snoopy 强大的PHP采集类使用实例代码

前端之家收集整理的这篇文章主要介绍了snoopy 强大的PHP采集类使用实例代码前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

下载地址: //www.jb51.cc/codes/33397.html Snoopy的一些特点: 1抓取网页的内容 fetch
2 抓取网页的文本内容 (去除HTML标签) fetchtext
3抓取网页的链接,表单 fetchlinks fetchform
4 支持代理主机
5支持基本的用户名/密码验证
6 支持设置 user_agent,referer(来路),cookies 和 header content(头文件)
7支持浏览器重定向,并能控制重定向深度
8能把网页中的链接扩展成高质量的url(默认)
9提交数据并且获取返回值
10 支持跟踪HTML框架
11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, 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 以下是demo
<div class="codetitle"><a style="CURSOR: pointer" data="49265" class="copybut" id="copybut49265" onclick="doCopy('code49265')"> 代码如下:

<div class="codebody" id="code49265">
include "Snoopy.class.PHP";
$snoopy = new Snoopy;
$snoopy->proxy_host = "//www.jb51.cc";
$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";

以下是一些代码片段:
1、获取指定url内容
<div class="codetitle"><a style="CURSOR: pointer" data="40979" class="copybut" id="copybut40979" onclick="doCopy('code40979')"> 代码如下:
<div class="codebody" id="code40979">
<?
$url = "//www.jb51.cc";
include("snoopy.PHP");
$snoopy = new Snoopy;
$snoopy->fetch($url); //获取所有内容
echo $snoopy->results; //显示结果
//可选以下
$snoopy->fetchtext //获取文本内容(去掉HTML代码
$snoopy->fetchlinks //获取链接
$snoopy->fetchform //获取表单
?>

2 表单提交
<div class="codetitle"><a style="CURSOR: pointer" data="18953" class="copybut" id="copybut18953" onclick="doCopy('code18953')"> 代码如下:
<div class="codebody" id="code18953">
<?PHP
$formvars["username"] = "admin";
$formvars["pwd"] = "admin";
$action = "//www.jb51.cc";//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
//可选以下
$snoopy->submittext; //提交后只返回 去除html的 文本
$snoopy->submitlinks;//提交后只返回 链接
?>

既然已经提交的表单 那就可以做很多事情 接下来我们来伪装ip,伪装浏览器
3 伪装
<div class="codetitle"><a style="CURSOR: pointer" data="58474" class="copybut" id="copybut58474" onclick="doCopy('code58474')"> 代码如下:
<div class="codebody" id="code58474">
<?PHP
$formvars["username"] = "admin";
$formvars["pwd"] = "admin";
$action = "//www.jb51.cc";
include "snoopy.PHP";
$snoopy = new Snoopy;
$snoopy->cookies["PHPSESSID"] = 'fc106b1918bd522cc863f36890e6fff7'; //伪装sessionid
$snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)"; //伪装浏览器
$snoopy->referer = //www.jb51.cc; //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;
?>

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。
4 有时我们可能需要伪造更多的东西,snoopy完全为我们想到了
<div class="codetitle"><a style="CURSOR: pointer" data="39911" class="copybut" id="copybut39911" onclick="doCopy('code39911')"> 代码如下:<div class="codebody" id="code39911">
<?PHP
$snoopy->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 <a href="//www.jb51.cc/images/taoav.gif">//www.jb51.cc/images/taoav.gif
$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
?>

原文链接:https://www.f2er.com/php/28249.html
PHP采集类

猜你在找的PHP相关文章