malaysia-ai/crawl-foodpanda

Foodpanda数据集包含四个主要文件：foodpanda-city.json、foodpanda-restaurant.json、foodpanda-foods-old.json和foodpanda-foods.json。这些文件分别提供了城市信息、每个城市的餐厅信息、每个餐厅的食品信息（旧版本）以及更新后的食品信息。数据集的语言为马来语（ms），最后更新日期分别为2019年11月24日和2020年8月15日。

原始信息汇总

Foodpanda 数据集概述

数据文件

1. foodpanda-city.json

   • 包含可用的城市及其页面链接。
   • 示例： python {Kuala Lumpur: /city/kuala-lumpur, Penang: /city/bayan-baru, Petaling Jaya: /city/petaling-jaya, Subang: /city/puchong, Shah Alam: /city/shah-alam, Cyberjaya: /city/cyberjaya}

2. foodpanda-restaurant.json

   • 包含每个城市的可用餐厅及其详细信息。
   • 示例： python {Kuala Lumpur: {La Risata Bar Pizzeria Ristorante: {star: 4.5, delivery: Free, characters: [Meat, Pasta, Salad, Pizza, Italian], link: /chain/ce3iw/la-risata-bar-pizzeria-ristorante}, Viapre Italian Restaurant KL: {star: 4.3, delivery: Free, characters: [Pizza], link: /chain/ck3sy/viapre-italian-restaurant-kl}}

3. foodpanda-foods-old.json

   • 总大小为 98.7 MB。

   • 包含每个餐厅的可用食品及其详细信息。

   • 示例： python {La Risata Bar Pizzeria Ristorante: {star: 4.5, delivery: Free, characters: [Meat, Pasta, Salad, Pizza, Italian], link: /chain/ce3iw/la-risata-bar-pizzeria-ristorante, data: []}, Viapre Italian Restaurant KL: {star: 4.3, delivery: Free, characters: [Pizza], link: /chain/ck3sy/viapre-italian-restaurant-kl, data: [[Starters, {is_half_type_available: False, id: 639959, name: Bresaola, code: m4yz-pr-dpsn, description: Air dry beef loin slices on fresh mozzarella, mushroom pikles, evo oil and fine balsamic, file_path: , logo_path: , half_type: None, is_alcoholic_item: False, product_variations: [{id: ...}]}]]}}

   • 最后更新日期：2019年11月24日。

4. foodpanda-foods.json

   • 总大小为 382.1 MB。
   • 包含每个餐厅的可用食品及其详细信息。
   • 最后更新日期：2020年8月15日。

搜集汇总

数据集介绍

构建方式

在餐饮服务领域，malaysia-ai/crawl-foodpanda数据集通过自动化爬虫技术，从Foodpanda在线订餐平台中提取城市、餐厅及食物信息，构建了一个涵盖多个城市与餐厅的详尽数据集。该数据集包括城市列表、各城市下的餐厅信息以及食物详情，为研究者提供了一个丰富的资源，以供进行餐饮市场分析、消费者行为研究等。

特点

本数据集显著的特点在于其详尽性与实时性。它不仅包含了马来西亚多个主要城市的餐厅列表，而且每个餐厅都附有评分、配送费用、特色菜系、链接等信息。此外，食物数据详尽记录了每一道菜的名称、描述、是否含酒精、变种等信息，使得数据集在餐饮数据分析领域具有极高的实用价值。

使用方法

使用此数据集，研究者首先需要从提供的四个JSON文件中下载所需数据。城市列表文件提供了可用的城市和页面链接；餐厅文件列出了每个城市的可用餐厅及其详细信息；食物文件则包含了每个餐厅提供的食物详情。用户可根据研究需求，对数据进行筛选、分析和整合，以开展相关领域的深入研究。

背景与挑战

背景概述

在数字化餐饮服务领域，malaysia-ai/crawl-foodpanda数据集提供了关于Foodpanda平台在马来西亚不同城市中的餐厅及食物信息。该数据集由malaysia-ai组织创建，旨在为研究人员提供丰富的本地餐饮市场数据，以促进在线餐饮服务行业的研究与分析。数据集涵盖了多个城市，包括吉隆坡、槟城等，记录了自2019年11月至2020年8月的餐厅及食物信息，为研究在线订餐行为、消费者偏好等提供了宝贵的资源。

当前挑战

该数据集在构建过程中面临的挑战主要包括数据抓取的实时性与准确性，以及数据更新频率的处理。领域问题方面，malaysia-ai/crawl-foodpanda数据集解决了如何从在线餐饮平台中提取有用信息的问题，但同时也面临着数据完整性与一致性的挑战，尤其是在处理不同城市的餐厅与食物数据时。此外，数据集在应对餐厅与食物信息快速变化的动态环境中，如何保持数据的时效性与准确性，是一大挑战。

常用场景

经典使用场景

在餐饮服务与数据分析领域，malaysia-ai/crawl-foodpanda数据集被广泛用于捕捉线上餐饮平台上的动态信息。其经典的使用场景在于，研究人员或开发人员可利用该数据集对Foodpanda平台上的餐馆、食物及其评价进行深入分析，从而为消费者提供个性化的推荐服务。

解决学术问题

该数据集解决了在学术研究中，如何高效获取和分析线上餐饮服务数据的难题。它为研究市场趋势、消费者行为、以及在线评价系统的影响提供了实证基础，极大地推动了服务业数字化研究的发展。

衍生相关工作

基于此数据集，衍生出了一系列相关研究工作，包括但不限于消费者行为分析、在线评价对销售影响的研究，以及利用数据挖掘技术进行市场预测的经典案例，进一步扩展了数据集的应用范围和影响力。