snoopy中文手冊

來(lái)源：昆明網(wǎng)站制作公司日期：2010-09-15 閱讀：發(fā)表評論

該php類(lèi)主要是致力用php程序模擬瀏覽器的訪(fǎng)問(wèn)，實(shí)現可以模擬登陸，連續訪(fǎng)問(wèn)頁(yè)面等強大的功能，這里提供snoopy中文手冊參考

　Snoopy是一個(gè)php類(lèi)，用來(lái)模擬瀏覽器的功能，可以獲取網(wǎng)頁(yè)內容，發(fā)送表單。Snoopy正確運行需要你的服務(wù)器的PHP版本在4以上，并且支持PCRE（Perl Compatible Regular Expressions），基本的LAMP服務(wù)都支持。

一、Snoopy的一些特點(diǎn):

　　1.抓取網(wǎng)頁(yè)的內容 fetch

　　2.抓取網(wǎng)頁(yè)的文本內容 (去除HTML標簽) fetchtext

　　3.抓取網(wǎng)頁(yè)的鏈接，表單 fetchlinks fetchform

　　4.支持代理主機

　　5.支持基本的用戶(hù)名/密碼驗證

　　6.支持設置user_agent, referer(來(lái)路), cookies和header content(頭文件)

　　7.支持瀏覽器重定向，并能控制重定向深度

　　8.能把網(wǎng)頁(yè)中的鏈接擴展成高質(zhì)量的url(默認)

　　9.提交數據并且獲取返回值

　　10.支持跟蹤HTML框架

　　11.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(lèi)，無(wú)需擴支持，服務(wù)器不支持curl時(shí)候的最好選擇。

二、類(lèi)方法:

fetch($URI)
———–

　　這是為了抓取網(wǎng)頁(yè)的內容而使用的方法。$URI參數是被抓取網(wǎng)頁(yè)的URL地址。抓取的結果被存儲在 $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)框架追蹤后存入數組中，然后存入 $this->results。

fetchtext($URI)
—————

　　本方法類(lèi)似于fetch()，唯一不同的就是本方法會(huì )去除HTML標簽和其他的無(wú)關(guān)數據，只返回網(wǎng)頁(yè)中的文字內容。

fetchform($URI)
—————

　　本方法類(lèi)似于fetch()，唯一不同的就是本方法會(huì )去除HTML標簽和其他的無(wú)關(guān)數據，只返回網(wǎng)頁(yè)中表單內容(form)。

fetchlinks($URI)
—————-

　　本方法類(lèi)似于fetch()，唯一不同的就是本方法會(huì )去除HTML標簽和其他的無(wú)關(guān)數據，只返回網(wǎng)頁(yè)中鏈接(link)。
默認情況下，相對鏈接將自動(dòng)補全，轉換成完整的URL。

submit($URI,$formvars)
———————-

　　本方法向$URL指定的鏈接地址發(fā)送確認表單。$formvars是一個(gè)存儲表單參數的數組。

submittext($URI,$formvars)
————————–

　　本方法類(lèi)似于submit()，唯一不同的就是本方法會(huì )去除HTML標簽和其他的無(wú)關(guān)數據，只返回登陸后網(wǎng)頁(yè)中的文字內容。

submitlinks($URI)
—————-

　　本方法類(lèi)似于submit()，唯一不同的就是本方法會(huì )去除HTML標簽和其他的無(wú)關(guān)數據，只返回網(wǎng)頁(yè)中鏈接(link)。
默認情況下，相對鏈接將自動(dòng)補全，轉換成完整的URL。

三、類(lèi)屬性: (缺省值在括號里)

