Den Inhalt der Webseite abrufen.
Den Textinhalt des Webs abrufen Seite (HTML-Tag entfernen) fetchtext
Fangen Sie die Links der Webseite ab, bilden Sie fetchlinks fetchform
Proxy-Host unterstützen
Unterstützt die grundlegende Überprüfung von Benutzername/Passwort
Unterstützt die Einstellung von User_Agent, Referrer (Quelle), Cookies und Header-Inhalt (Header-Datei)
Unterstützt die Browserumleitung und kann die Umleitungstiefe steuern
Kann Links in Webseiten in hochwertige URLs erweitern (Standard)
Senden Sie Daten und erhalten Sie den Rückgabewert
Unterstützt das Tracking-HTML-Framework
Unterstützt die Übergabe von Cookies bei der Weiterleitung
Erfordert PHP 4 oder höher. Da es sich um eine PHP-Klasse handelt, besteht keine Notwendigkeit, die Unterstützung zu erweitern.
Methoden und Beispiele der Snoopy-Klasse:
fetch($URI)Dies ist die Methode, mit der der Inhalt der Webseite gecrawlt wird . Der $URI-Parameter ist die URL-Adresse der gecrawlten Webseite. Die abgerufenen Ergebnisse werden in $this->results gespeichert. Wenn Sie einen Frame scrapen, verfolgt Snoopy jeden Frame, speichert ihn in einem Array und speichert ihn dann in $this->results.
fetchtext($URI)Diese Methode ähnelt fetch(). Der einzige Unterschied besteht darin, dass diese Methode HTML-Tags und andere irrelevante Daten entfernt Es wird nur der Textinhalt der Webseite zurückgegeben.
fetchform($URI)Diese Methode ähnelt fetch(). Der einzige Unterschied besteht darin, dass diese Methode HTML-Tags und andere irrelevante Daten entfernt . Es wird nur der Formularinhalt (Formular) auf der Webseite zurückgegeben.
fetchlinks($URI)Diese Methode ähnelt fetch(). Der einzige Unterschied besteht darin, dass diese Methode HTML-Tags und andere irrelevante Daten entfernt . Es werden nur Links auf der Webseite zurückgegeben. Standardmäßig werden relative Links automatisch vervollständigt und in vollständige URLs umgewandelt.
submit($URI,$formvars)Diese Methode sendet ein Bestätigungsformular an die durch $URL angegebene Linkadresse. $formvars ist ein Array, das Formularparameter speichert.
submittext($URI,$formvars)Diese Methode ähnelt subscribe(), der einzige Unterschied besteht darin, dass diese Methode HTML-Tags und entfernt Sonstiges Keine relevanten Daten, nur der Textinhalt der Webseite nach der Anmeldung wird zurückgegeben.
submitlinks($URI)Diese Methode ähnelt subscribe(). Der einzige Unterschied besteht darin, dass diese Methode HTML-Tags und andere irrelevante Daten entfernt und nur Links auf der Webseite zurückgibt. Standardmäßig werden relative Links automatisch vervollständigt und in vollständige URLs umgewandelt. Snoopy-Sammlungsklassenattribute: (Standardwert steht in Klammern)
$host Der verbundene Host $port Der Port, mit dem eine Verbindung hergestellt werden sollDer von $proxy_host verwendete Proxy-Host, falls vorhanden$proxy_port Der von $proxy_port verwendete Proxy-Host-Port, falls vorhanden$agent Benutzer-Agent-Verkleidung (Snoopy v0.1)$Referer-Quelleninformationen, falls vorhanden$cookies Cookies, falls vorhanden$ rawheaders Anderer Header Informationen, falls vorhanden $maxredirs Maximale Anzahl von Weiterleitungen, 0=nicht zulässig (5)$offsiteok, ob Weiterleitungen außerhalb der Website zugelassen werden sollen oder nicht (true)$expandlinks Ob alle Links zu vollständigen Adressen vervollständigt werden sollen (true)$Benutzername für die Authentifizierung, falls vorhanden$Benutzername für die Authentifizierung übergeben, falls ja$ akzeptieren http Akzeptieren Sie den Typ (image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, */*)$error Wo kann der Fehler gemeldet werden, falls vorhanden $ Response_code Der vom Server zurückgegebene Antwortcode$headers Die vom Server zurückgegebenen Header-Informationen$maxlength Die längste zurückgegebene Datenlänge$ read_timeout Timeout des Lesevorgangs (erfordert PHP 4 Beta 4+) Auf 0 gesetzt, um keine Zeitüberschreitung zu erhalten $timed_out Wenn bei einem Lesevorgang eine Zeitüberschreitung auftritt, gibt dieses Attribut „true“ zurück (erfordert PHP 4 Beta 4+) $maxframes Die maximale Anzahl von Frames, die verfolgt werden dürfen$status Der Status des erfassten http$temp_dir Das temporäre Dateiverzeichnis, in das der Webserver schreiben kann (/tmp) $curl_path cURL-Binärverzeichnis. Wenn kein cURL-Binärverzeichnis vorhanden ist, setzen Sie es auf „false“
Das Folgende ist ein Beispiel: include "Snoopy.class.php";
$snoopy = new Snoopy;
$snoopy->proxy_host = "http://www.9it.me";
$snoopy->proxy_port = "80";
$snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)";
$snoopy->referer = "http://www.9it.me";
$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.9it.me"))
{
echo "<PRE>".htmlspecialchars($snoopy->results)."
\n";
}
else
echo "error fetching document: ".$snoopy->error."\n"; Holen Sie sich den Inhalt der angegebenen URL
<?php
$url = "http://www.9it.me";
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
?>
表单提交
<?php
$formvars["username"] = "admin";
$formvars["pwd"] = "admin";
$action = "http://www.9it.me";//</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
伪装浏览器
<?php
$formvars["username"] = "lanfengye";
$formvars["pwd"] = "lanfengye";
$action = "http://www.9it.me";
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.9it.me"; //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。
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.9it.me";
$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.9it.me/images/taoav.gif">http://www.9it.me/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
?>
以上就介绍了snoopy(强大的PHP采集类) 详细介绍,包括了方面的内容,希望对PHP教程有兴趣的朋友有所帮助。