માછલી માટે ઉત્તમ નમૂનાના પાન ચટણી

આ એક મૂળભૂત ક્લાસિક ચટણી છે જે દરેક માછલી અને સીફૂડના કૂકને તેના પટ્ટા હેઠળ હોવી જોઇએ. તે સૉસ વેલ્ટા (વેલ-ઓઓ-ટેક) પર ભિન્નતા છે, જે સમૃદ્ધ રોક્સ છે.

ખૂબ ફ્રેન્ચ સંભળાઈ? મારી સાથે સહન કરો, કારણ કે આ એક ઝડપી અને સરળ - અને સ્વાદિષ્ટ છે - ફક્ત તૈયાર માછલી માટે ચટણી. આ રેસીપી 4 સેવા આપે છે

તમને જરૂર પડશે

તે કેવી રીતે બનાવો

  1. જ્યારે તમે પૅન-ફ્રાઈંગ અથવા તમારા માછલી અથવા સીફૂડને તળવામાં આવે છે, ત્યારે તેલ અથવા માખણના 2 વધુ ચમચી તમે માછલી સાથે રાંધવામાં આવે છે, લાકડાની ચમચી સાથે પણ તળિયેથી કોઈ નિરુત્સાહિત બિટ્સને સ્ક્રેપિંગ કરો.
  2. લોટમાં ગરમીને મધ્યમ-નીચી અને છંટકાવ કરો અને ફોર્ક અથવા લાકડાના ચમચી સાથે સારી રીતે ભળી દો. આ રાંધવા દો અને ઘણીવાર જગાડવો જ્યાં સુધી તે પ્રકાશ ભુરો નહીં કરે; તમે રોક્સ કરી રહ્યા છો (ઉચ્ચારણ "રુ" કિસ્સામાં તમે આશ્ચર્ય પામી રહ્યા છો). આને બર્ન ન કરવું એ ખૂબ મહત્વનું છે!
  1. જ્યારે રોક્સ ભુરો પ્રકાશ છે, વાઇન ઉમેરો. તે sputter કરશે સારી રીતે કરો અને લાકડાના ચમચી સાથે તળિયે બોલ પર કોઈ નિરુત્સાહિત બિટ્સ ઉઝરડા. આ મહત્વપૂર્ણ છે, તેથી તેમને બધા મેળવો.
  2. તે તદ્દન થોડી તટસ્થ થઈ શકે છે, તેથી સ્ટોક ઉમેરો અને સારી રીતે ભળી દો. આને ઊંચી ગરમી પર બોઇલમાં લાવો.
  3. જ્યારે ચટણી લગભગ અડધાથી ઓછું થઈ જાય છે, મીઠું માટે થોડો સ્વાદ લગાડો અને જો તમને જરૂર હોય તો વધુ ઉમેરો.
  4. ચટણી ત્યારે થાય છે જ્યારે તે ચમચીના પાછળના ભાગને કોટ કરી શકે છે અથવા જયારે તે પૅનની મધ્યમાં લાકડાના ચમચીને ખેંચી લો તે પછી ભરવા માટે બીજા કે તેથી વધુ સમય લે છે. જો તમે ખરેખર ફેન્સી મેળવવા માંગો છો, તો પીરસતાં પહેલાં દંડ જાળીદાર સ્ટ્રેનર દ્વારા ચટણી રેડવાની છે.

સ્ટોક પર એક શબ્દ . તમારી વાનગી માટે યોગ્ય સ્ટોક, એટલે કે, ઝીંગા માટે ઝીંગાનો સ્ટોક, લોબસ્ટર માટે લોબસ્ટર સ્ટોક, માછલી માટે માછલીનું સ્ટોક વાપરો. જો તમને જરૂર હોય તો તમે હંમેશા બીજા સ્ટોકમાં ઉપાડ કરી શકો છો, પરંતુ જમણા સ્ટોક ઉમેરીને તમારું આખું વાનગી એક પગલું વધુ સારું બને છે. (સ્ટોક કેવી રીતે બનાવવી તે અંગેના સૂચનો નીચે છે).

પોષક માર્ગદર્શિકા (સેવા આપતા દીઠ)
કૅલરીઝ 184
કુલ ચરબી 9 જી
સંતૃપ્ત ફેટ 4 જી
અસંતૃપ્ત ચરબી 3 જી
કોલેસ્ટરોલ 16 એમજી
સોડિયમ 446 મિલિગ્રામ
કાર્બોહાઇડ્રેટ્સ 16 ગ્રામ
ડાયેટરી ફાઇબર 2 જી
પ્રોટીન 4 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.)