返回首页
当前位置: 主页 > 网络编程 > Php实例教程 >

php开源采集类Snoopy.class.php功能使用介绍与下载地址

时间:2016-12-11 20:56来源:知行网www.zhixing123.cn 编辑:麦田守望者

◾Snoopy是什么?◾Snoopy的一些特点:
◾要求:
◾类方法:
◾类属性: (缺省值在括号里)

◾snoopy用法示例◾1. 采集页面内容
◾2. 下载指定url图片
◾3. 获取表单
◾4. 表单提交(如登陆等)
◾5. 伪装ip,伪装浏览器

◾snoopy下载

当你使用php,并希望做一些采集的任务,那么你应该了解snoopy。

Snoopy是什么?
Snoopy是一个php类,用来模仿web浏览器的功能,它能完成获取网页内容和发送表单的任务。

Snoopy的一些特点:
* 方便抓取网页的内容
* 方便抓取网页的文本内容 (去除HTML标签)
* 方便抓取网页的链接
* 支持代理主机
* 支持基本的用户名/密码验证
* 支持设置 user_agent, referer(来路), cookies 和 header content(头文件)
* 支持浏览器转向,并能控制转向深度
* 能把网页中的链接扩展成高质量的url(默认)
* 方便提交数据并且获取返回值
* 支持跟踪HTML框架(v0.92增加)
* 支持再转向的时候传递cookies (v0.92增加)
* 支持再转向的时候传递cookies

要求:
Snoopy requires PHP with PCRE (Perl Compatible Regular Expressions),
which should be PHP 3.0.9 and up. For read timeout support, it requires
PHP 4 Beta 4 or later. Snoopy was developed and tested with PHP 3.0.12.

类方法:
fetch($URI)
———–

这是为了抓取网页的内容而使用的方法。
$URI参数是被抓取网页的URL地址。
抓取的结果被存储在 $this->results 中。
如果你正在抓取的是一个框架,Snoopy将会将每个框架追踪后存入数组中,然后存入 $this->results。

fetchtext($URI)
—————

本方法类似于fetch(),唯一不同的就是本方法会去除HTML标签和其他的无关数据,只返回网页中的文字内容。

fetchform($URI)
—————

本方法类似于fetch(),唯一不同的就是本方法会去除HTML标签和其他的无关数据,只返回网页中表单内容(form)。

fetchlinks($URI)
—————-

本方法类似于fetch(),唯一不同的就是本方法会去除HTML标签和其他的无关数据,只返回网页中链接(link)。
默认情况下,相对链接将自动补全,转换成完整的URL。

submit($URI,$formvars)
———————-

本方法向$URL指定的链接地址发送确认表单。$formvars是一个存储表单参数的数组。

submittext($URI,$formvars)
————————–

本方法类似于submit(),唯一不同的就是本方法会去除HTML标签和其他的无关数据,只返回登陆后网页中的文字内容。

submitlinks($URI)
—————-

本方法类似于submit(),唯一不同的就是本方法会去除HTML标签和其他的无关数据,只返回网页中链接(link)。
默认情况下,相对链接将自动补全,转换成完整的URL。

类属性: (缺省值在括号里)
$host 连接的主机
$port 连接的端口
$proxy_host 使用的代理主机,如果有的话
$proxy_port 使用的代理主机端口,如果有的话
$agent 用户代理伪装 (Snoopy v0.1)
$referer 来路信息,如果有的话
$cookies cookies, 如果有的话
$rawheaders 其他的头信息, 如果有的话
$maxredirs 最大重定向次数, 0=不允许 (5)
$offsiteok whether or not to allow redirects off-site. (true)
$expandlinks 是否将链接都补全为完整地址 (true)
$user 认证用户名, 如果有的话
$pass 认证用户名, 如果有的话
$accept http 接受类型 (image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, */*)
$error 哪里报错, 如果有的话
$response_code 从服务器返回的响应代码
$headers 从服务器返回的头信息
$maxlength 最长返回数据长度
$read_timeout 读取操作超时 (requires PHP 4 Beta 4+)
设置为0为没有超时
$timed_out 如果一次读取操作超时了,本属性返回 true (requires PHP 4 Beta 4+)
$maxframes 允许追踪的框架最大数量
$status 抓取的http的状态
$temp_dir 网页服务器能够写入的临时文件目录 (/tmp)
$curl_path cURL binary 的目录, 如果没有cURL binary就设置为 false

snoopy用法示例
1. 采集页面内容
include('include/snoopy.class.php');
echo "<pre>";
$snoopy = new Snoopy;
$snoopy->host = 'http://www.baidu.com';
$snoopy-> fetchtext($snoopy->host); //获取所有文本内容(去掉html代码)
/*
$snoopy->fetch($snoopy->host); //获取页面所有链接
$snoopy->fetchlinks($snoopy->host); //获取页面所有链接
$snoopy->fetchlinks($snoopy->host); //获取链接
$snoopy->fetchform($snoopy->host); //获取表单
*/
print_r($snoopy->results);
2. 下载指定url图片
include_once( 'include/snoopy.class.php' ); //调用Snoopy类

function getImage($id,$url) {

$filename = $id . ".jpg";

$temp = new Snoopy;
$temp -> fetch($url);
if($temp->results != "") {
$handle = fopen("images/" . $filename, "w");
fwrite($handle, $temp->results);//写入抓得内容
fclose($handle);
}
return $filename;
}
3. 获取表单
$snoopy = new Snoopy;
$snoopy->fetchform("http://xxx.me/login.asp");
print $snoopy->results;
4. 表单提交(如登陆等)

$formvars["username"] = "test";
$formvars["pwd"] = "123456";

$action = "http://xxx.me/login.asp";//表单提交地址
$snoopy->submit($action,$formvars);//$formvars为提交的数组
echo $snoopy->results; //获取表单提交后的 返回的结果
/*可选
$snoopy->submittext($action,$formvars); //提交后只返回 去除html的 文本
$snoopy->submitlinks($action,$formvars); //提交后只返回 链接
*/
5. 伪装ip,伪装浏览器

$formvars["username"] = "admin";
$formvars["pwd"] = "admin";
$action = "http://xxx.me";
include "snoopy.php";
$snoopy = new Snoopy;
$snoopy->cookies["PHPSESSID"] = 'fc106b1918bd522cc863f36890e6fff7'; //伪装sessionid
$snoopy->agent = 'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 1.1.4322; .NET CLR 2.0.50727'; //伪装浏览器
$snoopy->referer = "http://xx.me"; //伪装来源页地址 http_referer
$snoopy->rawheaders["Pragma"] = "no-cache"; //cache 的http头信息
$snoopy->rawheaders["X_FORWARDED_FOR"] = "127.0.0.101"; //伪装ip
$snoopy->submit($action,$formvars);
echo $snoopy->results;
snoopy下载
snoopy最新的是2008年更新的1.2.4版本,其开源下载地址如下,如果您下载遇到困难,可与志文工作室联系。

snoopy.class.php 1.2.4版本下载:http://sourceforge.net/projects/snoopy/files/latest/download?source=files

顶一下
(1)
100%
踩一下
(0)
0%
标签(Tag):php php开源采集类
------分隔线----------------------------
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
验证码:点击我更换图片