Aulvem/pet-airlines

一个结构化、机器可读的数据集，包含从日本出发的主要国际航空公司的宠物旅行政策。该数据集旨在为AI代理和下游应用提供直接可用的信息，无需进行网页抓取。内容包括客舱/行李/货运政策、短头犬品种限制、重量和携带箱尺寸限制、所需文件、费用和预订程序等，所有数据均采用统一模式，以英语为主，日语为本地化视图。每条记录都引用了一个官方来源URL，并包含明确的最后检查日期和置信度评级。未知值标记为unknown/null/[]，而非猜测值。

---
语言：
- 英语
- 日语
许可证：CC-BY 4.0
标签：
- 旅行
- 宠物
- 航空
- 法规
- 结构化数据
- 日本
规模类别：
- 记录数少于1000（n<1K）
任务类别：
- 文本分类
- 问答
美观名称：日本出境宠物航空旅行数据集
配置项：
- 配置名称：默认
数据文件：
- 拆分集：训练集（train）
路径：pet_airlines_v0.1.csv
---

# 日本出境宠物航空旅行数据集

本数据集为面向主要国际航空公司的宠物旅行政策结构化、机器可读数据集，聚焦从日本出发的航班。本数据集无需爬虫即可直接供AI智能体（AI Agent）及下游应用使用。

## 概述

网络上充斥着面向人类读者的宠物旅行指南，但几乎无一可直接供AI智能体或类型化应用使用，除非针对每家航空公司单独编写爬虫脚本。`pet_airlines` 填补了这一结构化空白：其统一schema（模式）涵盖客舱/托运行李/货运政策、短头犬种（brachycephalic-breed）限制、重量与航空箱尺寸限制、必备文件、费用及预订流程，以英语为基准版本，日语为本地化视图。

每条记录均标注单一官方来源URL，并包含明确的`last_checked_at`（最后核查日期）字段与`confidence`（置信度）评级。未知值将直接标记为`unknown`/`null`/`[]`，而非主观猜测填充。

## v0.1版本内容

| 指标 | 数值 |
|---|---|
| 记录数 | 10 |
| 地理聚焦范围 | 日本出境航线 |
| 语言覆盖 | 英语（基准版）+ 日语（本地化版） |
| 高置信度记录数 | 6 |
| 中置信度记录数 | 4 |
| 最后核查日期 | 2026-04-27 |
| Schema版本 | 0.1 |
| 许可证 | CC-BY 4.0 |

覆盖的10家航空公司：

1. 日本航空（Japan Airlines, JAL）
2. 全日空（All Nippon Airways, ANA）
3. ZIPAIR
4. 大韩航空（Korean Air）
5. 韩亚航空（Asiana Airlines）
6. 新加坡航空（Singapore Airlines）
7. 国泰航空（Cathay Pacific）
8. 长荣航空（EVA Air）
9. 汉莎航空（Lufthansa）
10. 联合航空（United Airlines）

## 使用方式

### Python（使用`datasets`库）

python
from datasets import load_dataset

ds = load_dataset("Aulvem/pet-airlines")
print(ds["train"][0])
# {'id': 'pet_airline_001', 'airline_name_en': 'Japan Airlines', ...}

### 直接获取JSON文件（保留嵌套结构）

CSV为默认拆分文件，但JSON文件保留了原始嵌套对象（如`weight_limit.scope`、`brachycephalic_restriction.applies`等），若下游代码需要类型化对象而非扁平化列，推荐使用JSON文件。

python
import json, urllib.request

url = "https://huggingface.co/datasets/Aulvem/pet-airlines/resolve/main/pet_airlines_v0.1.json"
data = json.load(urllib.request.urlopen(url))

for r in data["records"]:
print(r["id"], r["airline_name_en"], r["confidence"])

### Schema验证

python
import json, urllib.request, jsonschema # pip install jsonschema

base = "https://huggingface.co/datasets/Aulvem/pet-airlines/resolve/main"
schema = json.load(urllib.request.urlopen(f"{base}/schema.json"))
dataset = json.load(urllib.request.urlopen(f"{base}/pet_airlines_v0.1.json"))
jsonschema.validate(dataset, schema) # 验证失败时抛出异常

