünler için, üreticiler tarafından sağlanan besin etiketlerini referans alıyoruz. Üretici verileri laboratuvar analizi ile çelişiyorsa, çelişkiyi not ediyor ve laboratuvar değerlerine öncelik veriyoruz.

Tüm değerler en az iki bağımsız kaynakla karşılaştırılmıştır. Kaynaklar %10'dan fazla farklılık gösteriyorsa, sebebi araştırılmıştır (genellikle farklı hazırlama yöntemleri veya çeşit farklılıkları) ve gıdanın tipik olarak nasıl tüketildiğini en iyi temsil eden değer seçilmiştir.

Veri seti sürümlendirilmiştir. Mevcut sürüm 1.4.0'dır, Mart 2026'da güncellenmiştir. Tabloları, düzeltmeleri dahil etmek, talep edilen gıdaları eklemek ve kaynak veritabanlarında önemli değişiklikleri yansıtmak için yaklaşık her çeyrek güncelliyoruz.

Düzeltme Önerisinde Bulunma

Besin verileri doğası gereği mükemmel değildir. Gıda bileşimi, bölgeye, mevsime, çeşide ve hazırlama yöntemine bağlı olarak değişir. Eğer bir hata bulursanız veya güvenilir bir kaynakla desteklenen bir düzeltmeniz varsa, bunu duymak isteriz.

Düzeltme önerisinde bulunmanın üç yolu vardır:

GitHub Sorunları. Makro referans tabloları, halka açık bir GitHub deposunda barındırılmaktadır. Gıda adı, yanlış olduğunu düşündüğünüz alan, mevcut değer, doğru olduğunu düşündüğünüz değer ve kaynağınıza bir bağlantı ile bir sorun açın. Sorunları haftalık olarak inceliyoruz.

E-posta. Düzeltmeleri data@nutrola.com adresine aynı bilgilerle gönderin: gıda adı, alan, mevcut değer, önerilen değer ve kaynak. Beş iş günü içinde yanıt vereceğiz.

Pull istekleri. Git ile rahat olanlar, depoyu çatallayıp, CSV veya JSON dosyasını doğrudan düzenleyip bir pull isteği gönderebilirler. PR açıklamasında kaynağınızı belirtin. Güvenilir verilerle desteklenen düzeltmeleri gözden geçirip birleştireceğiz.

Bu süreç aracılığıyla markalı veya özel ürünler için başvurular kabul edilmemektedir. Bunlar, kendi doğrulama iş akışına sahip Nutrola'nın ana gıda veritabanı hattı aracılığıyla işlenmektedir.

Nutrola'nın API'si ile Gerçek Zamanlı Veri Entegrasyonu

İndirilebilir makro referans tabloları, statik bir anlık görüntüdür — çevrimdışı kullanım, gömülü uygulamalar, eğitim materyalleri ve hızlı aramalar için harika. Ancak, ölçeklenebilir gerçek zamanlı besin verilerine ihtiyacınız varsa, Nutrola'nın Besin Verileri API'si, bu tablolardaki her şeyi ve çok daha fazlasını sunar.

API, 3 milyondan fazla gıda kaydını kapsar (referans tablolarındaki 500+'e kıyasla), her bir ürün için 70'ten fazla besinle tam mikro besin profilleri içerir, barkod tarama, metin arama ve otomatik tamamlama destekler ve 47 ülkeden markalı ürünler için veri sunar. Bu, günde 2 milyondan fazla kişi tarafından kullanılan Nutrola uygulamasını destekleyen veridir.

Geliştiriciler için: API RESTful'dur, JSON döner ve günde 500 isteğe kadar ücretsiz bir katman sunar — prototipleme ve kişisel projeler için yeterlidir. Ücretli katmanlar milyonlarca isteğe kadar ölçeklenir. Tam belgeleri api.nutrola.com/docs adresinde bulabilirsiniz.

Araştırmacılar ve kurumlar için: yükseltilmiş oran limitleri ve toplu dışa aktarma yetenekleri ile akademik lisanslar sunuyoruz. Ayrıntılar için research@nutrola.com adresiyle iletişime geçin.

