કરી કેચઅપ (કર્વીવાર્સ્ટ) રેસીપી સાથે જર્મન સોસેજ

ક્રી કેચઅપ સાથે જર્મન ફુલમો, જે ક્યુરીવાર્સ્ટ તરીકે ઓળખાય છે, તે એકમાત્ર શેરી ખોરાક અથવા ફાસ્ટ ફૂડ છે જે ઇમ્બેસબ્યુડેન તરીકે ઓળખાય છે.

તે શેકેલા ફુલમોથી શરૂ થાય છે (બર્લિનર ક્યુરીવોર્સ્ટ એક ડુક્કરનું સોસેજ છે જે હોટ ડોગને મળતું આવે છે, જ્યારે અન્ય શહેરો બ્રીટવોર્સ્ટનો ઉપયોગ કરી શકે છે) અને ક્રી-ફ્લાવર ટોમેટો કેચઅપ.

એક સારી ક્યુરીવાર્સ્ટ સારી ગુણવત્તાવાળા ફુલમો સાથે બનાવવામાં આવે છે જે ગરમ શેકેલા હોય છે, અને સ્વીચ બોટલમાં મળેલી પાતળી, પાણીયુક્ત સામગ્રીની જગ્યાએ કેચઅપનું શરીર હોવું જોઈએ.

નીચે સમાયેલ છે હોમમેઇડ કેચઅપ માટે એક રેસીપી છે કે જે ટમેટા પેસ્ટ સાથે શરૂ થાય છે, માત્ર કિસ્સામાં તમે હાથ પર કોઇ કેચઅપ નથી.

તમને જરૂર પડશે

તે કેવી રીતે બનાવો

ચટણી બનાવો

  1. એક માધ્યમ શાક વઘારવાનું તપેલું માં, ડુંગળી અર્ધપારદર્શક છે ત્યાં સુધી તેલ, ડુંગળી, અને સફરજન અને sauté ઉમેરો. લસણ ઉમેરો અને લગભગ 1 મિનિટ માટે, stirring, કૂક.
  2. વધુ ભદ્ર સ્વાદ માટે, લસણ અને sauté માટે મસાલા ઉમેરો, સતત stirring, 2 થી 3 મિનિટ માટે અથવા મસાલા સુગંધી છે ત્યાં સુધી.
  3. નહિંતર, 1/2 કપ પાણી રેડવાની અને પાનને તોડીને ટમેટા પેસ્ટ, મધ, મસાલા, કઢી પાવડર, સરકો, આદુ, પત્તા, અને મરી ઉમેરો.
  1. ગરમીને ઘટાડે છે, અને 30 મિનિટ કે તેથી વધુ સમય માટે સણસણવું, ઇચ્છિત સુસંગતતા સુધી પહોંચવા માટે પાણી ઉમેરીને.
  2. સરળ સૉસ માટે નિમજ્જન બ્લેન્ડર સાથે પત્તા અને મિશ્રણ દૂર કરો, અથવા ઇચ્છિત હોય તો ઠીંગણું અને મજબૂત છોડો. સેવા આપવા માટે તૈયાર હોય ત્યારે સૉસને હૂંફાળું અથવા ફરી લગાવી રાખો.

ગ્રીસ આ ફુલમો

  1. ગ્રીલ ફુલમો લિંક્સ અને પછી 1-ઇંચના કરડવાથી કાપી અને ગરમ ચટણી સાથે કામ કરો.
  2. વૈકલ્પિક રીતે, કર્ણ અને સપાટી પર ફુલમો લિંક્સને વધુ કડક સપાટી વિસ્તાર બનાવવા અને પછી સ્લાઇસ કરો.
  3. ત્રીજા અભિગમ કર્ણ પરની લિંકને કાપી નાખવા માટે હશે પરંતુ ડાઇનર્સની ઇચ્છા પ્રમાણે કાપી નાખવાના હેતુથી તેને સંપૂર્ણ રીતે છોડી દેશે.
  4. પરંપરાગત રીતે આ વાની સાથે પીરસવામાં આવે છે, પરંતુ ફ્રેન્ચ ફ્રાઈસ વારંવાર સાથ છે.
પોષક માર્ગદર્શિકા (સેવા આપતા દીઠ)
કૅલરીઝ 209
કુલ ચરબી 7 ગ્રામ
સંતૃપ્ત ફેટ 2 જી
અસંતૃપ્ત ચરબી 3 જી
કોલેસ્ટરોલ 10 એમજી
સોડિયમ 152 એમજી
કાર્બોહાઇડ્રેટ્સ 34 ગ્રામ
ડાયેટરી ફાઇબર 4 જી
પ્રોટીન 7 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.)