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

90.12%

AWS Lambdaにて 'lxml' というライブラリが使用できないエラーを解決したい

解決済

回答 2

投稿 編集

  • 評価
  • クリップ 1
  • VIEW 747

pgm_bakabon

score 51

前提・実現したいこと

AWS Lambdaにて、ブログの記事をRSSで取得するプログラムをつくっています。
RSSがHTMLで結果を返すところがあり、そのHTMLから下記2点を実装したいです。
①<img>タグのsrcを抜き取りたい
②<p>の本文を抜き取りたい。

この実現したい箇所でエラーが発生しております。

このエラーの解決方法をご教示いただきたいです。
もしくは、別の方法があればそちらでも構いません。(Lambdaを使用する方向は変えられません。。。)

詳細は以降に記載しております。よろしくお願いいたします。

言語・環境

[環境] AWS Lambda
[開発マシン] macOS High Sierra 10.13.5
[言語] Python3.7.2
[使用ライブラリ]
・feedparser (RSS取得用)
・BeautifulSoup (HTMLをパースさせる用)
・lxml (HTMLをパースさせる用)
[その他]
Lambdaへのアップロードはzipファイルにしてアップしています。

発生している問題・エラーメッセージ

このセクションの次にソースコードは記載しておりますが、
soup = BeautifulSoup(summary, "lxml")
の箇所で以下のエラーが発生しております。
※これはLambdaの環境のみに発生し、ローカルでは実行できます。

{
  "errorMessage": "Couldn't find a tree builder with the features you requested: lxml. Do you need to install a parser library?",
  "errorType": "FeatureNotFound",
  "stackTrace": [
    "  File \"/var/task/index.py\", line 39, in lambda_handler\n    soup = BeautifulSoup(summary, \"lxml\")\n",
    "  File \"/var/task/bs4/__init__.py\", line 196, in __init__\n    % \",\".join(features))\n"
  ]
}

該当のソースコード

import json
import feedparser
from bs4 import BeautifulSoup
import lxml

RSS_URL = "RSS取得元のURL"

def lambda_handler(event, context):

  origin = "*"

  responseBody = {
    'message': 'Hello from Lambda',
  }

  rss = feedparser.parse(RSS_URL)

  for entry in rss.entries:
    # タイトル
    title = entry.title
    # ブログへのリンク
    link  = entry.link
    # 本文・サムネイル画像(HTML形式)
    summary  = entry.summary
    # lxmlでHTML形式のデータを取得できる形にする(※エラーの該当箇所)
    soup = BeautifulSoup(summary, "lxml")
    print(soup)

  response = {
    'statusCode': 200,
    'headers': {
      "x-custom-header" : "my custom header value"
    },
    'body': json.dumps(responseBody)
  }

  return response

試したこと

lxmlを以下のパターンで入れ直したりしておりますが、どのパターンでも発生してしまいます。
①vertialenvでpython3.7.2の状態にして、 pip install lxml -t . を実行する。
②vertialenvをせずに、 pip install lxml -t . を実行する。
③vertialenvをせずに、 pip install lxml==3.7.2 -t . を実行する。
④vertialenvでpython3.7.2の状態にして、 pip install lxml==3.7.2 -t . を実行する。(※これは実行エラー
それぞれworkspaseにてインストールしています。

workspaseのディレクトリ構造

__pycache__
beautifulsoup4-4.7.1.dist-info
bs4
env
feedparser-5.2.1.dist-info
feedparser.py
feedparser.pyc
index.py (実行プログラムです。これ以外がライブラリのdir or fileです。)
lxml
lxml-3.7.2.dist-info
soupsieve
soupsieve-1.7.3.dist-info

RSS情報(feedparserで取得してきたデータ)

{
  'title': u'テスト',
  'link': u'http://ブログへのURL',
  'summary': u'
    <div id="">
      <div class="" id="">
        <figure class="">
          <a href="" rel="">
            <img alt="" class="" id="" src="画像のURL(ココを取得したい)" />
          </a>
        </figure>
        <div class="cc-clear"></div>
      </div>
      <div class="" id="">
        <p>ブログの本文テキスト(ココを取得したい)</p>
      </div>
    </div>',
}
  • 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。

回答 2

+1

'lxml' ではなく 'html5lib' を使用することで解決しました。
やりたかったこと全般を記事にまとめましたのでよかった参考にしてください。

API Gateway + AWS Lambda(Python3)でRSSフィード(JIMDO)を取得(スクレイピング)し、ローカルHTMLファイルで表示する(クロスドメイン問題も対応)
https://qiita.com/pgm_bakabon/items/acde47bf0403bd176e3c

投稿

編集

  • 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。

checkベストアンサー

0

こんにちは。

下の手順でできないでしょうか。
Using Python’s LXML in Amazon Lambda - Azavea - Beyond Dots on a Map

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。

  • 2019/02/08 17:19 編集

    ご教示ありがとうございます。
    今試しておりますが、 $ sudo yum install -y gcc libxml2-devel libxslt-devel のコマンドを実行する際にエラーに当たっており調査中です。

    [コマンド]
    $ brew install libxml2-devel libxslt-devel
    (macのため、yumではなくbrewでインストールしております。)

    [エラー]
    Error: No available formula with the name "libxml2-devel"
    ==> Searching for a previously deleted formula (in the last month)...
    Warning: homebrew/core is shallow clone. To get complete history run:
    git -C "$(brew --repo homebrew/core)" fetch --unshallow

    Error: No previously deleted formula found.
    ==> Searching for similarly named formulae...
    Error: No similarly named formulae found.
    ==> Searching taps...
    ==> Searching taps on GitHub...
    Error: No formulae found in taps.

    キャンセル

  • 2019/02/08 17:35 編集

    すいません。Python2.7時代の手順なので変わっているところはあると思います。
    ただ、必要なパッケージをセットにしてzipでアップロードするという手順は同じかと。

    キャンセル

  • 2019/02/15 10:27

    ご回答ありがとうございます。
    yumとhomebrewでインストールできるパッケージが異なり、今回のはbrewでインストールできなかったため、"lxml" ではない別ライブラリを探してみました。
    代わりに "html5lib" というライブラリを発見し、使って見たところ期待通りの動作は確認できました。
    添付いただいた手順どおりはできませんでしたが、回答いただけてなければたどり着いてたかわかりませんでした。
    大変助かりました。
    お力添えありがとうございました。
    Qiitaに実装した方法をまとめて、解決方法としてこちらにURLを添付したいと思います。

    キャンセル

  • 2019/02/15 11:55

    お疲れ様でした!
    最新のノウハウを蓄積して頂けるのはたいへんありがたいです。期待してます。

    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 90.12%
  • 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