ફ્રાઇડ તરબૂચ કરો

મોટેભાગે અમે તડબૂચ ખાય ત્રિકોણ માં કાપી. પરંતુ તળેલું તડબૂચ? તે માને છે કે નહીં, તે કામ કરે છે - અને તે સ્વાદિષ્ટ સ્વાદ તે તંદુરસ્ત તરસ-કવચ ન પણ હોઇ શકે, પરંતુ તે એક અનન્ય માધુર્ય છે.

તડબૂચ ફ્રાય કરવા માટે આ વાનગી અન્ય ઘણા પ્રકારનાં ખોરાકને સરકાવે છે. પ્રથમ, આ તડબૂચને પ્રકાશમાં સખત મારવામાં આવે છે, પછી ગરમ તેલમાં મૂકવામાં આવે છે, અને અંતિમ સંપર્ક તરીકે ચુસ્ત ખાંડ સાથે ટોચ પર છે. આ રેસીપી તડબૂચ માંસને ટુકડાઓમાં કાપવા માટે કહે છે, પરંતુ જો તમે તેને કાર્નિવલના નાસ્તાને અનુસરવા માંગતા હો તો તમે ત્રિકોણમાં કાપી શકો છો અને કોટિંગ અને ફ્રાઈંગ પહેલાં છંટકાવ દ્વારા લાકડી દાખલ કરી શકો છો. સૌથી વધુ તળેલા ખોરાકની જેમ, જ્યારે ગરમ અને ચપળ હોય ત્યારે તે તરત જ પીરસવામાં આવે છે.

તમને જરૂર પડશે

તે કેવી રીતે બનાવો

  1. અડધા લાંબા સમય સુધી તરબૂચ કાપી. દરેક ભાગમાં ફરીથી બે ભાગમાં કાપી નાખો. તમારી પાસે ચાર લાંબા ત્રિકોણાકાર આકારના વિભાગો હોવા જોઇએ. દરેક ભાગમાંથી છીણીને સફેદ સ્તર અને લાલ માંસ વચ્ચે ચલાવીને, તમારા રેખાને તે રેખા પર છરીના સ્તરને રાખવા માટે શ્રેષ્ઠ બનાવીને દૂર કરો. છાલ કાઢી નાખો અને તરબૂચ માંસને 1 ઇંચના જાડા સ્લાઇસેસમાં કાપી નાખો. પછી દેહને લગભગ 1 ઇંચના ત્રિકોણમાં કાપી. (તે વિજ્ઞાન નથી, તેથી જો તમારી પાસે વિચિત્ર આકાર હોય તો ચિંતા કરશો નહીં.)
  1. 350 થી ડીપ ફ્રાયર, ડચ પકાવવાની નાની ભઠ્ઠી અથવા વાકોમાં તેલ ગરમ કરો.
  2. વાટકીમાં, ઇંડા ગોરા અને પાણી સાથે મકાઈનો ટુકડો ઝુંબેશ સુધી જોડાય.
  3. એક વાટકી માં લોટ મૂકો અને ગરમ તેલ નજીક cornstarch મિશ્રણ બાજુમાં સુયોજિત કરો. લોટમાં તડબૂચ હિસ્સામાં ઘટાડો કરો, પછી કોર્નસ્ટાર્ક સખત મારપીટ સાથે કોટ. કાળજીપૂર્વક બૅચેસમાં તેલ અને ઊંડા-ફ્રાયમાં ડ્રોપ કરો, પટ્ટીને ભીડ કર્યા વિના, બટનો વચ્ચે યોગ્ય રીતે ભુરોમાં જગ્યા છોડીને. તડબૂચ હિસ્સામાં સોનેરી ન થાય ત્યાં સુધી કૂક કરો.
  4. સ્લેક્ટેડ ચમચીનો ઉપયોગ કરીને, તેલમાંથી દૂર કરો અને પેપર-ટુવેલ-રેટેડ પ્લેટ પર સારી રીતે ડ્રેઇન કરો. પાવડર કન્ફેક્શનર્સની ખાંડને ધૂળવાથી ઊંડા તળેલી તડબૂચ છંટકાવ કરવો અને ગરમ કરવું.
પોષક માર્ગદર્શિકા (સેવા આપતા દીઠ)
કૅલરીઝ 136
કુલ ચરબી 1 જી
સંતૃપ્ત ફેટ 0 જી
અસંતૃપ્ત ચરબી 1 જી
કોલેસ્ટરોલ 0 એમજી
સોડિયમ 130 મિલિગ્રામ
કાર્બોહાઇડ્રેટ્સ 30 જી
ડાયેટરી ફાઇબર 2 જી
પ્રોટીન 3 જી
(અમારા વાનગીઓ પરની પોષણની માહિતીને ઘટક ડેટાબેઝનો ઉપયોગ કરીને ગણવામાં આવે છે અને તેને એક અંદાજ ગણવામાં આવે છે. વ્યક્તિગત પરિણામો બદલાઈ શકે છે.)