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:
- 原始修复使用了
mntl-structured-ingredients__list-item
作为CSS选择器 - 但AllRecipes网站前端已更新为使用
mm-recipes-structured-ingredients__list-item
类名 - 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:
- 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
- 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:
- 目标网站前端变更导致的抓取失效
- 临时修复方案可能引入的长期维护问题
- 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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~046CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0301- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
262

🎉 (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 kernel ~ openGauss is an open source relational database management system
C++
129
182

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

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

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

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

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