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 01:20:02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

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
262
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
863
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
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
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
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
332
1.08 K