Makro referans tabloları ve API birbirini tamamlar. Tabloları çevrimdışı çalışmalar, gömülü veri setleri ve kendine yeterli dosya gerektiren durumlar için kullanın. API'yi, genişlik, derinlik, gerçek zamanlı güncellemeler ve arama işlevselliği gerektiğinde kullanın.

Sıkça Sorulan Sorular

Makro referans tabloları ne sıklıkla güncelleniyor?

Tabloları yaklaşık her çeyrek güncelliyoruz. Her sürüm yeni bir sürüm numarası alır (mevcut sürüm 1.4.0'dır). Güncellemeler, kullanıcılar tarafından gönderilen düzeltmeleri, yaygın olarak talep edilen gıdaların eklenmesini ve kaynak veritabanlarımızda yayınlanan revize değerleri içermektedir. JSON dosyası, meta verilerinde sürüm ve oluşturulma tarihini içerir, böylece programatik olarak en son sürümü kontrol edebilirsiniz.

Bu verileri ticari uygulamamda kullanabilir miyim?

Evet. Makro referans tabloları, Creative Commons Attribution 4.0 (CC BY 4.0) lisansı altında yayınlanmıştır. Verileri, kişisel ve ticari projelerde kullanabilir, değiştirebilir ve yeniden dağıtabilirsiniz, yeter ki atıfta bulunun. nutrola.com'a bir bağlantı veya verilerinizde "Nutrola Makro Referans Tabloları" ifadesini belirtmek yeterlidir. İzin istemeniz veya ücret ödemeniz gerekmez.

Neden sadece 500+ gıda ve tam Nutrola veritabanı değil?

Referans tabloları, en yaygın tüketilen gıdaların pratik, yüksek kaliteli bir alt kümesi olarak tasarlanmıştır. Yedi kategori altında 500'den fazla gıda kapsamak, çoğu ülkede insanların günlük olarak tükettiklerinin yaklaşık %90'ını karşılamaktadır. 3 milyon girişe genişletmek, birçok kullanım durumu için dosyaları yönetilemez hale getirecektir (tam veritabanı 2 GB'ı aşmaktadır). Tam veri setine ihtiyacınız varsa, Nutrola API'si her şeye erişim sağlar.

Değerler servis başına mı yoksa 100 gram başına mı?

Servis başına. Her giriş, bir servis açıklaması (örneğin, "1 orta boy elma (182g)") ve karşılık gelen gram ağırlığını içerir, böylece her besin değerini servis ağırlığına bölerek 100 gram başına kolayca dönüştürebilirsiniz. Servis bazında değerleri seçmemizin nedeni, yemek takibi, yemek planlaması ve danışanlarla ilgili uygulamalar için daha hemen kullanılabilir olmalarıdır.

Verileri 100 gram başına değerlere nasıl dönüştürebilirim?

Her besin değerini 100 ile çarpıp servis_weight_g alanına böleceksiniz. Örneğin, 170g'lık bir tavuk göğsü servisinde 53.4g protein varsa, 100 gram başına protein değeri (53.4 * 100) / 170 = 31.4g olacaktır. İşte hızlı bir Python fonksiyonu:

def per_100g(food, nutrient_field):
    """Bir servis besin değerini 100 gram başına dönüştür."""
    serving_weight = food['serving_weight_g']
    if serving_weight == 0:
        return 0
    return round(food[nutrient_field] * 100 / serving_weight, 1)

Gerekli bir gıda tablodan yoksa ne yapmalıyım?

Öncelikle, farklı bir isim altında benzer bir gıdanın var olup olmadığını kontrol edin — metin editörünüzün arama işlevini veya basit bir script kullanarak food_name alanında arama yapın. Eğer gıda gerçekten dahil edilmemişse, iki seçeneğiniz var: GitHub deposu aracılığıyla bir talep gönderin (eklemeleri talebe göre önceliklendiriyoruz) veya 3 milyondan fazla gıda kapsayan Nutrola API'sini kullanın, bu da ihtiyacınız olanı bulma olasılığınızı artırır. Tek seferlik aramalar için Nutrola uygulaması, tam veritabanını ücretsiz olarak aramanıza olanak tanır.