पंजीकरण के बिना बारकोड डेटाबेस मुफ्त डाउनलोड (और अन्य ख़ुरमा)

शुभ दोपहर सार्वजनिक डोमेन में, उत्पाद नामों, श्रेणियों और ब्रांडों के साथ बारकोड की एक विशाल निर्देशिका आखिरकार दिखाई दी।

हम लगभग 8 वर्षों से इस पर काम कर रहे हैं और अब इसमें EAN (EAN-13, EAN-8) और UPC (UPC-A, UPC-E) मानकों के लगभग 3 मिलियन बारकोड हैं।

वहाँ क्या है?

एक बारकोड प्रविष्टियों और संबंधित उत्पाद नामों वाली एक तालिका है, सभी प्रविष्टियों में एक श्रेणी और कई में है - एक ब्रांड।

प्रस्तुत उत्पादों की श्रेणी बहुत विस्तृत है। वहाँ कोई भारी उपकरण नहीं है, लेकिन शायद सभी उपभोक्ता खंड मौजूद हैं (फार्मास्यूटिकल्स, इत्र, सौंदर्य प्रसाधन, खाद्य पदार्थों, खिलौने, सेक्स शॉप वर्गीकरण, किताबें, स्टेशनरी, हार्डवेयर, उपकरण, आदि)

मैनुअल का मूल ऑनलाइन संस्करण यूनिवर्स-एचटीटी सर्वर पर संग्रहीत है।
खुला संस्करण github पर पोस्ट किया गया है। कृपया ध्यान दें कि खंडित डेटाबेस स्रोतों में संग्रहीत है। पूर्ण फ़ाइल रिलीज़ में है ।

इसकी आवश्यकता क्यों है?

जिन्होंने इंटरनेट पर (ज्यादातर असफल) खोज की या कहीं और बारकोड गाइड के लिए और पहले से ही जानते हैं कि इसकी आवश्यकता क्यों है। बाकी के लिए, मैं ऐसे व्यापक डेटा सरणी के उपयोगी गुणों को सूचीबद्ध करूँगा:

• सबसे पहले, यह "ठोस" पहचानकर्ताओं के साथ उत्पादों की एक सूची है। यही है, आप एक मनमाना उत्पाद लेते हैं, उदाहरण के लिए, अपने बेडसाइड टेबल पर झूठ बोलना, और पैकेजिंग पर मुद्रित बारकोड द्वारा, आप इसकी तुलना रियो डी जेनेरियो के एक गोदाम में कहीं स्थित इसी तरह के उत्पाद से कर सकते हैं।
• पिछले पैराग्राफ का परिणाम उद्यमों के बीच इलेक्ट्रॉनिक दस्तावेज़ प्रवाह को सुविधाजनक बनाने का अवसर होगा, क्योंकि अधिकांश (लेकिन सभी, निश्चित रूप से) माल के सिंक्रनाइज़ेशन की समस्या गायब नहीं होती है।
• आप सामान को लेखा प्रणाली में चलाए बिना एक नया स्टोर जल्दी से खोल सकते हैं, लेकिन बारकोड (एक बहुत ही आदर्श उदाहरण, ओह अच्छी तरह से) की खोज करके ऐसी निर्देशिका से उन्हें प्राप्त कर सकते हैं।

उपरोक्त विकल्प और उनके संभावित रूपांतर काफी सामान्य हैं। इस गाइड के लिए बहुत अधिक रोचक उपयोग हैं:

• ट्रेडमार्क शब्दकोश विश्लेषण
• सामानों के वर्गीकरण और उनके नाम के सामान्यीकरण के लिए तंत्रिका नेटवर्क का प्रशिक्षण
• विभिन्न स्रोतों से मूल्य प्रस्तावों की तुलना के लिए "स्मार्ट" सिस्टम का विकास
• असंबद्ध उद्यमों में बिक्री और अन्य संचालन का तुलनात्मक विश्लेषण
• ... सूची आपकी कल्पना के साथ चलती है

प्रस्तुति प्रारूप

डेटाबेस को टैब वर्ण द्वारा अलग किए गए फ़ील्ड के साथ UTF-8 एन्कोडिंग में एक पाठ फ़ाइल द्वारा दर्शाया गया है।

रिकॉर्ड की संरचना इस प्रकार है:

• आईडी: आंतरिक उत्पाद पहचानकर्ता
• UPCEAN: बारकोड
• नाम: उत्पाद का नाम
• श्रेणी: आंतरिक श्रेणी पहचानकर्ता
• श्रेणीनाम: श्रेणी का नाम। चूंकि श्रेणियों की निर्देशिका पदानुक्रमित है, इसलिए यह नाम यौगिक है - उच्चतम स्तर से लेकर टर्मिनल स्तर तक जिसका उत्पाद होता है। स्तर विभाजक - स्लैश ('/')
• BrandID: आंतरिक ब्रांड पहचानकर्ता
• ब्रांडनेम: ब्रांड नाम

