snoopy采集類怎么在PHP項(xiàng)目中使用-創(chuàng)新互聯(lián)

本篇文章給大家分享的是有關(guān)snoopy采集類怎么在PHP項(xiàng)目中使用，小編覺(jué)得挺實(shí)用的，因此分享給大家學(xué)習(xí)，希望大家閱讀完這篇文章后可以有所收獲，話不多說(shuō)，跟著小編一起來(lái)看看吧。

創(chuàng)新互聯(lián)主營(yíng)渝水網(wǎng)站建設(shè)的網(wǎng)絡(luò)公司,主營(yíng)網(wǎng)站建設(shè)方案,重慶APP軟件開(kāi)發(fā),渝水h5重慶小程序開(kāi)發(fā)公司搭建,渝水網(wǎng)站營(yíng)銷推廣歡迎渝水等地區(qū)企業(yè)咨詢

Snoopy是一個(gè)php類，用來(lái)模擬瀏覽器的功能，可以獲取網(wǎng)頁(yè)內(nèi)容，發(fā)送表單，可以用來(lái)開(kāi)發(fā)一些采集程序和小偷程序，本文章詳細(xì)介紹snoopy的使用教程。

Snoopy的一些特點(diǎn):
抓取網(wǎng)頁(yè)的內(nèi)容 fetch
抓取網(wǎng)頁(yè)的文本內(nèi)容 (去除HTML標(biāo)簽) fetchtext
抓取網(wǎng)頁(yè)的鏈接，表單 fetchlinks fetchform
支持代理主機(jī)
支持基本的用戶名/密碼驗(yàn)證
支持設(shè)置 user_agent, referer(來(lái)路), cookies 和 header content(頭文件)
支持瀏覽器重定向，并能控制重定向深度
能把網(wǎng)頁(yè)中的鏈接擴(kuò)展成高質(zhì)量的url(默認(rèn))
提交數(shù)據(jù)并且獲取返回值
支持跟蹤HTML框架
支持重定向的時(shí)候傳遞cookies
要求php4以上就可以了 由于本身是php一個(gè)類 無(wú)需擴(kuò)支持 服務(wù)器不支持curl時(shí)候的好選擇，

Snoopy類方法及示例：

fetch($URI)
這是為了抓取網(wǎng)頁(yè)的內(nèi)容而使用的方法。
$URI參數(shù)是被抓取網(wǎng)頁(yè)的URL地址。
抓取的結(jié)果被存儲(chǔ)在 $this->results 中。
如果你正在抓取的是一個(gè)框架，Snoopy將會(huì)將每個(gè)框架追蹤后存入數(shù)組中，然后存入 $this->results。

fetchtext($URI)
本方法類似于fetch()，不同的就是本方法會(huì)去除HTML標(biāo)簽和其他的無(wú)關(guān)數(shù)據(jù)，只返回網(wǎng)頁(yè)中的文字內(nèi)容。

fetchform($URI)
本方法類似于fetch()，不同的就是本方法會(huì)去除HTML標(biāo)簽和其他的無(wú)關(guān)數(shù)據(jù)，只返回網(wǎng)頁(yè)中表單內(nèi)容(form)。

fetchlinks($URI)
本方法類似于fetch()，不同的就是本方法會(huì)去除HTML標(biāo)簽和其他的無(wú)關(guān)數(shù)據(jù)，只返回網(wǎng)頁(yè)中鏈接(link)。
默認(rèn)情況下，相對(duì)鏈接將自動(dòng)補(bǔ)全，轉(zhuǎn)換成完整的URL。

submit($URI,$formvars)
本方法向$URL指定的鏈接地址發(fā)送確認(rèn)表單。$formvars是一個(gè)存儲(chǔ)表單參數(shù)的數(shù)組。

submittext($URI,$formvars)
本方法類似于submit()，不同的就是本方法會(huì)去除HTML標(biāo)簽和其他的無(wú)關(guān)數(shù)據(jù)，只返回登陸后網(wǎng)頁(yè)中的文字內(nèi)容。

submitlinks($URI)
本方法類似于submit()，不同的就是本方法會(huì)去除HTML標(biāo)簽和其他的無(wú)關(guān)數(shù)據(jù)，只返回網(wǎng)頁(yè)中鏈接(link)。
默認(rèn)情況下，相對(duì)鏈接將自動(dòng)補(bǔ)全，轉(zhuǎn)換成完整的URL。

Snoopy采集類屬性: (默認(rèn)值在括號(hào)里)

$host連接的主機(jī)
$port連接的端口
$proxy_host 使用的代理主機(jī)，如果有的話
$proxy_port 使用的代理主機(jī)端口，如果有的話
$agent用戶代理偽裝 (Snoopy v0.1)
$referer 來(lái)路信息，如果有的話
$cookies cookies 如果有的話
$rawheaders 其他的頭信息, 如果有的話
$maxredirs 較大重定向次數(shù)， 0=不允許 (5)
$offsiteokwhether or not to allow redirects off-site. (true)
$expandlinks是否將鏈接都補(bǔ)全為完整地址 (true)
$user認(rèn)證用戶名, 如果有的話
$pass 認(rèn)證用戶名, 如果有的話
$accept http 接受類型 (image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, */*)
$error 哪里報(bào)錯(cuò), 如果有的話
$response_code 從服務(wù)器返回的響應(yīng)代碼
$headers 從服務(wù)器返回的頭信息
$maxlength最長(zhǎng)返回?cái)?shù)據(jù)長(zhǎng)度
$read_timeout 讀取操作超時(shí) (requires PHP 4 Beta 4+) 設(shè)置為0為沒(méi)有超時(shí)
$timed_out 如果一次讀取操作超時(shí)了，本屬性返回 true (requires PHP 4 Beta 4+)
$maxframes允許追蹤的框架較大數(shù)量
$status 抓取的http的狀態(tài)
$temp_dir 網(wǎng)頁(yè)服務(wù)器能夠?qū)懭氲呐R時(shí)文件目錄 (/tmp)
$curl_pathcURL binary 的目錄, 如果沒(méi)有cURL binary就設(shè)置為 false

