首页
/ Recipe-Scrapers项目解析:AllRecipes网站食材抓取失败问题及解决方案

Recipe-Scrapers项目解析:AllRecipes网站食材抓取失败问题及解决方案

2025-07-07 11:36:41作者:俞予舒Fleming

在Python生态系统中,recipe-scrapers是一个广受欢迎的食谱数据抓取库,它能够从多个流行食谱网站中提取结构化数据。近期开发者发现该库在处理AllRecipes网站时出现了食材抓取失败的问题,本文将深入分析问题原因并提供技术解决方案。

问题现象分析

当使用recipe-scrapers抓取特定AllRecipes页面时,本应返回的食材列表变成了空数组。正常情况下,该页面应返回包含8项食材的完整列表,包括碎牛肉、黑豆、莎莎酱等具体配料及其用量信息。

技术根源探究

经过代码审查,发现问题源于之前的一个PR修复方案。该修复原本是为了解决AllRecipes网站JSON schema问题而引入的手动HTML抓取逻辑。具体表现为:

  1. 原始修复使用了mntl-structured-ingredients__list-item作为CSS选择器
  2. 但AllRecipes网站前端已更新为使用mm-recipes-structured-ingredients__list-item类名
  3. 这种类名变更导致CSS选择器失效,进而无法抓取任何食材数据

解决方案设计

针对这一问题,开发者提出了两种可行的技术方案:

  1. 直接修复方案:将CSS选择器更新为网站当前使用的类名mm-recipes-structured-ingredients__list-item
  2. 健壮性方案:设计更宽容的选择器逻辑,能够适应网站未来的类名变化

第一种方案实现简单直接,能快速解决问题;第二种方案更具前瞻性,但实现复杂度较高。在实际开发中,基于快速修复的考虑,采用了第一种方案。

技术实现细节

修复后的选择器逻辑能够正确匹配AllRecipes网站当前的DOM结构。该网站将食材信息组织为:

  • 一个包含所有食材的容器元素
  • 每个食材项使用特定类名的列表项元素
  • 每个列表项内包含完整的食材描述文本

通过更新CSS选择器,抓取逻辑重新能够定位并提取这些食材信息元素。

版本发布与集成

该修复已合并到主分支,并包含在v14.57.1版本中发布。使用recipe-scrapers的项目可以通过以下方式获取修复:

  • 直接拉取最新代码
  • 通过pip安装最新发布版本

对于依赖recipe-scrapers的上层应用(如Mealie),需要等待其更新依赖版本以包含此修复。

经验总结

这个案例展示了Web抓取项目中常见的几个技术挑战:

  1. 目标网站前端变更导致的抓取失效
  2. 临时修复方案可能引入的长期维护问题
  3. 选择器设计需要在精确度和容错性之间平衡

建议开发者在实现Web抓取逻辑时:

  • 优先考虑使用官方API或结构化数据
  • 当必须解析HTML时,尽量使用最稳定的选择器
  • 考虑添加自动测试来监测目标网站的变化
  • 为选择器设计适当的容错机制

通过这个案例,我们不仅解决了具体的技术问题,也为处理类似的Web抓取场景积累了宝贵经验。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.92 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
422
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
65
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8