PHP採集利器：Snoopy 試用心得

簡介：這是PHP採集利器：Snoopy 試用心得的詳細頁面，介紹了和php,有關的知識、技巧、經驗，和一些php源碼等。

class='pingjiaF' frameborder='0' src='http://biancheng.dnbcw.info/pingjia.php?id=339654' scrolling='no'>Snoopy是什麼? （下載snoopy）Snoopy是一個php類，用來模仿web瀏覽器的功能，它能完成擷取網頁內容和發送表單的任務。Snoopy的一些特點:* 方便抓取網頁的內容* 方便抓取網頁的常值內容 (去除HTML標籤)* 方便抓取網頁的連結* 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(標頭檔)* 支援瀏覽器轉向，並能控制轉向深度* 能把網頁中的連結擴充功能成高品質的url(預設)* 方便提交資料並且擷取傳回值* 支援跟蹤HTML架構(v0.92增加)* 支援再轉向的時候傳遞cookies (v0.92增加) 要想瞭解的更深入些，你自己Google一下吧。下面就給幾個簡單的例子：1擷取指定url內容PHP代碼

$url = "http://www.taoav.com";   include("snoopy.php");   $snoopy = new Snoopy;   $snoopy->fetch($url); //擷取所有內容   echo $snoopy->results; //顯示結果   $snoopy->fetchtext //擷取常值內容（去掉html代碼）   $snoopy->fetchlinks //擷取連結   $snoopy->fetchform //擷取表單   

2 表單提交PHP代碼

$formvars["username"] = "admin";   $formvars["pwd"] = "admin";   $action = "http://www.taoav.com";//表單提交地址   $snoopy->submit($action,$formvars);//$formvars為提交的數組   echo $snoopy->results; //擷取表單提交後的 返回的結果     $snoopy->submittext; //提交後只返回 去除html的 文本   $snoopy->submitlinks;//提交後只返回 連結   

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3 偽裝PHP代碼

$formvars["username"] = "admin";   $formvars["pwd"] = "admin";   $action = "http://www.taoav.com";   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 = "http://www.only4.cn"; //偽裝來源頁地址 http_referer   $snoopy->rawheaders["Pragma"] = "no-cache"; //cache 的http頭資訊   $snoopy->rawheaders["X_FORWARDED_FOR"] = "127.0.0.101"; //偽裝ip   $snoopy->submit($action,$formvars);   echo $snoopy->results; 

2. 原來我們可以偽裝session 偽裝瀏覽器 ，偽裝ip， haha 可以做很多事情了。

例如 帶驗證碼，驗證ip 投票， 可以不停的投。ps:這裡偽裝ip ，其實是偽裝http頭, 所以一般的通過 REMOTE_ADDR 擷取的ip是偽裝不了，反而那些通過http頭來擷取ip的(可以防止代理的那種) 就可以自己來製造ip。關於如何驗證碼 ，簡單說下：首先用普通的瀏覽器， 查看頁面 ， 找到驗證碼所對應的sessionid，同時記下sessionid和驗證碼值，接下來就用snoopy去偽造 。原理:由於是同一個sessionid 所以取得的驗證碼和第一次輸入的是一樣的。4 有時我們可能需要偽造更多的東西,snoopy完全為我們想到了PHP代碼

$snoopy->proxy_host = "www.only4.cn";   $snoopy->proxy_port = "8080"; //使用代理      $snoopy->maxredirs = 2; //重新導向次數     $snoopy->expandlinks = true; //是否補全連結 在採集的時候經常用到   // 例如連結為 /images/taoav.gif 可改為它的全連結 http://www.taoav.com/images/taoav.gif，這個地方其實可以在最後輸出的時候用ereg_replace函數自己替換 $snoopy->maxframes = 5 //允許的最大架構數      //注意抓取架構的時候 $snoopy->results 返回的是一個數組   $snoopy->error //返回報錯資訊  

上面的基本用法瞭解了，下面我就執行個體示範一次：PHP代碼 

<?   //echo var_dump($_SERVER);   include("Snoopy.class.php");    $snoopy = new Snoopy;    $snoopy->agent = "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.0.5) Gecko/2008120122 Firefox/3.0.5 FirePHP/0.2.1";//這項是瀏覽器資訊，前面你用什麼瀏覽器查看cookie，就用那個瀏覽器的資訊(ps:$_SERVER可以查看到瀏覽器的資訊)    $snoopy->referer = "http://bbs.phpchina.com/index.php";   $snoopy->expandlinks = true;   $snoopy->rawheaders["COOKIE"]="__utmz=17229162.1227682761.29.7.utmccn=(referral)|utmcsr=phpchina.com|utmcct=/html/index.html|utmcmd=referral; cdbphpchina_smile=1D2D0D1; cdbphpchina_cookietime=2592000; __utma=233700831.1562900865.1227113506.1229613449.1231233266.16; __utmz=233700831.1231233266.16.8.utmccn=(referral)|utmcsr=localhost:8080|utmcct=/test3.php|utmcmd=referral; __utma=17229162.1877703507.1227113568.1231228465.1231233160.58; uchome_loginuser=sinopf; xscdb_cookietime=2592000; __utmc=17229162; __utmb=17229162; cdbphpchina_sid=EX5w1V; __utmc=233700831; cdbphpchina_visitedfid=17; cdbphpchinaO766uPYGK6OWZaYlvHSuzJIP22VpwEMGnPQAuWCFL9Fd6CHp2e%2FKw0x4bKz0N9lGk; xscdb_auth=8106rAyhKpQL49eMs%2FyhLBf3C6ClZ%2B2idSk4bExJwbQr%2BHSZrVKgqPOttHVr%2B6KLPg3DtWpTMUI4ttqNNVpukUj6ElM; cdbphpchina_onlineusernum=3721";    $snoopy->fetch("http://bbs.phpchina.com/forum-17-1.html"); $n=ereg_replace("href=\"","href=\"http://bbs.phpchina.com/",$snoopy->results );   echo ereg_replace("src=\"","src=\"http://bbs.phpchina.com/",$n);   ?>  

這是類比登陸PHPCHINA論壇的過程，首先要查看自己瀏覽器的信
息：echo var_dump($_SERVER);這句代碼可以看到自己瀏覽器的資訊，把
$_SERVER['HTTP_USER_AGENT']後邊的內容複寫下來，粘在$snoopy->agent的地方，然後就是要查看自己的
COOKIE了，用自己在論壇的帳號登陸論壇後，在瀏覽器地址欄裡輸入
javascript:document.write(document.cookie)，斷行符號，就可以看到自己的cookie資訊，複製粘貼
到$snoopy->rawheaders["COOKIE"]=的後邊。（我的cookie資訊為了安全起見已經刪除了一段內容）

然後再注意：

# $n=ereg_replace("href=\"","href=\"http://bbs.phpchina.com/",$snoopy->results ); 

# echo ereg_replace("src=\"","src=\"http://bbs.phpchina.com/",$n);

這兩句代碼，因為採集到的內容所有的HTML源碼地址都是相對連結，所以要替換成絕對連結，這樣就可以引用論壇的圖片和css樣式了。轉載:http://zzdboy1616.blog.163.com/blog/static/430670762009213111712876/ 

愛J2EE關注Java邁克爾傑克遜視頻站JSON線上工具

http://biancheng.dnbcw.info/php/339654.html pageNo:7