A tabela ingredient_name_map de 55.426 linhas registra como cada token bruto dos rótulos foi resolvido em um nome INCI canônico — method e confidence da resolução em cada linha — como um único artefato offline e auditável para equipes de ML/NLP e analistas de conformidade. Nenhuma fonte gratuita ou API ao vivo oferece isso. Por baixo: 18.583 produtos, 46.973 nomes INCI canônicos, 318.758 vínculos de composição ordenados, enriquecidos com o CosIng da UE; onde uma fonte não tem valor, a coluna fica NULL.
$79 pagamento único · CSV + Parquet · snapshot 2026.09 — para equipes de ML/NLP que criam modelos de normalização de ingredientes e analistas de conformidade que fazem auditorias em massa dos Anexos
Essas duas visões dos mesmos dados diferem em uma ordem de grandeza. Publicar apenas a mais favorável seria mentir por omissão, por isso as duas estão aqui — e um teste no repositório faz o build falhar se esta página e o corpus divergirem.
| Coluna | Percentual dos 46.973 nomes distintos | Percentual das 318.758 ocorrências em rótulos |
|---|---|---|
| Correspondência CosIng (qualquer) | 11,0% | 82,5% |
functions (vocabulário CosIng) | 10,9% | 81,5% |
cas_number | 8,3% | 76,4% |
chemical_description | 8,5% · 3.965 valores distintos | — |
Um corpus de rótulos cosméticos contém muito mais strings distintas — variantes botânicas, grafias multilíngues, tokens de marketing, misturas pontuais — do que qualquer inventário regulatório lista. Essa cauda longa é o motivo de a coluna da esquerda ser baixa. As posições em um rótulo real são preenchidas, em sua esmagadora maioria, pelos ingredientes que o CosIng cobre, e é por isso que a coluna da direita é alta. Se você está desenvolvendo um leitor de rótulos ou um modelo de formulação, é a coluna da direita que determina o que seus usuários veem; se você precisa de uma referência química, a coluna da esquerda é o teto honesto.
Da lista de alergênicos de fragrância do Anexo III da UE (Regulamento (CE) 1223/2009, alterado pelo Regulamento (UE) 2023/1545), com correspondência pelo nome canônico exato. A FDA dos EUA ainda não publicou sua lista de alergênicos de fragrância da MoCRA; por isso, não existe sinalização dos EUA aqui.
Ingredientes com classificação 0–5, transcritos de Fulton JE Jr., J Soc Cosmet Chem 1989;40:321–333 (Tabela I). NULL em tudo o que o artigo não abrange — ausência significa "não coberto", nunca "seguro".
Uma heurística derivada de regras, não uma propriedade medida: ácidos graxos C11–C24 e seus ésteres, e polissorbatos 20/40/60/80, aplicada somente a ingredientes com correspondência no CosIng. Base: DOI 10.3389/fcimb.2020.00112 e DOI 10.1093/femsyr/foaf043.
SELECT
i.inci_name,
i.functions,
i.cas_number,
i.is_common_allergen,
pi.position_index
FROM 'product_ingredients.parquet' pi
JOIN 'ingredients.parquet' i ON pi.ingredient_id = i.ingredient_id
WHERE pi.product_id = 68597
ORDER BY pi.position_index ASC;
-- Real rows from the snapshot; long values elided with … for display.
-- NULL means CosIng has no value — it is never a placeholder.
-- +---------------------+-----------------------------------+------------+--------------------+----------------+
-- | inci_name | functions | cas_number | is_common_allergen | position_index |
-- +---------------------+-----------------------------------+------------+--------------------+----------------+
-- | AQUA | SOLVENT | 7732-18-5 | 0 | 1 |
-- | GLYCERIN | DENATURANT;HAIR CONDITIONING;… | 56-81-5 | 0 | 4 |
-- | ALUMINUM STEARATES | ANTICAKING;SKIN CONDITIONING - … | NULL | 0 | 11 |
-- | LIMONENE | DEODORANT;SOLVENT;PERFUMING | 138-86-3 | 1 | 14 |
-- | GERANIOL | TONIC;PERFUMING | 106-24-1 | 1 | 15 |
-- +---------------------+-----------------------------------+------------+--------------------+----------------+Sem espelhos de terceiros, sem enriquecimento obtido por scraping, sem química digitada à mão. A URL, o horário de download e o SHA-256 de cada arquivo de origem ficam registrados no build_report.json fornecido com os dados.
O corpus de produtos: códigos de barras, marcas, as próprias tags de categoria da fonte e as listas de ingredientes brutas das embalagens, das quais todo o resto é derivado. Licenciado sob ODbL; o texto bruto do rótulo é fornecido junto com a análise, para que você possa refazê-la.
