PHP网页编程之snoopy 壮大的PHP收集类利用实例代码

不断巩固，摸透大部分PHP常用函数，并可理解OOP，MYSQL优化，以及模板   下载地址： http://www.jb51.net/codes/33397.html

Snoopy的一些特色:

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 撑持代办署理主机
5撑持根基的用户名/暗码验证
6 撑持设置 user_agent, referer(去路), cookies 和 header content(头文件)
7撑持阅读重视定向，并能掌握重定向深度
8能把网页中的链接扩大成高质量的url(默许)
9提交数据而且获得前往值
10 撑持跟踪HTML框架
11撑持重定向的时分传递cookies
请求php4以上就能够了 因为自己是php一个类 无需扩撑持 办事器不撑持curl时分的最好选择，

类办法:

fetch($URI)
―――C

这是为了抓取网页的内容而利用的办法。
$URI参数是被抓取网页的URL地址。
抓取的了局被存储在 $this->results 中。
假如你正在抓取的是一个框架，Snoopy将会将每一个框架追踪后存入数组中，然后存入 $this->results。

fetchtext($URI)
―――――

本办法相似于fetch()，独一分歧的就是本办法会去除HTML标签和其他的有关数据，只前往网页中的文字内容。

fetchform($URI)
―――――

本办法相似于fetch()，独一分歧的就是本办法会去除HTML标签和其他的有关数据，只前往网页中表单内容(form)。

fetchlinks($URI)
―――――-

本办法相似于fetch()，独一分歧的就是本办法会去除HTML标签和其他的有关数据，只前往网页中链接(link)。
默许情形下，绝对链接将主动补全，转换成完全的URL。

submit($URI,$formvars)
―――――――-

本办法向$URL指定的链接地址发送确认表单。$formvars是一个存储表单参数的数组。

submittext($URI,$formvars)
――――――――C

本办法相似于submit()，独一分歧的就是本办法会去除HTML标签和其他的有关数据，只前往上岸后网页中的文字内容。

submitlinks($URI)
―――――-

本办法相似于submit()，独一分歧的就是本办法会去除HTML标签和其他的有关数据，只前往网页中链接(link)。
默许情形下，绝对链接将主动补全，转换成完全的URL。

类属性: (缺省值在括号里)

$host 毗连的主机
$port 毗连的端口
$proxy_host 利用的代办署理主机，假如有的话
$proxy_port 利用的代办署理主机端口，假如有的话
$agent 用户代办署理假装 (Snoopy v0.1)
$referer 去路信息，假如有的话
$cookies cookies， 假如有的话
$rawheaders 其他的头信息, 假如有的话
$maxredirs 最大重定向次数， 0=不答应 (5)
$offsiteok whether or not to allow redirects off-site. (true)
$expandlinks 是不是将链接都补全为完全地址 (true)
$user 认证用户名, 假如有的话
$pass 认证用户名, 假如有的话
$accept http 承受类型 (image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, */*)
$error 哪里报错, 假如有的话
$response_code 从办事器前往的呼应代码
$headers 从办事器前往的头信息
$maxlength 最长前往数据长度
$read_timeout 读取操作超时 (requires PHP 4 Beta 4+)
设置为0为没有超时
$timed_out 假如一次读取操作超时了，本属性前往 true (requires PHP 4 Beta 4+)
$maxframes 答应追踪的框架最大数目
$status 抓取的http的形态
$temp_dir 网页办事器可以写入的一时文件目次 (/tmp)
$curl_path cURL binary 的目次, 假如没有cURL binary就设置为 false

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

以下是一些代码片断：
1、获得指定url内容
复制代码 代码以下:
<?
$url = "http://www.jb51.net";
include("snoopy.php");
$snoopy = new Snoopy;
$snoopy->fetch($url); //获得一切内容
echo $snoopy->results; //显示了局
//可选以下
$snoopy->fetchtext //获得文本内容（去失落html代码）
$snoopy->fetchlinks //获得链接
$snoopy->fetchform //获得表单
?>

2 表单提交
复制代码 代码以下:
<?php
$formvars["username"] = "admin";
$formvars["pwd"] = "admin";
$action = "http://www.jb51.net";//</a>表单提交地址
$snoopy->submit($action,$formvars);//$formvars为提交的数组
echo $snoopy->results; //获得表单提交后的 前往的了局
//可选以下
$snoopy->submittext; //提交后只前往 去除html的 文本
$snoopy->submitlinks;//提交后只前往 链接
?>

