snoopy类学习

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。
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，
snoopy 下载

有了snoopy 做模拟登陆 采集就容易多了
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

include  "Snoopy.class.php" ; 

$snoopy  = new  Snoopy ; 

$snoopy -> proxy_host  =  "www.taoav.com" ; 

$snoopy -> proxy_port  =  "8080" ; 



$snoopy -> agent  =  "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)" ; 

$snoopy -> referer  =  "http://www.taoav.com/" ; 



$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 ( "http://www.taoav.com" )) 

{ 

echo  "<PRE>" . htmlspecialchars ( $snoopy -> results ). "</PRE>/n" ; 

} 

else 

echo  "error fetching document: " . $snoopy -> error . "/n" ;

下面来说说snoopy可以做什么

查看原文
1获取指定url内容

$url  =  "http://www.taoav.com" ;

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

复制代码

2 表单提交

$formvars [ "username" ] =  "admin" ;

$formvars [ "pwd" ] =  "admin" ;



$action  =  "http://www.taoav.com" ; //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

复制代码

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

$formvars [ "username" ] =  "admin" ;

         $formvars [ "pwd" ] =  "admin" ;

         $action  =  "http://www.taoav.com" ;

        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  =  "http://www.only4.cn" ;  //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 ;

复制代码

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

$ snoopy -> proxy_host  =  "www.only4.cn" ;

     $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 [img]http://www.taoav.com/images/taoav.gif[/img]



         $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