Snoopy手册中文版

最新推荐文章于 2021-03-19 05:02:06 发布

cnroln

最新推荐文章于 2021-03-19 05:02:06 发布

阅读量2.2k

点赞数

文章标签： cookies html url php 框架服务器

/* *

* @name Snoopy手册中文版

* @author 毛毛虫 wangchong1985@gmail.com

* @version Snoopy - the PHP net client v1.2.2

* @link http://www.wangchong.org

* @since 2008-04-27

名称:

Snoopy - the PHP net client v1.2.2

概要:

include " Snoopy.class.php " ;

$snoopy = new Snoopy;

$snoopy -> fetchtext( " http://www.php.net/ " );

print $snoopy -> results;

$snoopy -> fetchlinks( " http://www.phpbuilder.com/ " );

print $snoopy -> results;

$submit_url = " http://lnk.ispi.net/texis/scripts/msearch/netsearch.html " ;

$submit_vars [ " q " ] = " amiga " ;

$submit_vars [ " submit " ] = " Search! " ;

$submit_vars [ " searchhost " ] = " Altavista " ;

$snoopy -> submit( $submit_url , $submit_vars );

print $snoopy -> results;

$snoopy -> maxframes = 5 ;

$snoopy -> fetch( " http://www.ispi.net/ " );

echo " <PRE> " ;

echo htmlentities ( $snoopy -> results[ 0 ]);

echo htmlentities ( $snoopy -> results[ 1 ]);

echo htmlentities ( $snoopy -> results[ 2 ]);

echo " </PRE> " ;

$snoopy -> fetchform( " http://www.altavista.com " );

print $snoopy -> results;

描述:

Snoopy是什么?

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。

Snoopy的一些特点:

* 方便抓取网页的内容
* 方便抓取网页的文本内容 (去除HTML标签)
* 方便抓取网页的链接
* 支持代理主机
* 支持基本的用户名/密码验证
* 支持设置 user_agent, referer(来路), cookies 和 header content(头文件)
* 支持浏览器转向，并能控制转向深度
* 能把网页中的链接扩展成高质量的url(默认)
* 方便提交数据并且获取返回值
* 支持跟踪HTML框架(v0.92增加)
* 支持再转向的时候传递cookies (v0.92增加)

要求:

Snoopy requires PHP with PCRE (Perl Compatible Regular Expressions),
which should be PHP 3.0.9 and up. For read timeout support, it requires
PHP 4 Beta 4 or later. Snoopy was developed and tested with PHP 3.0.12.

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

例子:

例子: 抓取一个页面并显示他的头信息和页面内容 (去掉HTML标签的页面):

include " Snoopy.class.php " ;

$snoopy = new Snoopy;

$snoopy -> user = " joe " ;

$snoopy -> pass = " bloe " ;

if ( $snoopy -> fetch( " http://www.slashdot.org/ " ))

{

echo " response code: " . $snoopy -> response_code . " " ;

while ( list ( $key , $val ) = each ( $snoopy -> headers))

echo $key . " : " . $val . " " ;

echo " " ;

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

}

else

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

例子: 提交一个表单并且打印出头信息和去掉HTML标签的页面:

include " Snoopy.class.php " ;

$snoopy = new Snoopy;

$submit_url = " http://lnk.ispi.net/texis/scripts/msearch/netsearch.html " ;

$submit_vars [ " q " ] = " amiga " ;

$submit_vars [ " submit " ] = " Search! " ;

$submit_vars [ " searchhost " ] = " Altavista " ;

if ( $snoopy -> submit( $submit_url , $submit_vars ))

{

while ( list ( $key , $val ) = each ( $snoopy -> headers))

echo $key . " : " . $val . " " ;

echo " " ;

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

}

else

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

例子: 展示所有属性的功能:

include " Snoopy.class.php " ;

$snoopy = new Snoopy;

$snoopy -> proxy_host = " my.proxy.host " ;

$snoopy -> proxy_port = " 8080 " ;

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

$snoopy -> referer = " http://www.microsnot.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.phpbuilder.com " ))

{

while ( list ( $key , $val ) = each ( $snoopy -> headers))

echo $key . " : " . $val . " " ;

echo " " ;

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

}

else

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

例子: 抓取框架内容并展示结果：

include " Snoopy.class.php " ;

$snoopy = new Snoopy;

$snoopy -> maxframes = 5 ;

if ( $snoopy -> fetch( " http://www.ispi.net/ " ))

{

echo " <PRE> " . htmlspecialchars ( $snoopy -> results[ 0 ]) . " </PRE> " ;

echo " <PRE> " . htmlspecialchars ( $snoopy -> results[ 1 ]) . " </PRE> " ;

echo " <PRE> " . htmlspecialchars ( $snoopy -> results[ 2 ]) . " </PRE> " ;

}

else

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

COPYRIGHT:
Copyright(c) 1999,2000 ispi. All rights reserved.
This software is released under the GNU General Public License.
Please read the disclaimer at the top of the Snoopy.class.php file.

THANKS:
Special Thanks to:
Peter Sorger <sorgo@cool.sk> help fixing a redirect bug
Andrei Zmievski <andrei@ispi.net> implementing time out functionality
Patric Sandelin <patric@kajen.com> help with fetchform debugging
Carmelo <carmelo@meltingsoft.com> misc bug fixes with frames