snoopy(强大的PHP采集类) 实例应用
来源:互联网 发布:电视观众收视数据分析 编辑:程序博客网 时间:2024/03/29 00:02
Snoopy是一个php类,用来模拟浏览器的功能,可以获取网页内容,发送表单。
下载地址: http://sourceforge.net/project/showfiles.php?group_id=2091
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
以下是demo
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"
;
以下是一些代码片段:
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
?>
2 表单提交
<?php
$formvars
[
"username"
] =
"admin"
;
$formvars
[
"pwd"
] =
"admin"
;
$action
=
"http://www.4wei.cn"
;//</a>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
3 伪装
<?php
$formvars
[
"username"
] =
"admin"
;
$formvars
[
"pwd"
] =
"admin"
;
$action
=
"http://www.4wei.cn"
;
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.4wei.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"
] =
"127.0.0.101"
;
//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。
4 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
$snoopy
->proxy_host =
"http://www.4wei.cn"
;
$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 <a href="http://www.4wei.cn/images/taoav.gif">http://www.4wei.cn/images/taoav.gif</a>
$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
?>
- snoopy(强大的PHP采集类) 实例应用
- snoopy(强大的PHP采集类) 实例应用
- snoopy(强大的PHP采集类) 详细介绍
- snoopy(强大的PHP采集类) 详细介绍
- snoopy(强大的PHP采集类) 详细介绍
- snoopy(强大的PHP采集类) 详细介绍
- PHP采集利器snoopy应用详解【转】
- PHP采集利器snoopy应用详解
- PHP采集利器snoopy应用详解
- PHP采集类:Snoopy.class.php
- PHP采集类:Snoopy.class.php
- PHP采集类 Snoopy.class.php
- PHP采集类snoopy详细介绍(snoopy使用教程)
- PHP抓取采集类snoopy介绍
- PHP采集类snoopy使用教程
- PHP抓取采集类snoopy介绍
- PHP采集利器:Snoopy
- PHP采集利器:Snoopy
- 关于 SQL Server ErrorLog 错误日志
- Learning和Vision中的小进展和大进展(转载MIT牛人林达华)
- 2013第一习惯
- 有关林达华的几个地址
- JavaScript————基础1
- snoopy(强大的PHP采集类) 实例应用
- C语言中可变参数的用法——va_list、va_start、va_arg、va_end参数定义
- 归一化RGB
- matlab中调用c/c++程序
- POJ 2387 Til the Cows Come Home
- 九度1050 完数
- TLD取经之路(1)--VS2008,MATLB2010B与OPENCV2.2
- 数据库出XXX.exe,内存位置YYY处的_com_error。没有验证过,先记录下来。
- TLD取经之路(2)-- 初窥门径:运行DEMO