下面是一個(gè)示例：

復(fù)制代碼 代碼如下:

include "Snoopy.class.php";
 $snoopy = new Snoopy;
 
 $snoopy->proxy_host = "https://www.jb51.net";
 $snoopy->proxy_port = "80";
 
 $snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)";
 $snoopy->referer = "https://www.jb51.net";
 
 $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($snoopy->fetchtext("https://www.jb51.net"))
 {
 echo "<PRE>".htmlspecialchars($snoopy->results)."</PRE>\n";
 }
 else
 echo "error fetching document: ".$snoopy->error."\n";

獲取指定url內(nèi)容

復(fù)制代碼 代碼如下:

<?php
 $url = "https://www.jb51.net";
 include("snoopy.php");
 $snoopy = new Snoopy;
 $snoopy->fetch($url); //獲取所有內(nèi)容
 echo $snoopy->results; //顯示結(jié)果
 //可選以下
 $snoopy->fetchtext //獲取文本內(nèi)容（去掉html代碼）
 $snoopy->fetchlinks //獲取鏈接
 $snoopy->fetchform  //獲取表單
 ?>

表單提交

復(fù)制代碼 代碼如下:

<?php
$formvars["username"] = "admin";
$formvars["pwd"] = "admin";
$action = "https://www.jb51.net";//</a>表單提交地址
$snoopy->submit($action,$formvars);//$formvars為提交的數(shù)組
echo $snoopy->results; //獲取表單提交后的 返回的結(jié)果
//可選以下
$snoopy->submittext; //提交后只返回 去除html的 文本
$snoopy->submitlinks;//提交后只返回 鏈接
?>

既然已經(jīng)提交的表單 那就可以做很多事情 接下來(lái)我們來(lái)偽裝ip,偽裝瀏覽器

偽裝瀏覽器

復(fù)制代碼 代碼如下:

<?php
$formvars["username"] = "lanfengye";
$formvars["pwd"] = "lanfengye";
$action = "https://www.jb51.net";
include "snoopy.php";
$snoopy = new Snoopy;
$snoopy->cookies["PHPSESSID"] = 'fc106b1918bd522cc863f36890e6fff7'; //偽裝sessionid
$snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)"; //偽裝瀏覽器
$snoopy->referer = "https://www.jb51.net"; //偽裝來(lái)源頁(yè)地址 http_referer
$snoopy->rawheaders["Pragma"] = "no-cache"; //cache 的http頭信息
$snoopy->rawheaders["X_FORWARDED_FOR"] = "127.0.0.101"; //偽裝ip
$snoopy->submit($action,$formvars);
echo $snoopy->results;
?>

原來(lái)我們可以偽裝session 偽裝瀏覽器 ，偽裝ip， haha 可以做很多事情了。
例如 帶驗(yàn)證碼，驗(yàn)證ip 投票， 可以不停的投。
ps:這里偽裝ip ，其實(shí)是偽裝http頭, 所以一般的通過(guò) REMOTE_ADDR 獲取的ip是偽裝不了，
反而那些通過(guò)http頭來(lái)獲取ip的(可以防止代理的那種) 就可以自己來(lái)制造ip。
關(guān)于如何驗(yàn)證碼 ，簡(jiǎn)單說(shuō)下：
首先用普通的瀏覽器， 查看頁(yè)面 ， 找到驗(yàn)證碼所對(duì)應(yīng)的sessionid，
同時(shí)記下sessionid和驗(yàn)證碼值，
接下來(lái)就用snoopy去偽造 。
原理:由于是同一個(gè)sessionid 所以取得的驗(yàn)證碼和第一次輸入的是一樣的。

有時(shí)我們可能需要偽造更多的東西,snoopy完全為我們想到了

<?php
$snoopy->proxy_host = "https://www.jb51.net";
$snoopy->proxy_port = "8080"; //使用代理
$snoopy->maxredirs = 2; //重定向次數(shù)
$snoopy->expandlinks = true; //是否補(bǔ)全鏈接 在采集的時(shí)候經(jīng)常用到
// 例如鏈接為 /images/taoav.gif 可改為它的全鏈接 <a href="/tupian/20230522/$snoopy->maxframes = 5 //允許的較大框架數(shù)
//注意抓取框架的時(shí)候 $snoopy->results 返回的是一個(gè)數(shù)組
$snoopy->error //返回報(bào)錯(cuò)信息
?>

以上就是snoopy采集類怎么在PHP項(xiàng)目中使用，小編相信有部分知識(shí)點(diǎn)可能是我們?nèi)粘９ぷ鲿?huì)見(jiàn)到或用到的。希望你能通過(guò)這篇文章學(xué)到更多知識(shí)。更多詳情敬請(qǐng)關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

本文標(biāo)題：snoopy采集類怎么在PHP項(xiàng)目中使用-創(chuàng)新互聯(lián)
轉(zhuǎn)載源于：http://muchs.cn/article42/hooec.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供App設(shè)計(jì)、網(wǎng)站策劃、網(wǎng)頁(yè)設(shè)計(jì)公司、電子商務(wù)、手機(jī)網(wǎng)站建設(shè)、外貿(mào)網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)