php snoopy

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。
下面是它的一些特征：
1、方便抓取网页的内容
2、方便抓取网页的文字（去掉HTML代码）
3、方便抓取网页的链接
4、支持代理主机
5、支持基本的用户/密码认证模式
6、支持自定义用户agent,referer,cookies和header内容
7、支持浏览器转向，并能控制转向深度
8、能把网页中的链接扩展成高质量的url（默认）
9、方便提交数据并且获取返回值
10、支持跟踪HTML框架（v0.92增加）
11、支持再转向的时候传递cookies

抓取我的blog的内容

<?
include "Snoopy.class.php";
$snoopy = new Snoopy;
$snoopy->fetch("http://www.lpfrx.com");
echo $snoopy->results;
?>

下面是简单的例子，比如说我们抓取我的blog的文字


<?
include "Snoopy.class.php";
$snoopy = new Snoopy;
$snoopy->fetchtext("http://www.lpfrx.com");
echo $snoopy->results;
?>


抓取链接

<?
include "Snoopy.class.php";
$snoopy = new Snoopy;
$snoopy->fetchlinks("http://www.lpfrx.com");
print_r($snoopy->results);


—————————————

原来之前做的php抓取RSS里的MagpieRSS类也用到了，以后可以Snoopy做抓取，应该说采集时就爽了.

 

 

PHP代码
<?   
$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   
?>  
表单提交

PHP代码
<?php   
$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   
?>  

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
伪装

PHP代码
<?php   
$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.php100.com; //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。

有时我们可能需要伪造更多的东西,snoopy完全为我们想到了

PHP代码
<?php   
$snoopy->proxy_host = "www.php100.com";   
$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 http://www.taoav.com/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   
?> 

本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/guoguo1980/archive/2009/03/05/3959774.aspx