PHP SNOOPY采集类 总结

1.基础教程

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 = "http://www.4wei.cn";

 $snoopy->proxy_port = "80";

 

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

 $snoopy->referer = "http://www.4wei.cn";

 

 $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.4wei.cn"))

 {

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

 }

 else

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



1获取指定url内容

<?

 $url = "http://www.4wei.cn";

 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

 ?>

View Code

此段基础教程转载

 

2.