既然已提交的表单 那就能够做良多工作 接上去咱们来假装ip,假装阅读器
3 假装
复制代码 代码以下:
<?php
$formvars["username"] = "admin";
$formvars["pwd"] = "admin";
$action = "http://www.jb51.net";
include "snoopy.php";
$snoopy = new Snoopy;
$snoopy->cookies["PHPSESSID"] = "fc106b1918bd522cc863f36890e6fff7"; //假装sessionid
$snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)"; //假装阅读器
$snoopy->referer = http://www.jb51.net; //假装来历页地址 http_referer
$snoopy->rawheaders["Pragma"] = "no-cache"; //cache 的http头信息
$snoopy->rawheaders["X_FORWARDED_FOR"] = "127.0.0.101"; //假装ip
$snoopy->submit($action,$formvars);
echo $snoopy->results;
?>

本来咱们可以假装session 假装阅读器 ，假装ip， haha 可以做良多工作了。
例如 带验证码，验证ip 投票， 可以一直的投。
ps:这里假装ip ，实际上是假装http头, 所以普通的经由过程 REMOTE_ADDR 获得的ip是假装不了，
反而那些经由过程http头来获得ip的(可以避免代办署理的那种) 就能够本人来制作ip。
关于若何验证码 ，复杂说下：
起首用通俗的阅读器， 检查页面 ， 找到验证码所对应的sessionid，
同时记下sessionid和验证码值，
接上去就用snoopy去捏造 。
道理:因为是统一个sessionid 所以获得的验证码和第一次输出的是一样的。
4 有时咱们能够需求捏造更多的器材,snoopy完整为咱们想到了
复制代码 代码以下:
<?php
$snoopy->proxy_host = "http://www.jb51.net";
$snoopy->proxy_port = "8080"; //利用代办署理
$snoopy->maxredirs = 2; //重定向次数
$snoopy->expandlinks = true; //是不是补全链接 在收集的时分常常用到
// 例如链接为 /images/taoav.gif 可改成它的全链接 <a href="http://www.jb51.net/images/taoav.gif">http://www.jb51.net/images/taoav.gif</a>
$snoopy->maxframes = 5 //答应的最大框架数
//注重抓取框架的时分 $snoopy->results 前往的是一个数组
$snoopy->error //前往报错信息
?>
在学习PHP这六个月里，每看到一个优秀的php脚本，就会兴奋的手舞足蹈，嘴里还不停的说：太酷了，太酷了。呵呵，很幼稚吧，但这可能就是兴趣。

要进行开发，搭建环境是首先需要做的事，windows下面我习惯把环境那个安装在C盘下面，因为我配的环境经常出现诡异事件，什么事都没做环境有的时候就不能用啦。

小鸟是第一次发帖（我习惯潜水的(*^__^*) 嘻嘻……），有错误之处还请大家批评指正，另外，前些日子听人说有高手能用php写驱动程序，真是学无止境，人外有人，天外有天。

在我安装pear包的时候老是提示，缺少某某文件，才发现 那群extension 的排列是应该有一点的顺序，而我安装的版本的排序不是正常的排序。没办法我只好把那群冒号加了上去，只留下我需要使用的扩展。

你很难利用原理去编写自己的代码。对于php来说，系统的学习我认为还是很重要的，当你有一定理解后，你可你针对某种效果研究，我想那时你不会只是复制代码的水平了。

Ps：以上纯属原创，如有雷同，纯属巧合

开发工具也会慢慢的更专业，每个公司的可能不一样，但是zend studio是个大伙都会用的。

本人接触php时间不长，算是phper中的小菜鸟一只吧。由于刚开始学的时候没有名师指，碰过不少疙瘩，呗很多小问题卡过很久，白白浪费不少宝贵的时间，在次分享一些子的学习的心得。

爱上php，他也会爱上你。

微软最近出的新字体“微软雅黑”，虽然是挺漂亮的，不过firefox  支持的不是很好，所以能少用还是少用的好。

仓酷云

这些中手常用的知识，当你把我说的这些关键字都可以熟练运用的时候，你可以选择自己

其实没啥难的，多练习，练习写程序，真正的实践比看100遍都有用。不过要熟悉引擎

这些都是最基本最常用功能，我们这些菜鸟在系统学习后，可以先对这些功能深入研究。

首先我是坚决反对新手上来就用框架的，因为对底层的东西一点都不了解，造成知识上的真空，会对以后的发展不利。我的观点上手了解下框架就好，代码还是手写。当然啦如果是位别的编程语言的高手的话，这个就另当别论啦。

先学习php和mysql,还有css(html语言很简单)我认为现在的效果比以前的方法好。

个人呢觉得，配wamp 最容易漏的一步就是忘了把$PHP$目录下的libmysql.dll拷贝到windows系统目录的system32目录下，还有重启apache。

如果你已经到这种程度了，那么你已经可以做我的老师了。其实php也分很多的区域，

在学习的过程中不能怕麻烦，不能有懒惰的思想。学习php首先应该搭建一个lamp环境或者是wamp环境。这是学习php开发的根本。虽然网络上有很多集成的环境，安装很方便，使用起来也很稳定、

爱上php，他也会爱上你。

当然这种网站的会员费就几十块钱。