O inventário de ingredientes: categorias funcionais, números CAS e CE, descrições químicas, restrições e inclusão nos Anexos II–VI. Junção pelo nome canônico exato; nomes sem correspondência recebem NULL, não um palpite.
Regulamento (CE) 1223/2009, alterado pelo Regulamento (UE) 2023/1545 — a única lista por trás de is_common_allergen, registrada por linha em allergen_source.
Tokens brutos dos rótulos resolvidos por um método explícito e ordenado — exato, limpo, mapa de erros de digitação, sem percentual, sem parênteses, mapa de sinônimos, variante com barra, divisão ou unresolved. O método usado é fornecido por linha.
Uma camada deliberadamente pequena e com citações: classificações comedogênicas transcritas de uma única tabela publicada e uma sinalização de acne fúngica derivada de regras, com o texto da regra armazenado por linha em rating_source.
Taxas de preenchimento por coluna, contagens de valores distintos, taxas de correspondência e hashes das fontes para este snapshot exato — incluídos no arquivo para que você possa verificar as afirmações desta página em vez de simplesmente acreditar nelas.
Os dados são abertos (ODbL). O que você paga é a normalização, a canonicalização, a junção, a medição — e a entrega imediata.
ingredient_name_map de 55.426 linhasbuild_report.json, dicionário de dados, licençaPagamento seguro com cartão via Stripe (cartão / Apple Pay / Google Pay) com download imediato após o pagamento. A compra cobre a entrega e a engenharia, não direitos exclusivos sobre os dados — eles continuam sob ODbL. Precisa de nota fiscal para empresa, de um recorte personalizado ou tem uma dúvida antes? Abra o formulário de contato.
Dois números, ambos publicados acima. O CosIng corresponde a 11,0% dos 46.973 nomes canônicos distintos, mas a 82,5% das 318.758 ocorrências de ingredientes nos rótulos; funções 10,9% / 81,5%; CAS 8,3% / 76,4%. A cauda longa de nomes distintos são variantes botânicas, grafias multilíngues e tokens de marketing que nenhum inventário lista.
Por um procedimento explícito e ordenado — decodificação de entidades, remoção de caracteres, colapso de espaços em branco, conversão para maiúsculas e, em seguida, correspondência exata, correspondência limpa, mapa de erros de digitação, remoção de percentuais, remoção de parênteses, mapa de sinônimos, variante com barra e divisão de concatenações somente quando ambas as metades correspondem. Tudo o que falha em todas essas etapas é registrado como unresolved, nunca adivinhado. O método de cada token é fornecido na tabela ingredient_name_map.
Apenas uma lista: alergênicos de fragrância do Anexo III da UE (Regulamento (CE) 1223/2009, alterado pelo Regulamento (UE) 2023/1545), com correspondência pelo nome canônico exato — 99 nomes sinalizados, com allergen_source registrando a lista. A FDA dos EUA ainda não publicou sua lista de alergênicos de fragrância da MoCRA; por isso, este conjunto de dados não traz sinalização dos EUA.
145 ingredientes com classificação 0–5, transcritos da Tabela I de Fulton JE Jr., J Soc Cosmet Chem 1989;40:321–333; NULL nos demais. A sinalização de acne fúngica é uma heurística derivada de regras, não uma propriedade medida: ácidos graxos C11–C24 e seus ésteres, além de polissorbatos 20/40/60/80, aplicada somente a ingredientes com correspondência no CosIng, gerando 270 sinalizações. Use-a como filtro, não como constatação.
Agrupadas pelos valores de functions efetivamente registrados em cada ingrediente. Ingredientes sem função CosIng, ou cuja função fica fora do vocabulário dos hubs, não têm monografia.
SKIN CONDITIONING, SKIN CONDITIONING - EMOLLIENT, HUMECTANT, SKIN PROTECTING, ANTISTATIC.
SURFACTANT - CLEANSING, SURFACTANT - EMULSIFYING, CLEANSING, EMULSION STABILISING, FOAMING.
PRESERVATIVE, ANTIMICROBIAL, ANTIOXIDANT, CHELATING.
SOLVENT, VISCOSITY CONTROLLING, FILM FORMING, BINDING, BULKING, OPACIFYING.
FRAGRANCE, PERFUMING, COLORANT, HAIR DYEING — onde se concentram as sinalizações do Anexo III.
UV FILTER, UV ABSORBER, EXFOLIATING, KERATOLYTIC, ASTRINGENT, DEODORANT.