2017-03-13

GAE(Python 2.7) + Django 1.5 + SSLのcron jobsで301エラー

独自ドメインを使ってGoogle App Engineで運用しているサイトがあって、cronがうまく動かずにかなりハマりました。なんとか解決できたので、私がやった解決法を書いておきます。

同じような症状でエラーが出ている人はあまりいないと思いますが、もし当てはまったら参考にして下さい。

環境はだいたい以下のとおり。

  • Google App Engine
  • Python 2.7
  • 独自ドメイン(カスタムドメイン)で運用
  • SSL対応
  • Django 1.5

設定はうまくできてるはずなのにcron jobsが起動すると失敗するという症状が出ました。

ブラウザで直接URLを入力すると問題なく動いているのに、cronで動かすとなぜか失敗になってしまいます。

ログを調べてみるとcronでのアクセスのHTTPステータスコードが301になっている。他方でブラウザでURLを入力してアクセスした場合には200になっている。

GAEのcron jobsは、HTTPステータスコードを200番台で返さないとエラーになるということは知ってたので、301が返ってきている以上は失敗するというのは分かります。

でも、なぜ301リダイレクトになるのかが全く分かりませんでした。

かなり苦労して分かった原因は、Djangoのsettings.pyのMIDDLEWARE_CLASSESに設定していたSSLRedirectの設定でした。

そんな設定をしてたのをすっかり忘れてたけど、グーグルが全てのサイトでSSL対応することを推奨し始めた数年前に自分で設定してたのです。

せっかくSSL対応したのだからセキュリティのためとSEOのためにhttpに来たアクセスを自動で全てhttpsに301リダイレクトするために、sslmiddlewareを設定していたのです。

参考URL

具体的にはDjangoのsettings.pyのこの部分です。


MIDDLEWARE_CLASSES = (
    .........
    .........
    'appname.middles.sslmiddleware.SSLRedirect',
)

cron.yamlにターゲットを設定をしてない場合、cronが起動するとデフォルトのバージョンのURLにアクセスが発生します。

このデフォルトのバージョンというのは、ログを見てみると独自ドメインで運用している場合でも、最初に与えられるドメインであるappspot.comの方です。

しかも、httpsではなく、httpの方にアクセスが発生します。

例えば、以下のような設定で独自ドメインを使っている場合。

  1. デフォルトのドメイン(http) -> http://appname.appspot.com/
  2. デフォルトのドメイン(https) -> https://appname.appspot.com/
  3. 独自ドメイン(http) -> http://www.appname.com/
  4. 独自ドメイン(https) -> https://www.appname.com/

1と2は最初にデフォルトで与えられるドメインで、httpでもhttpsでもどちらでもアクセスできるようになっていると思います。

私の場合はそれに独自ドメインを設定して、SSL対応しているので4を中心に運用しています。

先ほどのsslmiddlewareを使って、3のhttpへのアクセスを全て自動的に4のhttpsの方に301リダイレクトしていました。

この様な設定の状態の時にcronが起動すると、1の指定したパスにアクセスが発生します。

するとsslmiddlewareによって自動的に2のhttpsの方に301リダイレクトが発生してしまうのです。

これが原因で、cronが失敗していたのです。

これを解決するためには、cronで起動するパスに対してだけ301リダイレクトをさせないという設定をする必要があります。

urls.pyにcronで起動させるパスを記述して、新たに別のssl_urls.pyというファイル作って残りを全て分離してそちらに移しました。

そして、分離したssl_urls.pyをincludeで呼び出し、それに{'SSL':True}を設定しました。

これでcronで起動させるパスに対しては301リダイレクトが生じずに、それ以外のパスに対しては301リダイレクトが生じるという設定になります。

このように設定してようやくcronで動かしても200が返ってきて無事に動きました。

urls.pyはこんな感じです。


urlpatterns = patterns('',
    # Cron
    (r'^cron/example/$', cron_example),
    (r'^cron/........),
                       
