当前位置：首页 > news >正文

健身API开发者的数据难题：Exercises Dataset 1324个动作5分钟上手

news 2026/8/15 20:54:07

健身API开发者的数据难题：Exercises Dataset 1324个动作5分钟上手

【免费下载链接】exercises-dataset1,324-exercise fitness dataset — animation GIFs, 180×180 thumbnails, muscle-group & equipment data, and step-by-step instructions in 6 languages. The exercise data layer behind the LogPress app.项目地址: https://gitcode.com/GitHub_Trending/ex/exercises-dataset

做健身应用的开发者，十有八九会卡在同一个环节：动作数据。Exercises Dataset 是一个收录了 1324 个健身动作的开源数据集，自带动画 GIF、肌肉与器械分类，以及中、英、西、意、土、俄 6 种语言的逐步动作指导，让后端开发可以跳过数据收集，直接进入业务逻辑。本文会从一个真实的需求出发，带你走完"看数据 → 起接口 → 进数据库 → 出训练计划"的全过程。

让项目停摆的，往往不是逻辑，而是数据

去年我想做一个"居家健身"小程序，功能很简单：用户选一个部位，我给他推荐动作。听起来不难，对吧？

真正动手才发现坑全在数据上。翻遍全网，英文动作库倒是不少，可要么接口要付费，要么数据是抓来的，动作名、器械名五花八门对不齐；想做成多语言版本，还得自己找人翻译几百条动作要领；更别提每个动作还要配图、配动图——光想到这个工作量，我差点就放弃了。

如果你也经历过这种"代码还没写，先被数据劝退"的滋味，Exercises Dataset 就是为你准备的。它把健身应用最吃力的那部分——结构化的动作数据、多语言文案、配套媒体文件——一次性打包好了。

先看看口袋里有什么：一条动作记录能拆出几层信息

项目根目录下的data/exercises.json是唯一的核心数据文件，一个 JSON 数组，装了全部 1324 条动作记录。随便挑第一条，长这样：

{ "id": "0001", "name": "3/4 sit-up", "category": "waist", "body_part": "waist", "equipment": "body weight", "instructions": { "en": "Lie flat on your back ...", "es": "Túmbate sobre tu espalda ...", "it": "Sdraiati sulla schiena ...", "tr": "Sırt üstü yatın ...", "ru": "Лягте на спину ...", "zh": "平躺，膝盖弯曲，双脚平放在地上 ..." }, "instruction_steps": { "zh": ["平躺，膝盖弯曲，双脚平放在地上。", "将双手放在脑后，肘部朝外。", "..."] }, "muscle_group": "hip flexors", "secondary_muscles": ["hip flexors", "lower back"], "target": "abs", "image": "images/0001-2gPfomN.jpg", "gif_url": "videos/0001-2gPfomN.gif" }

把字段拆开看，信息量比想象中大：

分类三件套：category/body_part（身体部位）、target（主练肌群）、muscle_group与secondary_muscles（协同肌群），做筛选和推荐时直接拿来当索引。
6 语言说明：instructions下挂着 en、es、it、tr、ru、zh 六份完整文案，中文也在其中，做国际化产品不用再逐条翻译。
分步拆解：instruction_steps把一段说明拆成了步骤数组，App 里可以按步骤逐条展示，体验比一大段文字好得多——这是很多同类数据集没有的细节。
媒体路径：image指向 180×180 缩略图，gif_url指向同尺寸动画，1324 个动作每个都配齐了，前端直接引用本地路径即可。

别急着写代码：双击就能用的动作浏览器

写接口之前，建议你先花两分钟把数据"看"一遍，建立直觉。仓库里自带了一个纯前端的浏览工具index.html，不需要装任何依赖，双击用浏览器打开就行。

它干了几件事：顶部实时搜索框可以跨全部 1324 条记录检索动作名；左侧可以按身体部位、器械、目标肌肉做组合筛选；往下滚是无限流式的卡片网格，点开任意一张卡，就能看到该动作的缩略图、动图，以及 6 种语言下各自的动作要领。

对产品经理、设计师，乃至想先验证想法的你来说，这相当于一个零成本的"数据预览台"——数据是否够用、分类是否合理，扫一眼就有答案，不必等后端写完再返工。

最省事的搭法：零依赖跑起一个健身 API

确认数据没问题，就可以动手了。这里给一个"纯净版"方案：只用 Python 标准库，不装 Flask、不装任何第三方包，把文件保存成server.py，python3 server.py就能跑起来。

# server.py —— 零依赖健身 API import json from http.server import BaseHTTPRequestHandler, HTTPServer from urllib.parse import urlparse, unquote # 启动时一次性加载全部数据，避免每次请求都读文件 with open("data/exercises.json", encoding="utf-8") as f: EXERCISES = json.load(f) class Handler(BaseHTTPRequestHandler): def do_GET(self): path = unquote(urlparse(self.path).path) # 路由一：返回全部动作，/api/exercises if path == "/api/exercises": body = json.dumps(EXERCISES, ensure_ascii=False).encode("utf-8") # 路由二：按身体部位筛选，/api/exercises/chest elif path.startswith("/api/exercises/"): category = path.split("/")[-1] matched = [e for e in EXERCISES if e["category"] == category] body = json.dumps(matched, ensure_ascii=False).encode("utf-8") # 路由三：按 id 取指定语言说明，/api/instructions/0001/zh elif path.startswith("/api/instructions/"): _, _, ex_id, lang = path.split("/") ex = next((e for e in EXERCISES if e["id"] == ex_id), None) if not ex or lang not in ex["instructions"]: self.send_response(404); self.end_headers(); return body = json.dumps( {"name": ex["name"], "instruction": ex["instructions"][lang]}, ensure_ascii=False).encode("utf-8") else: self.send_response(404); self.end_headers(); return # 统一返回 JSON，注意 UTF-8，中文才不会乱码 self.send_response(200) self.send_header("Content-Type", "application/json; charset=utf-8") self.send_header("Content-Length", str(len(body))) self.end_headers() self.wfile.write(body) if __name__ == "__main__": HTTPServer(("0.0.0.0", 8000), Handler).serve_forever()

