recipe-scrapers 15.7.0版本发布:增强食谱数据抓取能力
recipe-scrapers是一个专注于从各类食谱网站抓取结构化数据的Python库,它能够将网页上的食谱信息转换为标准化的JSON格式,包括菜名、配料、步骤、烹饪时间等关键信息。该项目通过持续更新来支持更多食谱网站,并不断优化现有解析器的准确性。
新增支持的食谱网站
本次15.7.0版本新增了对多个食谱网站的支持,显著扩展了数据抓取范围:
- garnishandglaze.com - 一个专注于装饰和釉料的美食网站
- zestfulkitchen.com - 提供充满活力的厨房创意食谱
- tastyoven.com - 专注于烤箱烹饪的食谱资源
- sizzlefish.com - 海鲜类食谱的专业网站
- bakewithzoha - 烘焙爱好者的食谱集合
- healthywithachanceofsprinkles.com - 健康饮食与偶尔放纵的平衡食谱
- cookinglsl.com - 简单生活风格的烹饪网站
- organicallyaddison.com - 有机食材为主的健康食谱
- erinliveswhole.com - 整体生活方式的健康食谱
- simplegreensmoothies.com - 绿色蔬果汁配方网站
- loveandlemons.com - 以柠檬为特色的创意食谱
- thebigmansworld - 大份量美食食谱
- festligare.se - 瑞典语的节日食谱网站
- editions-larousse - 法国拉鲁斯出版社的食谱
- tastinghistory.com - 历史美食重现的独特食谱
- picnic.app - 带有额外步骤说明的食谱应用
- amazingoriental.com - 东方美食特色网站
核心功能改进
1. 增强的JSON-LD处理能力
针对pioneerwoman和aberlehome等网站,更新了JSON-LD解析逻辑,能够更稳健地处理不完整的食谱结构化数据。JSON-LD是食谱网站常用的结构化数据格式,但各网站实现质量参差不齐。新版本通过更智能的容错机制,确保即使在不完美的数据结构下也能提取关键信息。
2. 自动检测配料分组
引入了对WPRM(WordPress Recipe Maker)和Tasty格式的自动检测功能,能够智能识别常见的配料分组选择器组合。这项改进使得解析器无需针对每个网站硬编码分组规则,就能正确提取分门别类的配料信息,如"酱料"、"腌料"等分组。
3. 请求头优化
为URLOpen请求添加了标准请求头,模拟更真实的浏览器访问行为。这一改进有助于绕过一些网站的反爬虫机制,提高数据获取的成功率。
现有解析器优化
- TasteAU - 修复了指令提取逻辑,确保烹饪步骤完整准确
- ahealthysliceoflife - 改进了配料解析算法并添加了对配料分组的支持
- TheRecipeCritic - 统一了命名规范,保持代码风格一致性
技术实现亮点
本次更新体现了recipe-scrapers项目的几个重要技术方向:
- 模块化设计:每个食谱网站的解析器都是独立的类,便于维护和扩展
- 渐进增强:在支持新网站的同时,不断优化现有解析器的健壮性
- 智能检测:通过模式识别减少硬编码规则,提高解析器的自适应能力
- 反爬应对:通过模拟真实用户行为,提高在严格网站上的抓取成功率
开发者体验
对于使用recipe-scrapers的开发者而言,15.7.0版本带来了更广泛的数据源支持和更稳定的解析表现。新增的网站覆盖了从专业美食出版到个人美食博客的各种类型,而底层解析逻辑的改进则提升了整个库的可靠性。
项目维护团队通过清晰的版本管理和详尽的变更日志,使开发者能够轻松了解每次更新的内容和影响,便于评估升级的必要性和潜在风险。
recipe-scrapers持续证明其作为食谱数据抓取领域领先工具的价值,通过社区贡献和核心团队的努力,不断扩大其应用场景和技术能力。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01