## 数据模式（Schema）

完整的JSON Schema（Draft 2020-12）已随数据集一同发布为`schema.json`。每条记录的顶级字段如下：

| 字段 | 类型 | 说明 |
|---|---|---|
| `id` | 字符串 | 稳定标识符，例如`pet_airline_001` |
| `airline_name_en` / `airline_name_ja` | 字符串 | 英文基准版 + 日语本地化版 |
| `official_url` | 字符串（URI） | 单一来源页面；每条记录必填 |
| `source_language` | 枚举类型 | `en` / `ja` / `zh` / `ko` / `de` / `multi` |
| `pet_type` | 数组 | 可选值包括：`dog`、`cat`、`bird`、`rabbit`、`small_mammal`、`service_animal`、`emotional_support_animal`、`other` |
| `cabin_allowed` / `checked_baggage_allowed` / `cargo_allowed` | 枚举类型 | `yes`（允许）/ `no`（不允许）/ `conditional`（有条件）/ `unknown`（未知） |
| `brachycephalic_restriction` | 对象 | 结构为`{ applies, details_en, details_ja }` |
| `weight_limit` | 对象 | 结构为`{ value, unit (kg/lb), scope, notes_en, notes_ja }` |
| `carrier_size_limit` | 对象 | 结构为`{ length_cm, width_cm, height_cm, sum_cm, notes_en, notes_ja }` |
| `reservation_method_en/ja` | 字符串 | 自由文本格式 |
| `required_documents_en/ja` | 字符串数组 | 每个元素代表一份必备文件 |
| `fee_info_en/ja` | 字符串 | 原始货币单位将被完整保留 |
| `notes_en/ja` | 字符串 | 季节性/航线特定豁免条款（使用ISO日期范围标注） |
| `last_checked_at` | 字符串（ISO日期格式） | 数据核查日期 |
| `confidence` | 枚举类型 | `high`（高）/ `medium`（中）/ `low`（低）/ `unknown`（未知） |

`pet_airlines_v0.1.csv`为该数据集的扁平化33列视图（嵌套对象通过前缀列名展开，数组以` | `连接）。两个文件均与GitHub仓库中的标准源文件保持字节级一致。

## 重要提示

> **仅供参考。出行前务必以官方来源为准。**

宠物旅行政策频繁变动，且受航线、机型、季节等因素影响，航空公司公开政策与值机柜台实际执行规则可能存在差异。请在预订前直接向航空公司、机场及航线途经国的动物检疫当局核实信息。本数据集维护方不对基于本数据集产生的旅行结果承担责任；完整免责声明请参阅源仓库的`TERMS.md`文件。

## 更新频率

本数据集由源仓库的GitHub Actions工作流每周自动重新抓取并提取（每周一UTC 03:00）。每次运行都会生成与上一快照的结构化差异拉取请求。更新需经人工审核后方可合并至标准数据集，合并后的结果将同步至Hugging Face平台。

您可通过标准的HF数据集版本控制功能锁定特定版本，例如`load_dataset("Aulvem/pet-airlines", revision="<commit-sha>")`。

## 路线图

| 版本 | 规划方向 |
|---|---|
| v0.1（当前版本） | 10家航空公司、日本出境航线、支持JSON与CSV格式 |
| v0.2 | Schema规范化（统一单位与货币）、覆盖25-30家航空公司 |
| v0.3 | 国家层面的检疫与进口规则 |
| v1.0 | 提供支持航线/品种/季节查询语义的公开REST API |
| v2.0 | 适配AI智能体集成的MCP服务器（支持Claude、ChatGPT、Cursor、Claude Code） |

Schema变更均为追加式，锁定v0.1版本的使用者不会受后续版本更新影响。

## 源仓库

标准源文件、每周提取流水线、Schema定义及贡献流程均托管于GitHub：
**https://github.com/aulvem/pet_airlines**

请在此处提交问题、拉取请求及信息不准确反馈。本Hugging Face数据集为下游镜像仓库。

## 引用方式

若您在研究、产品或下游工具中使用本数据集，请按以下方式引用：

> pet_airlines 贡献者 (2026). *pet_airlines: AI可读宠物航空旅行数据集* (v0.1). 可从 https://huggingface.co/datasets/Aulvem/pet-airlines（镜像站）及 https://github.com/aulvem/pet_airlines（标准源站）获取，采用CC-BY 4.0许可证发布。

CC-BY 4.0要求注明来源；上述引用格式，或任何能明确标注数据集名称、版本及许可证的等效形式，均可满足要求。

## 许可证

本数据集采用[知识共享署名4.0国际许可协议（CC-BY 4.0）](https://creativecommons.org/licenses/by/4.0/)发布。您可自由共享、改编本数据集，包括商业用途，但需提供适当的署名。

航空公司政策文本的版权仍归各航空公司所有。本数据集依据事实提取原则，仅提取事实性信息（如数值限制、文件清单、是/否标识），并未重新分发航空公司的原始叙述文本。若您重新发布通过源URL获取的航空公司原创文本，请遵守各航空公司的自身条款。

## 联系方式

如有疑问、bug报告或信息修正需求，请通过GitHub提交Issue：
**https://github.com/aulvem/pet_airlines/issues**

报告信息不准确时，请注明官方来源页面。