आंतरिक पहचानकर्ता किसी के लिए शायद ही दिलचस्प हैं - हम उन्हें केवल अपने स्वयं के प्रयोजनों के लिए अपलोड करते हैं (यदि आपको अचानक रिकॉर्ड से लिंक की सही पहचान करने की आवश्यकता है यदि आपके पास बाहर से कोई प्रश्न है)।

एक स्वतंत्र रूप से वितरित प्रारूप में रिकॉर्ड्स को वर्णमाला क्रम में उत्पाद के नाम से क्रमबद्ध किया जाता है।

विशेषताएं

यदि आप ध्यान से प्रस्तुत आंकड़ों का अध्ययन करते हैं, तो आप देखेंगे कि इंटरनेट पर उपलब्ध समान निर्देशिकाओं के बहुमत के विपरीत (भुगतान और मुफ्त दोनों), सामानों के नाम पर गहन कार्य किया गया था।

हम यह कैसे करते हैं, इसके बारे में कुछ शब्द।

सबसे पहले, निर्देशिका ( OpenPapyrus सिस्टम में प्रशासित) स्वचालित रूप से उस तकनीक का उपयोग करके संसाधित की जाती है जिसे मैंने एक बार हैबे पर वर्णित किया था ।

मैं कहना चाहूंगा कि जिस तकनीक का उल्लेख किया गया है वह हमारे लिए सब कुछ करती है। लेकिन अफसोस। अर्ध-स्वचालित और मैनुअल मोड में बड़ी मात्रा में काम करना पड़ता है।

कई वस्तुओं को "डिक्रिप्टेड" किया जाना चाहिए - मूल स्रोत में वे समझ से बाहर हो सकते हैं और सामानों के नामकरण की हमारी प्रणाली को पूरी तरह से उपेक्षित कर सकते हैं :)

सार्वजनिक डोमेन में प्रकाशित सभी बारकोड को 4 मानकों में से एक के अनुपालन के लिए परीक्षण करने की गारंटी है: EAN-13, EAN-8, UPC-A, UPC-E और एक चेक अंक शामिल करें। संभावित दोष और समस्याओं का वर्णन नीचे किया जाएगा।

पूर्णता और प्रासंगिकता

विशिष्ट प्रश्न के लिए "निर्देशिका में सभी बारकोड हैं?" इसका उत्तर रूढ़िवादी है: नहीं और यह नहीं हो सकता।

यदि आप वहां बारकोड की अनुपस्थिति की संभावना से निर्देशिका की पूर्णता का मूल्यांकन करते हैं जो गलती से आपकी आंख को पकड़ लेता है, तो यह 10-15 प्रतिशत होगा (मेरा खुद का बहुत मोटा अनुमान, इसके अलावा, वे खुद को समझते हैं, पक्षपाती हैं)। किसी भी मामले में, सार्वजनिक डोमेन में आकार के समान कुछ भी नहीं है

भौगोलिक कवरेज (उन देशों द्वारा जिसमें माल बेचा जाता है) महत्वपूर्ण है: रूस, यूक्रेन, बेलारूस, संयुक्त राज्य अमेरिका, ग्रेट ब्रिटेन, यूरोपीय संघ, दक्षिण अफ्रीका, ब्राजील, मलेशिया और कई अन्य।

प्रस्तुति भाषाएँ मुख्य रूप से रूसी और अंग्रेजी हैं। हम आमतौर पर अन्य भाषाओं के स्रोतों की उपेक्षा करते हैं, क्योंकि उन भाषाओं में कुछ भी सार्थक नहीं है (अपवाद के रूप में, स्पेनिश, चेक और अन्य भाषाओं में स्थितियां हैं)।

हम कई महीनों की आवृत्ति के साथ यूनिवर्स-एचटीटी सर्वर पर निर्देशिका को अपडेट करते हैं (जब हम प्रारंभिक बफर में पर्याप्त मात्रा में डेटा जमा करते हैं)। आखिरी बार उन्होंने इसी साल जून में डेटा अपलोड किया था। अधिकांश नए पद अनुपस्थित होने की संभावना है। हालाँकि, जबकि यह आश्चर्यजनक लग सकता है, नए बारकोड इतनी बार दिखाई नहीं देते हैं। समान कोड वाले कई उत्पाद सालों से खुदरा क्षेत्र में बेचे जाते हैं।

हम समय-समय पर निर्देशिका के खुले संस्करण को अपडेट करने की योजना भी बनाते हैं।

सूत्रों का कहना है

हम इन सभी आंकड़ों को किन स्रोतों से लेते हैं? ज्यादातर इंटरनेट से। हम सरकारी एजेंसियों (उदाहरण के लिए, अमेरिका के कुछ राज्य खरीद डेटा प्रकाशित करते हैं) सहित विभिन्न मूल्य सूची, खुली रिपोर्ट एकत्र करते हैं।

