ઉકાળવા આખા માછલી

તૈયારી આ રેસીપી માટે ખૂબ જ મૂળભૂત છે, જેનો અર્થ એ કે તે તદ્દન શક્ય છે, શરૂઆત રસોઈ માટે પણ. તાજા માછલીનો ઉપયોગ કરવો, અને તેને શુદ્ધ અને શુષ્ક કરો.

તમે વિવિધ સીઝનીંગ (મરચું મરી એક સારો વિકલ્પ છે) નો ઉપયોગ કરીને રેસીપી બદલી શકો છો અને લસણ, અદલાબદલી પીસેલા, લીલી ડુંગળી અથવા કટકો મરી સાથે સુશોભન કરી શકો છો. તમે મજબૂત સ્વાદ માટે આદુને પણ વધારી શકો છો વનસ્પતિ, માંસ અથવા મરઘાં - કોઈપણ જગાડવો-ફ્રાય વાનગી સાથે તેને સેવા આપે છે.

નોંધ: તૈયારીના સમયમાં માર્નીડ સમયનો સમાવેશ થાય છે અને ધારે છે કે તમે બાકીના ઘટકો તૈયાર કરશો અને માછલીનું મિશ્રણ કરતી વખતે સ્ટીમર સેટ કરશો.

તમને જરૂર પડશે

તે કેવી રીતે બનાવો

  1. એક નાનું વાટકીમાં, કાળી દાળો મૂકો અને ગરમ પાણીથી આવરી લો. વધારાની મીઠું દૂર કરવા માટે લગભગ 2 મિનિટ માટે કઠોળ જગાડવો.
  2. પાણીમાંથી દાળો દૂર કરો, વીંછળવું અને સારી રીતે ડ્રેઇન કરો.
  3. દરેક બાજુએ માછલીને ત્રાંસી બાજુ ત્રાંસી બાજુ સ્લેશ કરો.
  4. એક નાનું વાટકીમાં, આદુ, વનસ્પતિ તેલ, કાળા કઠોળ, લસણ, મીઠું, ખાંડ, સોયા સોસ અને તલના તેલનું મિશ્રણ કરો. આ મિશ્રણ સાથે પોલાણ અને માછલીની બહાર ઘસવું. આવરે છે અને 30 મિનિટ કે તેથી વધુ સમય સુધી ઠંડું કરો.
  1. લીલા ડુંગળીને 2 ઇંચના ટુકડાઓમાં કાપો; દંડ સ્ટ્રીપ્સ માં લંબાઈ કટકો આવરેલા બરફના પાણી સાથેના બાઉલમાં મૂકો; દો 10 મિનિટ ઊભા, અથવા સ્ટ્રિપ્સ કર્લ સુધી.
  2. હીટપ્રુફ પ્લેટ પર માછલીને મૂકો (નીચેની નોંધ જુઓ) સ્ટીકરો, કવર, અને ઉકળતા પાણી ઉપર વરાળમાં રેક પર પ્લેસ મૂકો જ્યાં સુધી માછલી કાંટો સાથે સરળતાથી 10 મિનિટ સુધી ફલેક્સ કરે છે. (જો જરૂરી હોય તો ઉકળતા પાણી ઉમેરો) લીલા ડુંગળી સાથે સુશોભન માટે વાપરવાની સામગ્રી.

નોંધ: જો તમે માઇક્રોવેવમાં આ માછલીને રાંધવા માંગતા હોવ, તો માઇક્રોવેવ વાસણ પર પ્લાસ્ટિકની લપેટી સાથે માછલીને આવરી દો અને ઉચ્ચતર 3 મિનિટ સુધી રાંધવા. દો 2 મિનિટ માટે ઊભા અને વાનગી ફેરવો ઉચ્ચ પર વધારાની 2 મિનિટ કુક કો.

રોજિંદા ચીની રસોઈની રસીકરણની પરવાનગી સાથે પુનઃપ્રયાસની રસીકરણ: લેન ચિન રેસ્ટોરન્ટ્સમાંથી ઝડપી અને સ્વાદિષ્ટ રેસિપિ.

પોષક માર્ગદર્શિકા (સેવા આપતા દીઠ)
કૅલરીઝ 249
કુલ ચરબી 10 ગ્રામ
સંતૃપ્ત ફેટ 1 જી
અસંતૃપ્ત ચરબી 5 જી
કોલેસ્ટરોલ 396 એમજી
સોડિયમ 155 મિ.ગ્રા
કાર્બોહાઇડ્રેટ્સ 11 જી
ડાયેટરી ફાઇબર 1 જી
પ્રોટીન 28 ગ્રામ
(અમારા વાનગીઓ પરની પોષણની માહિતીને ઘટક ડેટાબેઝનો ઉપયોગ કરીને ગણવામાં આવે છે અને તેને એક અંદાજ ગણવામાં આવે છે. વ્યક્તિગત પરિણામો બદલાઈ શકે છે.)