PHP採集類別snoopy實例介紹-php教程-PHP中文網

首頁

後端開發

php教程

PHP採集類別snoopy實例介紹

小云云

Mar 10, 2018 pm 01:11 PM

phpsnoopy介紹

snoopy是一個php類，用來模仿web瀏覽器的功能，它能完成取得網頁內容和發送表單的任務。官方網站http://snoopy.sourceforge.net/

Snoopy的一些功能特點：

抓取網頁的內容fetch()
抓取網頁的文字內容(移除HTML標籤) fetchtext()
#抓取網頁的鏈接，表單fetchlinks() fetchform()
#支援代理主機
支援基本的使用者名稱/密碼驗證
支援設定user_agent, referer(來路), cookies 和header content(頭檔)
支援瀏覽器重定向，並且能控制重定向深度
可以將網頁中的連結擴展成高品質的url(預設)
提交資料並且取得返回值
支援追蹤HTML框架
支援重定向的時候傳遞cookies

要求php4以上就可以。由於本身是php一個類，無需擴充支持，伺服器不支援curl時候的最好選擇。

類別方法

1. fetch($uri)

這是為了抓取網頁的內容而使用的方法。 $URI參數是被抓取網頁的URL位址。抓取的結果儲存在 $this->results 中。

如果你正在抓取的是一個框架，Snoopy會將每個框架追蹤後存入數組中，然後存入 $this->results。

<?php  
$url = "http://www.nowamagic.net/librarys/veda/";  
include("./Snoopy.class.php");  
$snoopy = new Snoopy;  
$snoopy->fetch($url);        //获取所有内容
echo $snoopy->results;       //显示结果
?>

2. fetchtext($URI)

本方法類似fetch()，唯一不同的就是本方法會移除HTML標籤和其他的無關數據，只返回網頁中的文字內容。

<?php  
$url = "http://www.nowamagic.net/librarys/veda/";  
include("./Snoopy.class.php");  
$snoopy = new Snoopy;  
$snoopy->fetchtext($url);        //获取文本内容
echo $snoopy->results;       //显示结果
?>

3. fetchform($URI)

本方法類似fetch()，唯一不同的就是本方法會移除HTML標籤和其他的無關數據，只返回網頁中表單內容(form)。

4. fetchlinks($URI)

本方法類似fetch()，唯一不同的就是本方法會移除HTML標籤和其他的無關數據，只返回網頁中連結(link )。預設情況下，相對連結將自動補全，轉換成完整的URL。

5. submit($URI,$formvars)

本方法傳送確認表單給$URL指定的連結位址。 $formvars是一個儲存表單參數的陣列。

6. submittext($URI,$formvars)

本方法類似submit()，唯一不同的就是本方法會移除HTML標籤和其他的無關數據，只回傳登陸後網頁中的文字內容。

7. submitlinks($URI)

本方法類似於submit()，唯一不同的就是本方法會移除HTML標籤和其他的無關數據，只返回網頁中連結(link )。預設情況下，相對連結將自動補全，轉換成完整的URL。

類別屬性(預設值在括號裡)

$host 連接的主機
$port 連接的端口
$proxy_host 使用的代理主機，如果有的話
#$proxy_port 使用的代理主機端口，如果有的話
$agent 使用者代理程式偽裝(Snoopy v0.1)
#$referer 來路訊息，如果有的話
#$cookies cookies，如果有的話
$rawheaders 其他的頭資訊, 如果有的話
$maxredirs 最大重定向次數， 0=不允許(5)
$offsiteok whether or not to allow redirects off-site. (true)
# $expandlinks 是否將連結都補全為完整位址(true)
$user 認證使用者名稱, 如果有的話
$pass認證使用者名稱, 如果有的話
$accept http 接受類型(image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, */*)
$error 哪裡報錯, 如果有的話
#$response_code 從伺服器回傳的回應代碼
$headers 從伺服器傳回的頭資訊
$maxlength 最長回傳資料長度
$read_timeout 讀取操作逾時(requires PHP 4 Beta 4+)，設定為0為沒有逾時
$timed_out 如果一次讀取操作逾時了，本屬性回傳true (requires PHP 4 Beta 4+)
#$maxframes 允許追蹤的框架最大數量
$status 抓取的http的狀態
$temp_dir 網頁伺服器能夠寫入的暫存檔案目錄(/tmp)
$curl_path cURL binary 的目錄, 如果沒有cURL binary就設定為false

#Demo

include "Snoopy.class.php";  
$snoopy = new Snoopy;  
$snoopy->proxy_host = "http://www.nowamagic.net/librarys/veda/";  
$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)."

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

取得指定url內容：

<?  
$url = "http://www.nowamagic.net/librarys/veda/";  
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
?>

表單提交：

<?php  
$formvars["username"] = "admin";  
$formvars["pwd"] = "admin";  
$action = "http://www.nowamagic.net/librarys/veda/";//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
?>

既然已經提交的表單，那就可以做很多事情。接下來我們來偽裝ip，偽裝瀏覽器：

<?php  
$formvars["username"] = "admin";  
$formvars["pwd"] = "admin";  
$action = "http://www.4wei.cn";  
include "snoopy.php";  
$snoopy = new Snoopy;  
$snoopy->cookies["PHPSESSID"] = &#39;fc106b1918bd522cc863f36890e6fff7&#39;; //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。

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.nowamagic.net/librarys/veda/";  
$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
?>

