如何从嵌套JSON-LD结构中查找@type为Recipe的食谱数据

核心逻辑是设计一个通用递归遍历函数，支持同时处理任意嵌套层级的列表、字典结构，遍历过程中主动匹配"@type": "Recipe"的字典节点，匹配到就直接存入结果集合，不需要继续向下遍历该节点的子元素，减少无效计算。

实现步骤 #

• 第一步：先提取页面中所有<script type="application/ld+json"标签的文本内容，用JSON解析工具转成原生的字典/列表对象，注意要处理部分站点存在的JSON转义异常、尾随逗号问题，可以用json5库替代标准JSON库提高兼容性。
• 第二步：编写递归遍历函数，逻辑如下：
  1. 如果当前遍历对象是字典：首先检查是否存在键"@type"且值为"Recipe"，如果符合直接返回该字典作为结果；如果不符合，就遍历所有字典值，逐个传入递归函数，收集返回的有效结果。
  2. 如果当前遍历对象是列表：遍历列表中每个元素，逐个传入递归函数，收集返回的有效结果。
  3. 如果当前是字符串、数字等基础类型，直接返回空结果。
• 第三步：收集所有匹配到的Recipe字典，按需提取recipeIngredient（食材清单）、recipeInstructions（制作步骤）字段即可。

代码示例（Python版本） #

import json5
from lxml import etree

def find_recipe_nodes(obj):
    recipe_list = []
    if isinstance(obj, dict):
        # 先判断当前字典是不是目标Recipe节点
        if obj.get("@type") == "Recipe":
            recipe_list.append(obj)
            # 不需要继续遍历子节点，直接返回
            return recipe_list
        # 兼容@type为数组的场景，可替换上面的判断逻辑
        # if "Recipe" in obj.get("@type", []):
        #     recipe_list.append(obj)
        #     return recipe_list
        # 不是目标节点的话遍历所有值递归
        for v in obj.values():
            recipe_list.extend(find_recipe_nodes(v))
    elif isinstance(obj, list):
        # 遍历列表所有元素递归
        for item in obj:
            recipe_list.extend(find_recipe_nodes(item))
    # 基础类型直接返回空
    return recipe_list

# 调用示例
html = etree.HTML(你的网页源码字符串)
ld_json_text = html.xpath('//script[@type="application/ld+json"]/text()')[0]
# 用json5解析兼容不规范的JSON格式
ld_data = json5.loads(ld_json_text)
# 查找所有Recipe节点
all_recipes = find_recipe_nodes(ld_data)

# 提取需要的字段做后续处理
for recipe in all_recipes:
    ingredients = recipe.get("recipeIngredient", [])
    steps = recipe.get("recipeInstructions", [])

可选优化项 #

• 可以给递归函数加深度限制，避免极端情况下的栈溢出，一般ld+json嵌套深度不会超过10层，设置20层的上限完全够用。
• 如果确定页面只有1个食谱，可以在匹配到第一个Recipe节点后直接终止整个遍历，进一步提升效率。

内容的提问来源于stack exchange，提问作者Nick