Repository navigation
Weitere Rezeptquellen archivieren, beginnend mit Ethan Chlebowski - #3
Open
hansdoebel wants to merge 1 commit into
Open
hansdoebel wants to merge 1 commit into
hansdoebel wants to merge 1 commit into
Conversation
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
Add this suggestion to a batch that can be applied as a single commit.This suggestion is invalid because no changes were made to the code.Suggestions cannot be applied while the pull request is closed.Suggestions cannot be applied while viewing a subset of changes.Only one suggestion per line can be applied in a batch.Add this suggestion to a batch that can be applied as a single commit.Applying suggestions on deleted lines is not supported.You must change the existing code in this line in order to create a valid suggestion.Outdated suggestions cannot be applied.This suggestion has been applied or marked resolved.Suggestions cannot be applied from pending reviews.Suggestions cannot be applied on multi-line comments.Suggestions cannot be applied while the pull request is queued to merge.Suggestion cannot be applied right now. Please check back later.
Das Quellenarchiv wächst um Cook Well / Ethan Chlebowski, RecipeTin Eats, Zucker & Jagdwurst, Maangchi und Pick Up Limes. Alle öffentlichen Originalkarten werden mit konkreter Quell-URL, tatsächlicher Urheberangabe und Originalmengen gesichert. Begonnen wurde mit Cook Well.
3.914 zusätzliche Quellkarten; 4.391 Sitemap-Seiten geprüft, keine verbleibenden Abruffehler. Bei Zucker & Jagdwurst werden deutsche Fassungen statt doppelter englischer Übersetzungen erfasst. Diese Originaldaten sind noch keine neuen Markdown-/SQL-Rezepte für die Einkaufsliste.
Serious Eats ist ausdrücklich ausgeschlossen: Der Herausgeber untersagt automatisiertes Content-Archiving ohne vorherige schriftliche Erlaubnis in seiner robots.txt. Ein Ausschlussmanifest dokumentiert null Rezeptabrufe. Keine privaten oder kostenpflichtigen Rezeptdaten werden gespeichert.
Der Scraper unterstützt verschachtelte Text-Anleitungen, sichtbare Maangchi-Karten bei unvollständigem/fehlendem JSON-LD, ältere HTML-Layouts und die tatsächliche Sprache/Byline. Atomare Checkpoints erlauben die Wiederaufnahme; offene Crawls können die Quellenprüfung nicht bestehen. Begrenzte Parallelität, robots.txt-Prüfung und gezielte Wiederholungen bleiben erhalten.
Die vorhandenen vier parallelen CI-Jobs prüfen auch alle neuen Archive. Lokal erfolgreich:
npm run lint,npm test(31 Tests) undgit diff --check. Die Tests decken Quellformate, Mitgliederausschlüsse, Wiederaufnahme und die Abgrenzung von Rezepttext gegen Kommentare ab.Bezug: PER-186.