比较完整的示例：

/**
* You need the snoopy.class.php from 
* http://snoopy.sourceforge.net/
*/
include("snoopy.class.php");  
$snoopy = new Snoopy;  
// need an proxy?:
//$snoopy->proxy_host = "my.proxy.host";
//$snoopy->proxy_port = "8080";
// set browser and referer:
$snoopy->agent = "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)";  
$snoopy->referer = "http://www.jonasjohn.de/";  
// set some cookies:
$snoopy->cookies["SessionID"] = &#39;238472834723489&#39;;  
$snoopy->cookies["favoriteColor"] = "blue";  
// set an raw-header:
$snoopy->rawheaders["Pragma"] = "no-cache";  
// set some internal variables:
$snoopy->maxredirs = 2;  
$snoopy->offsiteok = false;  
$snoopy->expandlinks = false;  
// set username and password (optional)
//$snoopy->user = "joe";
//$snoopy->pass = "bloe";
// fetch the text of the website www.google.com:
if($snoopy->fetchtext("http://www.google.com")){   
    // other methods: fetch, fetchform, fetchlinks, submittext and submitlinks
    // response code:
    print "response code: ".$snoopy->response_code."<br/>n";  
    // print the headers:
    print "<b>Headers:</b><br/>";  
    while(list($key,$val) = each($snoopy->headers)){  
        print $key.": ".$val."<br/>n";  
    }  
    print "<br/>n";  
    // print the texts of the website:
    print htmlspecialchars($snoopy->results)."n";  
}  
else {  
    print "Snoopy: error while fetching document: ".$snoopy->error."n";  
}

用Snoopy类完成一个简单的图片采集：

<meta http-equiv=&#39;content-type&#39; content=&#39;text/html;charset=utf-8&#39;>  
<?php      
include &#39;Snoopy.class.php&#39;;   //加载Snoopy类     
$snoopy = new Snoopy();       //实例化一个对象
$sourceURL = "http://www.nowamagic.net/librarys/veda/";    //要抓取的网页  
$snoopy->fetchlinks($sourceURL);        //获得网页的链接
$a = $snoopy->results;     //得到网页链接的结果
$re = "/d+.html$/";     //匹配的正则
//过滤获取指定的文件地址请求  
foreach ($a as $tmp) {   
    if (preg_match($re, $tmp)) {  
        $aa=$tmp;          
    }      
}    
getImgURL($aa);  
function getImgURL($siteName)   
{          
    $snoopy = new Snoopy();          
    $snoopy->fetch($siteName);                  
    $fileContent = $snoopy->results;    //获取过滤后的页面的内容            
    //匹配图片的正则表达式        
    $reTag = "/<img  src="/static/imghwm/default1.png"  data-src="(http://[^"  class="lazy" [^s]+]+).(jpg|png|gif|jpeg)"[^/]*/ alt="PHP採集類別snoopy實例介紹" >/i";                
    if (preg_match($reTag, $fileContent)) {    
        //过滤图片
        $ret = preg_match_all($reTag, $fileContent, $matchResult);                       
        for ($i = 0, $len = count($matchResult[1]); $i < $len; ++$i)   
        {        
            saveImgURL($matchResult[1][$i], $matchResult[2][$i]);              
        }          
    }      
}          
function saveImgURL($name, $suffix) {   
    $url = $name.".".$suffix;                  
    echo "请求的图片地址：".$url."<br/>";                  
    $imgSavePath = "E:/123/images/";  //图片保存地址      
    $imgId =mt_rand(); //产生一个随机的文件名
    if ($suffix == "gif") {   
        //根据图片类型，放入不同的文件夹下面           
        $imgSavePath .= "emotion";          
    }   
    else
    {              
        $imgSavePath .= "topic";          
    }          
    $imgSavePath .= ("/".$imgId.".".$suffix);  //组装要保存的文件名
    if (is_file($imgSavePath)) {     
        //判断文件名是否存在，存在则删除         
        unlink($imgSavePath);              
        echo "<p style=&#39;color:#f00;&#39;>文件".$imgSavePath."已存在，将被删除</p>";          
    }    
    $imgFile = file_get_contents($url); //读取网络文件     
    $flag = file_put_contents($imgSavePath,$imgFile);   //写入到本地 
    if ($flag) {              
        echo "<p>文件".$imgSavePath."保存成功</p>";          
    }      
}  
?>

熱AI工具

熱工具

Damn Vulnerable Web App (DVWA) 是一個PHP/MySQL的Web應用程序，非常容易受到攻擊。它的主要目標是成為安全專業人員在合法環境中測試自己的技能和工具的輔助工具，幫助Web開發人員更好地理解保護網路應用程式的過程，並幫助教師/學生在課堂環境中教授/學習Web應用程式安全性。 DVWA的目標是透過簡單直接的介面練習一些最常見的Web漏洞，難度各不相同。請注意，該軟體中

ZendStudio 13.5.1 Mac

強大的PHP整合開發環境

SecLists

SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合，這些清單在安全評估過程中經常使用，而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表，幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上，他就可以存取所需的每種類型的清單。

SublimeText3漢化版

中文版，非常好用

PHP採集類別snoopy實例介紹

類別方法

#Demo

熱AI工具

Undresser.AI Undress

AI Clothes Remover

Undress AI Tool

Clothoff.io

AI Hentai Generator

熱門文章

熱工具

SublimeText3 Linux新版

DVWA

ZendStudio 13.5.1 Mac

SecLists

SublimeText3漢化版

熱門話題