Shoals

निर्देशिका में कई दोष हैं। उनमें से कई नहीं हैं, लेकिन उन्हें रिपोर्ट करना आवश्यक है।

दोषपूर्ण कोड

सबसे पहले, बारकोड उस पर आते हैं जिसे यूपीसी-ए के रूप में गलती से व्याख्या किया जाता है जबकि वास्तव में यह ईएएन -13 बिना चेक अंक के है। कारण यह है कि मूल स्रोत (हम पहले से ही नहीं जानते हैं कि कौन सा एक है) में EAN-13 कोड बिना चेक अंक के है, लेकिन अंतिम अंक UPC-A के लिए चेक डिजिट गणना नियम से मिलता है, और हमारे मामूली एल्गोरिथ्म ने इस कोड को UPC-A से संबंधित गिना है। यह सही किया जा सकता है, लेकिन बहुत देर हो चुकी है और हाथ बड़े पैमाने पर समायोजन तक नहीं पहुंचे।
इस तरह की समस्याएं गायब हो जाती हैं, लेकिन, जैसा कि वे कहते हैं, अफसोस।

सकल बेमेल

इसके अलावा, माल में भ्रम की स्थिति है। यही है, कुछ (अत्यंत दुर्लभ मामलों में) एक बारकोड एक ऐसे नाम से मेल खाता है जो इससे संबंधित नहीं है।

निजी कोड

कुछ बारकोड निजी हो सकते हैं। 2 से शुरू होने वाले EAN-13 हम शुरू में ही छोड़ देते हैं, लेकिन कभी-कभी कुछ गलत हो जाता है और निजी कोड भर आते हैं, या तो '2' से शुरू होते हैं, या फिर कुछ अन्य अंकों से शुरू होते हैं, फिर भी निजी, इस में शामिल किसी भी संगठन (जीएस 1, उदाहरण के लिए) में पंजीकृत नहीं है।

वर्गीकरण

जैसा कि हमने निर्देशिका का एक अच्छा वर्गीकरण स्थापित करने की कोशिश नहीं की - बहुत संभव नहीं था। एक तिहाई स्थान डिफ़ॉल्ट समूह के हैं - अर्थात, यह बिल्कुल वर्गीकृत नहीं है। बाकी को गलत तरीके से वर्गीकृत किया जा सकता है।

सभी उत्पाद ब्रांडों से जुड़े नहीं हैं, हालांकि हमने इस मुद्दे पर बहुत मेहनत की है।

कैसे करें मदद?

यदि आपको निर्देशिका का विस्तार करने में मदद करने की इच्छा है, तो हम आपके द्वारा ज्ञात बारकोड के बारे में भेजे गए डेटा के लिए आभारी होंगे। मुझे दृढ़ता से संदेह है कि कोई भी व्यक्ति है जो चाहता है, लेकिन सिर्फ मामले में, मैं आपको सूचित करता हूं कि प्रोफ़ाइल में जानकारी के अनुसार मुझे ढूंढना मुश्किल नहीं है।

जिस किसी के पास निर्देशिका वस्तुओं के स्वचालित वर्गीकरण को लागू करने और विचारों और सर्वोत्तम प्रथाओं को साझा करने की क्षमता है, वह अविश्वसनीय रूप से दयालु व्यक्ति का खिताब प्राप्त करेगा। अपने हिस्से के लिए, हम इस क्षेत्र में अपने स्वयं के अनुसंधान की सफलता के बारे में जनता को सूचित करने का कार्य करते हैं।

धन

यदि आपको गाइड पसंद आया है, तो इसे जीस्टब पर एक तारांकन चिह्न के साथ चिह्नित करें। यदि आप वास्तव में इसे पसंद करते हैं, तो OpenPapyrus परियोजना को एक तारांकन चिह्न के साथ भी चिह्नित करें, क्योंकि निर्देशिका का सभी प्रशासन और प्रबंधन इसकी सहायता से किया जाता है।

उपयोग की शर्तें

कोई नहीं हैं। जैसी आपकी इच्छा हो, उसका उपयोग करें। यदि आप हमें एक लिंक देते हैं - धन्यवाद, नहीं - हम जीवित रहेंगे।

कड़वा पछतावा

आवश्यकता को पुण्य के रूप में पारित नहीं करना चाहते हैं, मुझे बताएं कि हम चर्चा पुस्तक के तहत किसी भी तरह से विमुद्रीकरण की उम्मीद कर रहे थे। हालांकि, हम पिछले कुछ वर्षों में इस क्षेत्र में ध्यान देने योग्य सफलता हासिल नहीं कर पाए हैं। इसलिए, उन्होंने फैसला किया: यह बकवास से सामान्य होना बेहतर है। संकेतित कार्रवाई के लिए हमारा उद्देश्य कुछ इस तरह दिखता है।

आपका ध्यान के लिए धन्यवाद।