    # SSL
    (r'^.*?', include(appname.ssl_urls), {'SSL':True}),
)

注意が必要なのは「r'^.*?',」の部分です。最後に$が要りません。最後に$をつけるとどこのパスにアクセスしてもトップページが表示されるというおかしな事になってしまいました。

結局、すごく簡単で単純な事が原因だったので、同じような失敗をしている人はほとんどいないと思いますが、参考にしてみて下さい。

2016-10-08

macOS SierraでPython3のインストールができない場合の対処法

高校数学もまともに勉強してこなかったレベルの私ですが、中学数学から勉強し直しながらディープラーニングの勉強をしています。

運のいい事にオライリーから「ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装」という本が出てたので、それを読みながらコツコツコードを書いて動かしています。

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

ただ、この本はPython3で書かれていて、メインで使っている環境がPython2の私にとっては色々と問題が出てきました。

サイトを運営するのにGoogle App Engineをメインで使っていて、GAEがPython3にまだ対応してないために未だにPython2系を使っているという事情があります。

私と同じような人がいるかもしれないので、問題が出てくるたびに一応記事にしていこうと思います。

今回は、macでPython3のインストールができない場合の対処法です。

Python2のままやろうと思ったのですが、色々と不都合が出来てきたのでPython2とPython3を切り替えて使えるようにしようと思いました。

そこでpyenvを使ってPython3をインストールしようとしたら、以下のようなエラーが出て失敗。


~$ pyenv install 3.5.1
Last 10 log lines:
  File "/private/var/folders/96/6vlfqmzs7yj57x663b30_d100000gn/T/python-build.20161008050732.27594/Python-3.5.1/Lib/ensurepip/__main__.py", line 4, in 
    ensurepip._main()
  File "/private/var/folders/96/6vlfqmzs7yj57x663b30_d100000gn/T/python-build.20161008050732.27594/Python-3.5.1/Lib/ensurepip/__init__.py", line 209, in _main
    default_pip=args.default_pip,
  File "/private/var/folders/96/6vlfqmzs7yj57x663b30_d100000gn/T/python-build.20161008050732.27594/Python-3.5.1/Lib/ensurepip/__init__.py", line 116, in bootstrap
    _run_pip(args + [p[0] for p in _PROJECTS], additional_paths)
  File "/private/var/folders/96/6vlfqmzs7yj57x663b30_d100000gn/T/python-build.20161008050732.27594/Python-3.5.1/Lib/ensurepip/__init__.py", line 40, in _run_pip
    import pip
zipimport.ZipImportError: can't decompress data; zlib not available
make: *** [install] Error 1

調べて見るとxcode-selectというのをインストールするとできるらしいという事で、早速インストール。

参考:http://qiita.com/maosanhioro/items/bf93540515d4ea75b222


xcode-select --install

するとウィンドウが立ち上がるので、気にせずにインストールを続行します。

インストール出来たら再度Python3のインストールに挑戦。


Downloading Python-3.5.1.tgz...
-> https://www.python.org/ftp/python/3.5.1/Python-3.5.1.tgz
Installing Python-3.5.1...
Installed Python-3.5.1 to /Users/minoru/.pyenv/versions/3.5.1

すると無事にインストールすることが出来ました。

2016-07-09

NLTKのFreqDistオブジェクトのkeys()メソッドで頻出単語がソートされない

オライリーの入門自然言語処理のP.19で文章の中からもっとも頻出する50の単語を取り出すコードが記載されているけど、なぜかうまくソートされない。

調べてみるとNLTK3では頻出順にソートされなくなったようで、同じことをしたければmost_common()メソッドを使わなければならない。


    fdist1 = FreqDist(text1)
    vocaburary1 = fdist1.keys()
    print vocabulary1[:50]

オライリーのサンプルコードは上のようになっているけど、これだと頻出単語順にソートされていない。

mosot_common()を使って以下のように変更する。


    fdist1 = FreqDist(text1)
    print fdist1.most_common(50)

