php Snoopy详细使用实例

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headercontent(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 toallow 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 (requiresPHP 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 Beta4+)

$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

————————————————————————————————————————————

以下是用法示例：

include "Snoopy.class.php";

$snoopy = new Snoopy;

$snoopy->proxy_host="http://blog.sina.com.cn/lookime";

$snoopy->proxy_port = "80";

$snoopy->agent = "(compatible; MSIE 4.01;MSN2.5; AOL 4.0; Windows 98)";

$snoopy->referer ="http://blog.sina.com.cn/lookime";

$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://blog.sina.com.cn/lookime"))

{

echo"

".htmlspecialchars($snoopy->results)."

\n";

}

else

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

————————————————————————————————————————————END