質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.35%

  • Ruby

    8182questions

    Rubyはプログラミング言語のひとつで、オープンソース、オブジェクト指向のプログラミング開発に対応しています。

  • Ruby on Rails 5

    2156questions

  • Heroku

    941questions

    HerokuはHeroku社が開発と運営を行っているPaaSの名称です。RubyやNode.js、Python、そしてJVMベース(Java、Scala、Clojureなど)の複数のプログラミング言語をサポートしている。

Rails5+heroku+nokogiriで特定のサイトのみスクレイピングが出来ない

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 263

Kochan

score 37

 前提・実現したいこと

小説家になろうというサイトのタイトルと詳細説明をスクレイピングで取ってこようとしています。
アドレス例:https://ncode.syosetu.com/n9669bk/

 発生している問題・エラーメッセージ

ローカルでは問題なく取得できるのですが、
Heroku上からアクセスしようとすると500 Internal Server Errorが返って来てしまいます。

小説家になろう以外のサイトについては問題がありませんでした。

こちらの原因について心当たりがありましたらご教示お願いいたします。

 該当のソースコード

  def scraping_novel
    require 'open-uri'
    require 'nokogiri'

    # スクレイピング先のURL
    url = params[:url]
    charset = nil

    html = open(url) do |f|
        charset = f.charset
        f.read
    end

    doc = Nokogiri::HTML.parse(html, nil, charset)

    p doc.css("p.novel_title").inner_text
    p doc.css("div#novel_ex").inner_text

    # タイトルを表示
    @novel_title = doc.css("p.novel_title").inner_text
    @novel_description = doc.css("div#novel_ex").inner_text

  end

 試したこと

他のサイトでスクレイピングしたところ、
問題なく取得できるようなので設定か、セキュリティ的な問題だと考えております。

他のサイトでスクレイピングしたところ、
以下の部分でログに空文字が表示されました。
p doc.css("p.novel_title").inner_text
p doc.css("div#novel_ex").inner_text

 追記

小説取得部分のログを追記いたします。
heroku logs -t -a narou-matome

2018-07-06T05:12:49.216323+00:00 app[web.1]: [15832366-33fd-4bc0-aaa6-5c38caea95fe] Started GET "/matomes/scraping_novel?url=https%3A%2F%2Fn
code.syosetu.com%2Fn4449cj%2F" for 162.158.7.30 at 2018-07-06 05:12:49 +0000
2018-07-06T05:12:49.217485+00:00 app[web.1]: [15832366-33fd-4bc0-aaa6-5c38caea95fe] Processing by MatomesController#scraping_novel as HTML
2018-07-06T05:12:49.217515+00:00 app[web.1]: [15832366-33fd-4bc0-aaa6-5c38caea95fe]   Parameters: {"url"=>"https://ncode.syosetu.com/n4449cj
/"}
2018-07-06T05:12:49.970244+00:00 heroku[router]: at=info method=GET path= "/matomes/scraping_novel?url=https%3A%2F%2Fncode.syosetu.com%2Fn44
49cj%2F" host=narou-matome.com request_id=15832366-33fd-4bc0-aaa6-5c38caea95fe fwd="125.12.18.156,162.158.7.30" dyno=web.1 connect=1ms servi
ce=755ms status=500 bytes=1827 protocol=https
2018-07-06T05:12:49.968024+00:00 app[web.1]: [15832366-33fd-4bc0-aaa6-5c38caea95fe] Completed 500 Internal Server Error in 750ms (ActiveReco
rd: 0.0ms)
2018-07-06T05:12:49.968840+00:00 app[web.1]: [15832366-33fd-4bc0-aaa6-5c38caea95fe]
2018-07-06T05:12:49.968886+00:00 app[web.1]: [15832366-33fd-4bc0-aaa6-5c38caea95fe] OpenURI::HTTPError (503 Service Temporarily Unavailable)
:
2018-07-06T05:12:49.968934+00:00 app[web.1]: [15832366-33fd-4bc0-aaa6-5c38caea95fe]
2018-07-06T05:12:49.968983+00:00 app[web.1]: [15832366-33fd-4bc0-aaa6-5c38caea95fe] app/controllers/matomes_controller.rb:90:in `scraping_no
vel'
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • CHERRY

    2018/07/06 13:33 編集

    heroku のログに エラーメッセージが出ていると思いますので、ログを質問に追記してください。

    キャンセル

  • Kochan

    2018/07/06 14:14

    コメントありがとうございます!追記させていただきました!

    キャンセル

回答 1

checkベストアンサー

+2

heroku run bashで起動したbashでcurlを用いて調べてみましたが
なろう側のIPアドレスによって処理を振り分ける部分(多分アク禁)になんらかのバグがあるようです。

herokuおよびamazon EC2のIP・ホストが禁止リストに入っている(が、なんらかの記述ミスがある)ような気がします。

なお、プロキシを噛ませたところ大部分はForbidden(アクセス禁止)でした。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/07/07 12:24

    asmさん、調べていただいたようでご回答、本当にありがとうございます!

    heroku, amazonからのアクセスが禁止されているということで、
    こちらはアプリケーション側でIPを偽装すればアクセスできる可能性が高いということでしょうか・・?

    キャンセル

  • 2018/07/07 16:18

    知られているほとんどのプロキシサーバーはなろうのアクセス禁止リストに入っていました。
    今現在使えるプロキシサーバーも1ヶ月 1週間先はどうなってる事やら

    キャンセル

  • 2018/07/07 16:21

    asmさん、コメントありがとうございます!
    現在はスクレイピングではなく、なろう側の提供するAPIを使ってなんとか出来ないかということを試しています。


    asmさんにコメント頂けかなければ原因が分からずトライし続けていたかもしれません。
    本当に助かります。

    ありがとうございます!

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.35%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

同じタグがついた質問を見る

  • Ruby

    8182questions

    Rubyはプログラミング言語のひとつで、オープンソース、オブジェクト指向のプログラミング開発に対応しています。

  • Ruby on Rails 5

    2156questions

  • Heroku

    941questions

    HerokuはHeroku社が開発と運営を行っているPaaSの名称です。RubyやNode.js、Python、そしてJVMベース(Java、Scala、Clojureなど)の複数のプログラミング言語をサポートしている。