するとうまく頻出単語順にソートされて表示される。


[(u',', 18713), (u'the', 13721), (u'.', 6862), (u'of', 6536), (u'and', 6024), (u'a', 4569), (u'to', 4542), (u';', 4072), (u'in', 3916), (u'that', 2982), (u"'", 2684), (u'-', 2552), (u'his', 2459), (u'it', 2209), (u'I', 2124), (u's', 1739), (u'is', 1695), (u'he', 1661), (u'with', 1659), (u'was', 1632), (u'as', 1620), (u'"', 1478), (u'all', 1462), (u'for', 1414), (u'this', 1280), (u'!', 1269), (u'at', 1231), (u'by', 1137), (u'but', 1113), (u'not', 1103), (u'--', 1070), (u'him', 1058), (u'from', 1052), (u'be', 1030), (u'on', 1005), (u'so', 918), (u'whale', 906), (u'one', 889), (u'you', 841), (u'had', 767), (u'have', 760), (u'there', 715), (u'But', 705), (u'or', 697), (u'were', 680), (u'now', 646), (u'which', 640), (u'?', 637), (u'me', 627), (u'like', 624)]

NLTKは3になってから結構いろいろ変更があるみたいなのでその都度調べながらやらないといけないようです。

2016-07-07

Pythonでエラー:UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-3: ordinal not in range(128)が出るときの対処法

最近、またコツコツと自然言語処理の勉強をしています。

PythonでNLTKを使っているといろんなところでこのエラーが出ますよね。

UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-3: ordinal not in range(128)

その度に、encode('utf-8')を使ってみたりunicode()を使ってみたりでその場しのぎをしてきましたけど、今回はどうしてもうまくいかなかった。

そこでオライリーの入門自然言語処理を読んでみるとばっちし対処法が書いてあった。


import codecs, sys

sys.stdout = codecs.getwriter('utf_8')(sys.stdout)
sys.stdin = codecs.getreader('utf_8')(sys.stdin)

最初にこれを追加してやると嘘のようにうまくいきました。

NLTKでいろいろやってて文字コードのエラーで困っている人はぜひ試してみて下さい。

入門 自然言語処理

オライリーの本はクオリティに差があるけどいい本は本当にいい。

nltkのnltk.clean_html()を使うと「NotImplementedError: To remove HTML markup, use BeautifulSoup's get_text() function」というエラーが出る場合の対処法

久しぶりにNLTKを使ってライバルサイトの調査をしようとしたら、nltk.clean()の行で以下のエラーが出た。

NotImplementedError: To remove HTML markup, use BeautifulSoup's get_text() function

調べてみるとNLTKのバージョン3以上からはnltk.clean_html()とnltk.clean_url()が使えなくなったらしい。

その代わりにBeautifulSoupのget_text()を使えということらしい。

ただ、BeautifulSoupのget_text()はJavaScriptのタグが除去できません。

だからJavaScriptのコードを除去するコードを自分で追加しないといけません。

探してみるとありました。

自分で以下のclean_htmlという関数を追加しました。

参考:Python nltk.clean_html not implemented - Stack Overflow


def clean_html(html):
    """
    Copied from NLTK package.
    Remove HTML markup from the given string.

    :param html: the HTML string to be cleaned
    :type html: str
    :rtype: str
    """

    # First we remove inline JavaScript/CSS:
    cleaned = re.sub(r"(?is)<(script|style).*?>.*?()", "", html.strip())
    # Then we remove html comments. This has to be done before removing regular
    # tags since comments can contain '>' characters.
    cleaned = re.sub(r"(?s)[\n]?", "", cleaned)
    # Next we can remove the remaining tags:
    cleaned = re.sub(r"(?s)<.*?>", " ", cleaned)
    # Finally, we deal with whitespace
    cleaned = re.sub(r" ", " ", cleaned)
    cleaned = re.sub(r"  ", " ", cleaned)
    cleaned = re.sub(r"  ", " ", cleaned)
return cleaned.strip()

参考にさせていただいたサイトのコメントの部分を見るとどうやら以前のclean_html関数の部分をそのまま持ってきたようですね。

もっと複雑なことをしてるのかと思ったけど、ほんの数行で処理していることにびっくり。

それにしてもめんどくさい。なんで無くなったんだろう。