Snoopy是一个PHP类，用来模拟浏览器的功能，可以获取网页内容，发送表单，可以用来开发一些采集程序和小偷程序，本文章详细介绍snoopy的使用教程。
Snoopy的一些特点:
抓取网页的内容 fetch 抓取网页的文本内容 (去除HTML标签) fetchtext 抓取网页的链接，表单 fetchlinks fetchform 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) 支持浏览器重定向，并能控制重定向深度 能把网页中的链接扩展成高质量的url(默认) 提交数据并且获取返回值 支持跟踪HTML框架 支持重定向的时候传递cookies 要求PHP4以上就可以了 由于本身是PHP一个类 无需扩支持 服务器不支持curl时候的最好选择，Snoopy类方法及示例：
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。
Snoopy采集类属性: (默认值在括号里)
$host
连接的主机$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下面是一个示例：
$snoopy->proxy_port = "80";
$snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)";
$snoopy->referer = "//www.jb51.cc";
$snoopy->cookies["SessionID"] = 238472834723489l;
$snoopy->cookies["favoriteColor"] = "RED";
$snoopy->rawheaders["Pragma"] = "no-cache";
$snoopy->maxredirs = 2;
$snoopy->offsiteok = false;
$snoopy->expandlinks = false;
$snoopy->user = "joe";
$snoopy->pass = "bloe";
if($snoopy->fetchtext("//www.jb51.cc"))
{
echo "
".htmlspecialchars($snoopy->results)."\n";
}
else
echo "error fetching document: ".$snoopy->error."\n";
获取指定url内容
表单提交
伪装浏览器
原来我们可以伪装session 伪装浏览器 ，伪装ip， haha 可以做很多事情了。 例如 带验证码，验证ip 投票， 可以不停的投。 ps:这里伪装ip ，其实是伪装http头,所以一般的通过 REMOTE_ADDR 获取的ip是伪装不了， 反而那些通过http头来获取ip的(可以防止代理的那种) 就可以自己来制造ip。 关于如何验证码 ，简单说下： 首先用普通的浏览器， 查看页面 ， 找到验证码所对应的sessionid， 同时记下sessionid和验证码值， 接下来就用snoopy去伪造 。 原理:由于是同一个sessionid 所以取得的验证码和第一次输入的是一样的。
有时我们可能需要伪造更多的东西,snoopy完全为我们想到了
proxy_host = "//www.jb51.cc"; $snoopy->proxy_port = "8080"; //使用代理 $snoopy->maxredirs = 2; //重定向次数 $snoopy->expandlinks = true; //是否补全链接 在采集的时候经常用到 // 例如链接为 /images/taoav.gif 可改为它的全链接 $snoopy->maxframes = 5 //允许的最大框架数 //注意抓取框架的时候 $snoopy->results 返回的是一个数组 $snoopy->error //返回报错信息 ?>
