• 【2018夏季达沃斯】未来就业报告发布:机器将比人更“能干” 哪些职位更“吃香”? 2018-09-19
  • 西安市民:本想买点香菜吃火锅?比较后还是买了些肉 2018-09-19
  • 安吉发布乡村治理标准规范 2018-09-19
  • 华北能源监管局开展电网运行风险管控专项督查 2018-09-18
  • 马来西亚新山依斯干达特区吸资2531亿马币 ——凤凰网房产马来西亚 2018-09-18
  • 繁星戏剧挑战浸没式独角戏 2018-09-18
  • 领导干部自然资源资产离任审计制度试点 让福建省光泽县绿意盎然(图)-地方新闻-时政频道-中工网 2018-09-08
  • 人民日报评留美生数落父母:为亲情拓对话空间 2018-09-07
  • 网友给四川省委书记、省长留言获回复 共计25条 2018-09-07
  • 娱乐城新优惠 2018-09-06
  • 无人售货架现身出租车内 乘客扫码付款随时取走零食 2018-09-06
  • 江西公布拖欠劳动报酬典型案例 最高拖欠近200万元 2018-09-06
  • 做学习宣传贯彻人民领袖思想的排头兵 2018-09-06
  • 华夏幸福荣获2018中国品牌先锋大奖之杰出企业奖 2018-09-05
  • 10大路口因礼让斑马线致堵 济南交警推新规约束行人 ——凤凰网房产济南 2018-09-05
  • php snoopy采集类介绍

    栏目: 编程语言 发布于: 2014-04-24 05:43:10

    Snoopy是一个用来模拟浏览器的一些简单功能的php类,可以获取网页内容,发送表单等操作。Snoopy正确运行需要你的服务器的PHP版本在4以上,并且支持PCRE(Perl Compatible Regular Expressions),基本的LAMP服务都支持。由于它本身是php一个类,无需扩支持,因此在服务器不支持curl的时候是最好的选择。

    Snoopy的特点:

    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

    Snoopy类的下载地址:http://www.rocksun.cn/projects/snoopy/

    Snoopy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。

    Snoopy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使用示例:

    (1)获取指定url内容

    $url='http://www.rocksun.cn';
    include('snoopy.php');
    $snoopy=new Snoopy;
    $snoopy->fetch($url);//获取所有内容 
    echo $snoopy->results;//显示结果 
    $snoopy->fetchtext //获取文本内容(去掉html代码) 
    $snoopy->fetchlinks //获取页面所有链接 
    $snoopy->fetchform //获取页面表单信息

    (2)提交表单

    include 'snoopy.php';
    $snoopy=new Snoopy;
    $formvars['username']='admin';
    $formvars['pwd']='admin';
    $action='http://www.rocksun.cn';//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 
    $snoopy->submittext;//提交后只返回去除html的文本 
    $snoopy->submitlinks;//提交后只返回链接

    (3)使用Snoopy来伪装

    $formvars['username']='admin';
    $formvars['pwd']='admin';
    $action='http://www.rocksun.cn';
    include 'snoopy.php';
    $snoopy=new Snoopy;
    $snoopy->cookies['PHPSESSID']='fc206b1918bd522cc863p36890e6notef7';//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.rocksun.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']='127.0.0.1';//伪装ip 
    $snoopy->submit($action,$formvars);
    echo $snoopy->results;
    本站文章除注明转载外,均为本站原创或编译?;队魏涡问降淖?,但请务必注明出处。
    转载请注明:文章转载自 七星彩票平台
    本文标题:php snoopy采集类介绍
    IT技术书籍推荐:
    Python 3面向对象编程
    Python 3面向对象编程
    达斯帝·菲利普斯 (Dusty Phillips) (作者), 肖鹏 (译者), 常贺 (译者), 石琳 (译者)
    Python 是一种面向对象的解释型语言,面向对象是其非常重要的特性。本书通过Python 的数据结构、语法、设计模式,从简单到复杂,从初级到高级,一步步通过例子来展示了Python 中面向对象的概念和原则。本书不是Python 的入门书籍,适合具有Python 基础经验的开发人员阅读。如果你拥有其他面向对象语言的经验,你会更容易理解本书的内容。