丹麦电商 EAN 商品与化学安全数据集

电商零售
0 下载
8 浏览
2026-09-24

数据集简介

数据集卡片

EAN product dataset 的用途是把条码(EAN)映射到商品名称、描述、商品图片、零售商与安全数据表链接,数据从丹麦网店抓取,商品文本为丹麦语。数据集以现状发布,供研究使用,也供构建帮助人们正确分类化学废弃物的工具使用。

仓库提供两个配置,split 均为 train:

配置 行数 说明
products 2,397,371 商品记录,含名称、描述、零售商、SDS 链接等
images 约 3.64M 图片记录,image 字段为 PIL 图像字节

合计 6,039,724 行,总文件体积 425 GB。

商品记录与字段结构

products 配置中的主要字段包括:

  • ean:经校验位验证的 EAN/GTIN 条码;
  • is_chemical:true / false / null,null 表示尚未评估;
  • image_sha256:指向该商品最近一次抓取到的图片;
  • source、product_url、harvested_at:记录来源、商品页链接与抓取时间。

在商品记录中,有描述的记录 1,942,936 条,有图片 URL 的记录 2,134,783 条,已抓取到图片的记录 2,054,523 条,带安全数据表链接的记录 51,837 条,覆盖零售商 206 家。

图片的存储方式

images 配置中的 image 字段是 PIL 图像(字节),不是 URL;图片以原始字节按 sha256 存放在 images/ 目录下,商品记录与图片记录通过 ean 字段关联。图片的实际格式字段 format 记录 jpg、png、webp、avif、gif 等取值。

placeholder 字段为 true 时,表示同一张图片出现在至少 25 个不同商品上,通常是店铺的“图片待补”图标,使用时应注意剔除。

化学品评估字段

is_chemical 字段给出商品是否属于化学品的判断,取值有三种:

  • 判定为化学品:88,660 条;
  • 判定为非化学品:2,305,019 条;
  • 尚未评估:3,692 条。

该字段可直接用于筛选化学品相关商品,结合 SDS 链接可进一步核查安全信息。

条码校验

每个 EAN 均经过校验位验证,确保条码本身格式有效;商品与图片两张表通过 ean 关联,因此可按条码把商品文本与对应图片对齐。

来源与权利

内容抓取自零售商公开商品页,时间范围为 2026 年至今。许可证为 other,数据集按现状发布;商品名称、描述与照片版权归各零售商与制造商所有。权利方可在仓库 discussion 中申请删除某行或某图。

基本信息

记录数量未知
文件大小共 6,039,724 行,总文件体积 425 GB
文件格式parquet, jpg, png, webp, avif, gif
数据来源EAN Data
图片格式jpg、png、webp、avif、gif
数据规模6,039,724 行
文件体积425 GB
配置products、images
许可证other
数据落地页https://huggingface.co/datasets/EAN-data/ean-product-dataset
发布日期2026-09-24
EAN条码商品目录化学品安全丹麦电商商品图像

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载

价格

免费