$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(huà)
$proxy_port 使用的代理主機端口，如果有的話(huà)
$agent 用戶(hù)代理偽裝 (Snoopy v0.1)
$referer 來(lái)路信息，如果有的話(huà)
$cookies cookies，如果有的話(huà)
$rawheaders 其他的頭信息, 如果有的話(huà)
$maxredirs 最大重定向次數， 0=不允許 (5)
$offsiteok whether or not to allow redirects off-site. (true)
$expandlinks 是否將鏈接都補全為完整地址 (true)
$user 認證用戶(hù)名, 如果有的話(huà)
$pass 認證用戶(hù)名, 如果有的話(huà)
$accept http 接受類(lèi)型 (image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, */*)
$error 哪里報錯, 如果有的話(huà)
$response_code 從服務(wù)器返回的響應代碼
$headers 從服務(wù)器返回的頭信息
$maxlength 最長(cháng)返回數據長(cháng)度
$read_timeout 讀取操作超時(shí) (requires PHP 4 Beta 4+)
設置為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 允許追蹤的框架最大數量
$status 抓取的http的狀態(tài)
$temp_dir 網(wǎng)頁(yè)服務(wù)器能夠寫(xiě)入的臨時(shí)文件目錄 (/tmp)
$curl_path cURL binary 的目錄, 如果沒(méi)有cURL binary就設置為 false

四、以下是demo

include "Snoopy.class.php";
$snoopy = new Snoopy;

$snoopy->proxy_host = "www.baidu.com";
$snoopy->proxy_port = "8080";

$snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)";
$snoopy->referer = "http://www.baidu.com/";

$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($snoopy->fetchtext("http://www.baidu.com"))
{
echo " <PRE>".htmlspecialchars($snoopy->results)." </PRE>\n"; <BR>
} <BR>
else <BR>
echo "error fetching document: ".$snoopy->error."\n";