跑起来后，浏览器里可以直接验证三个接口：

http://localhost:8000/api/exercises—— 全量数据
http://localhost:8000/api/exercises/chest—— 只看胸部动作（163 条）
http://localhost:8000/api/instructions/0001/zh—— 中文动作要领

ensure_ascii=False这行是关键，不然中文会被转义成\uXXXX，接口就没法直接用了。

想上生产？把 1324 条数据一键倒进数据库

接口验证通过后，下一步通常是落库。手动写 1324 条 INSERT 语句不现实，好在仓库里的setup.html就是干这个的。

这是一个开发者向导页面，同样双击即可打开。里面按数据库类型分了四个页签：SQL Server、PostgreSQL、MySQL、SQLite。选好类型、填上你要的字段，点击生成，浏览器会直接产出一份包含建表语句和全部 1324 条 INSERT 的.sql文件，下载后导入你的数据库即可。

以 SQLite 为例，生成的建表语句大致是这个形态：

CREATE TABLE exercises ( id VARCHAR(10) PRIMARY KEY, -- 动作唯一编号 name VARCHAR(255), -- 动作名称 category VARCHAR(50), -- 身体部位分类 equipment VARCHAR(50), -- 所需器械 instructions_en TEXT, -- 英文说明 instructions_zh TEXT, -- 中文说明 muscle_group VARCHAR(100), -- 协同肌群 target VARCHAR(100), -- 目标肌肉 image VARCHAR(255), -- 缩略图路径 gif_url VARCHAR(255) -- 动图路径 );

多语言说明在 JSON 里是嵌套对象，在关系库里拍平成instructions_en、instructions_zh这样的独立列即可，setup.html已经帮你处理好了这一层映射。导入完成后，查询、分页、加索引都交给数据库，性能不再是问题。

让 AI 替你写后端：一条提示词换一个完整 REST API

如果你连接口都不想手写，setup.html里还藏着一个更"偷懒"的选项：Ask Your LLM模块。

它会根据你的选择（框架 + 数据库）拼出一段结构化的提示词，你只需要把它粘贴给 ChatGPT、Claude、Gemini 之类的模型，就能一次生成一个可上生产的 REST API。支持的组合覆盖了主流技术栈：

后端框架：Express.js、FastAPI、ASP.NET Core、Spring Boot、Laravel、Gin
配套数据库：就是前面那四种，SQL Server / PostgreSQL / MySQL / SQLite

生成完别忘了两件事：一是把数据从 JSON 导入到你选的数据库，二是让 AI 参照data/exercises.json的真实字段来定义模型，接口才会和你本地数据对得上。

这套数据到底够不够用：规模与分布速览

决定要不要用它之前，先看分布。1324 个动作按身体部位拆开是这样的：

身体部位速览
上臂 292 · 大腿 227 · 背部 203 · 腰部 169
胸部 163 · 肩部 143 · 小腿 59 · 前臂 37
有氧 29 · 颈部 2

器械维度同样值得留意，因为它直接决定了"用户在家能不能练"：

器械分布速览
自重 325 · 哑铃 294 · 绳索 157 · 杠铃 154
固定器械 81 · 弹力带 54 · 史密斯机 48 · 壶铃 41
负重 36 · 健身球 28 · EZ 杠铃 23 · 其他 83

两组数字放在一起看，两个结论很直观：全身各部位都有覆盖，没有明显短板；约四分之一的动作不需要任何器械，做"居家训练""零器械计划"这类场景素材完全够用。

收个尾：写一个能出训练计划的生成器

最后，把前面用到的能力串起来，写一个真正能用的东西：随机训练计划生成器。这次换成 Node.js 版本，和前面的 Python 接口正好凑齐两种语言。

// workout.js —— 根据部位与器械随机生成训练计划 const exercises = require("./data/exercises.json"); // 筛选 + 洗牌 + 截取前 n 条 function buildPlan(category, equipment = null, count = 5) { const pool = exercises.filter(ex => ex.category === category && (!equipment || ex.equipment === equipment) ); for (let i = pool.length - 1; i > 0; i--) { const j = Math.floor(Math.random() * (i + 1)); // Fisher-Yates 洗牌 [pool[i], pool[j]] = [pool[j], pool[i]]; } return pool.slice(0, count).map(ex => ({ name: ex.name, target: ex.target, equipment: ex.equipment, zh: ex.instructions.zh, // 直接带上中文要领，App 端免翻译 })); } // 生成一套 4 个动作的杠铃练腿计划 const plan = buildPlan("upper legs", "barbell", 4); console.log(JSON.stringify(plan, null, 2));

运行node workout.js，输出的就是一份带动作名、目标肌群和中文要领的训练计划。往这个思路上再走一步，就能扩展出"按用户已有器械过滤""按目标肌肉打分排序"这类更聪明的推荐逻辑——数据字段都现成，差的只是你的想象力。