Streamlit线上应用报TypeError本地正常，求解决方案

错误根源 #

报错栈指向create_df函数第213行的求和逻辑：

res['Total'] = res.drop(['Ingredients', 'Measurement'], axis=1).sum(axis=1)

TypeError: can only concatenate str (not "float") to str说明待求和的列中混入了字符串类型数据，导致pandas无法正常执行数值求和。结合本地正常、线上报错的情况，大概率是两个原因：

• 线上环境依赖版本（比如pandas）和本地不一致，新版本pandas对类型校验更严格；
• Hellofresh网页结构更新，爬取到的配料数量字段不再是纯数字（比如带单位、空值或其他文本）。

修复步骤 #

1. 强制转换求和列的数值类型 #

在求和前批量将目标列转为数值型，无法转换的内容设为NaN：

import pandas as pd

# 筛选出需要求和的列（排除非数值列）
sum_columns = res.columns.difference(['Ingredients', 'Measurement'])
# 批量转换为数值类型，错误值转为NaN
res[sum_columns] = res[sum_columns].apply(pd.to_numeric, errors='coerce')
# 计算Total列，跳过空值
res['Total'] = res[sum_columns].sum(axis=1, skipna=True)

2. 校验并清理爬取数据 #

检查Hellofresh网页是否更新，若爬取到的数量字段带单位（如"500g"、"2个"），提前提取数字部分：

# 假设数量字段名为'Quantity'，提取数字内容
res['Quantity'] = res['Quantity'].str.extract(r'(\d+\.?\d*)', expand=False)

3. 对齐本地与线上依赖版本 #

把本地环境的依赖版本导出到requirements.txt，强制线上使用相同版本：

# 本地终端执行
pip freeze > requirements.txt

确保部署时安装的pandas、streamlit等包版本和本地完全一致。

4. 增加单URL异常处理 #

处理多URL时，对每个URL单独捕获异常，避免单个URL的数据问题导致整个流程崩溃：

def process_single_url(url):
    try:
        # 这里放单个URL的爬取、解析逻辑
        return parsed_data
    except Exception as e:
        print(f"处理URL {url} 失败: {str(e)}")
        return None

# 批量处理时过滤异常结果
valid_records = [data for data in map(process_single_url, url_list) if data is not None]

内容的提问来源于stack exchange，提问作者June Smith