snoopy采集phpchina示例
<?php
//采集phpchina
set_time_limit(0);
require_once("Snoopy.class.php");
$snoopy=new Snoopy();
//登陸論壇
$submit_url = "http://www.phpchina.com/bbs/logging.php?action=login";
$submit_vars["loginmode"] = "normal";
$submit_vars["styleid"] = "1";
$submit_vars["cookietime"] = "315360000";
$submit_vars["loginfield"] = "username";
$submit_vars["username"] = "***"; //你的用戶(hù)名
$submit_vars["password"] = "*****"; //你的密碼
$submit_vars["questionid"] = "0";
$submit_vars["answer"] = "";
$submit_vars["loginsubmit"] = "提交";
$snoopy->submit($submit_url,$submit_vars);
if ($snoopy->results)
{
//獲取連接地址
$snoopy->fetchlinks("http://www.phpchina.com/bbs");
$url=array();
$url=$snoopy->results;
//print_r($url);
foreach ($url as $key=>$value)
{
//匹配http://www.phpchina.com/bbs/forumdisplay.php?fid=156&sid=VfcqTR地址即論壇板塊地址
if (!preg_match("/^(http:\/\/www\.phpchina\.com\/bbs\/forumdisplay\.php\?fid=)[0-9]*&sid=[a-zA-Z]{6}/i",$value))
{
unset($url[$key]);
}
}
//print_r($url);
//獲取到板塊數組$url，循環(huán)訪(fǎng)問(wèn)，此處獲取第一個(gè)模塊第一頁(yè)的數據
$i=0;
foreach ($url as $key=>$value)
{
if ($i>=1)
{
//測試限制
break;
}
else
{
//訪(fǎng)問(wèn)該模塊，提取帖子的連接地址，正式訪(fǎng)問(wèn)里需要提取帖子分頁(yè)的數據，然后根據分頁(yè)數據提取帖子數據
$snoopy=new Snoopy();
$snoopy->fetchlinks($value);
$tie=array();
$tie[$i]=$snoopy->results;
//print_r($tie);
//轉換數組
foreach ($tie[$i] as $key=>$value)
{
//匹配http://www.phpchina.com/bbs/viewthread.php?tid=68127&extra=page%3D1&page=1&sid=iBLZfK
if (!preg_match("/^(http:\/\/www\.phpchina\.com\/bbs\/viewthread\.php\?tid=)[0-9]*&extra=page\%3D1&page=[0-9]*&sid=[a-zA-Z]{6}/i",$value))
{
unset($tie[$i][$key]);
}
}
//print_r($tie[$i]);
//歸類(lèi)數組，將同一個(gè)帖子不同頁(yè)面的內容放一個(gè)數組里
$left='';//連接左邊公用地址
$j=0;
$page=array();
foreach ($tie[$i] as $key=>$value)
{
$left=substr($value,0,52);
$m=0;
foreach ($tie[$i] as $pkey=>$pvalue)
{
//重組數組
if (substr($pvalue,0,52)==$left)
{
$page[$j][$m]=$pvalue;
$m++;
}
}
$j++;
}
//去除重復項開(kāi)始
//$page=array_unique($page);只能用于一維數組
$paget[0]=$page[0];
$nums=count($page);
for ($n=1;$n <$nums;$n++)
{
$paget[$n]=array_diff($page[$n],$page[$n-1]);
}
//去除多維數組重復值結束
//去除數組空值
unset($page);
$page=array();//重新定義page數組
$page=array_filter($paget);
//print_r($page);
$u=0;
$title=array();
$content=array();
$temp='';
$tt=array();
foreach ($page as $key=>$value)
{
//外圍循環(huán)，針對一個(gè)帖子
if (is_array($value))
{
foreach ($value as $k1=>$v1)
{
//頁(yè)內循環(huán)，針對一個(gè)帖子的N頁(yè)
$snoopy=new Snoopy();
$snoopy->fetch($v1);
$temp=$snoopy->results;
//讀取標題
if (!preg_match_all("/ <h2>(.*) <\/h2>/i",$temp,$tt))
{
echo "no title";
exit;
}
else
{
$title[$u]=$tt[1][1];
}
unset($tt);
//讀取內容
if (!preg_match_all("/ <div id=\"postmessage_[0-9]{1,8}\" class=\"t_msgfont\">(.*) <\/div>/i",$temp,$tt))
{
print_r($tt);
echo "no content1";
exit;
}
else
{
foreach ($tt[1] as $c=>$c2)
{
$content[$u].=$c2;
}
}
}
}
else
{
//直接取頁(yè)內容
$snoopy=new Snoopy();
$snoopy->fetch($value);
$temp=$snoopy->results;
//讀取標題
if (!preg_match_all("/ <h2>(.*) <\/h2>/i",$temp,$tt))
{
echo "no title";
exit;
}
else
{
$title[$u]=$tt[1][1];
}
unset($tt);
//讀取內容
if (!preg_match_all("/ <div id=\"postmessage_[0-9]*\" class=\"t_msgfont\">(.*) <\/div>/i",$temp,$tt))
{
echo "no content2";
exit;
}
else
{
foreach ($tt[1] as $c=>$c2)
{
$content[$u].=$c2;
}
}
}
$u++;
}
print_r($content);
}
$i++;
}
}
else
{
echo "login failed";
exit;
}
?>

上一篇：PclZip(php在線(xiàn)壓縮類(lèi))中文手冊下一篇：用php實(shí)現的小偷程序原理

發(fā)表評論評論列表（有條評論）

相關(guān)文章：: smarty3手冊下載中文手冊翻譯閱讀:794

最熱文章：: 新手怎么制作網(wǎng)頁(yè)? 閱讀:7660; jcarousellite中文文檔閱讀:6507; 表單元素input、按鈕、文字完美垂閱讀:6247; 怎么使chrome(谷歌google 閱讀:6145; phpMailer中文文檔手冊閱讀:4639

亚洲欧洲精品成人久久曰影片,四虎国产精品免费久久久,久久精品国产免费一区,亚洲欧洲国产精品久久,国产精品三级在线播放,欧美精品专区免费观看,欧美国产综合视频在线观看

云南網(wǎng)站建設創(chuàng )新企業(yè) 昆明多彩網(wǎng)絡(luò )公司

網(wǎng)站公告

網(wǎng)站建設理念

網(wǎng)站建設常見(jiàn)問(wèn)題