はじめに

この記事は、オールアバウト Advent Calendar 2016の8日目の記事です。
先日は@takkyさんのWelcome to Laravel Voyagerでした。
新卒1年目エンジニアの @amymd が、RSSフィード関係の実装を通して得た知見を共有できればと思います。

導入〜RSSフィード取得に失敗してる！さあどうしよう？

ある日のこと、自分はいつも通り会社に出社し、メールを確認しました。
すると、定期的にRSSを取得している処理がどうやら失敗しているようです。
RSS取得に失敗しているからといえ、この時点では、まだどこに問題があるかわかりません。
RSS取得の処理になにか問題あるかもしれませんし、RSS自体に問題があるのかもしれません。
その問題の切り分けをしていきましょう

エラーログを確認する

基本中の基本ですが、まずはエラーログの内容を確認します。
Logentriesでログの管理を行っているため、サーバにSSHせずともブラウザから簡単にログを確認できます。大変便利です。

This XML document is invalid.等のXMLエラーの場合、RSSに問題があるかもしれません。
プログラムの処理に関するエラーが出ていると、RSSの取得処理に問題があるかもしれません。

まずはログの内容から、どちらの問題なのか目処を付けてみます。

RSSのどこが問題なのか調査する

RSSの問題だと思ったら、まずは該当のRSSをブラウザからアクセスしてみて、何かエラーが出てないか確認してみます。
また、特にブラウザ上では問題なくても、Validatorでチェックするとエラーが出ていることがあります。

W3C Validator

上記のURLでXMLに問題があるかチェックすることができます。
RSSのXMLやURL等を貼り付けて調べてみると、具体的にどの行でどのようなエラーが発生しているのかが表示されます。

以下は、自分が遭遇した問題の例をあげます。

例：CDATAセクションの中でCDATAセクションを呼び出していた

CDATAセクションとは、セクション内にマークアップが含まれず文字データのみを取り扱うことを示すものです。
https://msdn.microsoft.com/ja-jp/library/ms256076(v=vs.120).aspx

<![CDATA[An in-depth look at creating applications with XML, using <, >,]]>

このCDATAセクション内に、さらにCDATAセクションが埋め込まれていて、終端の]]>を誤認識してしまい、その結果下記のようなエラーが出ていました。

error on line 105 at column 3342: Opening and ending tag mismatch: encoded line 0 and script

例：「見えない文字」が原因で「This XML document is invalid.」

This XML document is invalid, likely due to invalid characters.

RSSを取得しようとすると上記のエラーが発生しておりました。

これは、XMLでは有効ではない文字列が含まれている、というエラーです。
原因を特定するために、先ほど示したW3C Validatorを使用してみました。

しかし、そのエラーが発生している行を確認しても、あやしい文字はどこにも含まれていませんでした。

こういう時は、Sublime Textなどのエディタに、その箇所をコピペしてみます（自分はmiというエディタに貼り付けました）。
すると、以下のように「見えない文字」が表示されました。

※赤い背景に1Cとなっている箇所が、通常では見えない文字

このエディタ上で上記の文字を削除し、再度RSSを読み込んでみると……正常に取得できました！
原因はどうやらこの「見えない文字」のようです。

なぜこのような見えない文字が含まれてしまうのか

これは一概に「これが原因だ！」とは言い切れないのですが、
個人的な経験からすると、このような「見えない文字」は、OCRにかけたPDFからコピペしてくるときに紛れていたり、Macで作成したPDFをWindowsからコピペするときに紛れていたり、ということが多いような気がします。
それが原因なのかは定かではありませんが……。

他には、制御文字(BackSpaceなど)が原因ということもあるみたいです。

WordPressのRSSフィードエラーは制御文字が原因？

ぱっと見てXMLに問題がなさそうであれば、このような症状を疑うと良いと思います。

RSSを取得する処理に問題がある場合

RSSに特に問題が無いようであれば、RSSを取得する処理に問題があるかもしれません。
その処理を見直してみましょう。

以下は、自分が遭遇した問題の例をあげます。

例：RSS取得の処理に時間が掛かってタイムアウト

自分はLaravelというPHPのWebフレームワークを使用しており、 RSSをパースするLaravelのライブラリとしてFeeds を利用していました。

すると、とあるRSSを取得する際に、表示まで時間が掛かってしまい、下記のようなエラーが出てしまいました。

cURL error 28: Operation timed out after 10000 milliseconds with 0 bytes received

このライブラリでは、内部でSimplePieというRSSやAtomをパースするライブラリを使っており、cURLのデフォルトのタイムアウトの処理時間が10000msec…つまり10秒となっていました。

この設定を書き換えるには、Feedsライブラリを直接書き換える必要があるので、注意する必要があります。
（SimplePieオブジェクトなので $this->simplepie->set_timeout(60)のようにセットするとタイムアウトの時間を60秒にセットすることができます）

FeedsFactory.php

public function make($feed_url = [], $limit = 0, $force_feed = false) {
    $this->simplepie = new SimplePie();
    $this->simplepie->set_timeout(60); // タイムアウトの秒数を指定

おわりに

今回はRSSが取得できなかったときの問題とその対応例を紹介しましたが、RSSフィードをパースして値を処理する際の問題など、まだまだあるかと思います。
中には、RSSの問題だとわかりつつも、RSSを処理する側でどうにかできたり、逆にRSSを修正しないとどうにもできなかったり…。
今回自分が得た知見が共有されて、少しでもみなさんの開発の一助となれば幸いです。