snoopy（強大的PHP採集類） 詳細介紹

Snoopy是一個php類，用來類比瀏覽器的功能，可以擷取網頁內容，發送表單，可以用來開發一些採集程式和小偷程式，本文章詳細介紹snoopy的使用教程。

Snoopy的一些特點:

抓取網頁的內容 fetch

抓取網頁的常值內容 (去除HTML標籤) fetchtext

抓取網頁的連結，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(標頭檔)

支援瀏覽器重新導向，並能控制重新導向深度

能把網頁中的連結擴充功能成高品質的url(預設)

提交資料並且擷取返回值

支援跟蹤HTML架構

支援重新導向的時候傳遞cookies

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

Snoopy類方法及樣本：

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地址。

抓取的結果被儲存在 $this->results 中。

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

fetchtext($URI)

本方法類似於fetch()，唯一不同的就是本方法會去除HTML標籤和其他的無關資料，只返回網頁中的文字內容。

fetchform($URI)

本方法類似於fetch()，唯一不同的就是本方法會去除HTML標籤和其他的無關資料，只返回網頁中表單內容(form)。

fetchlinks($URI)

本方法類似於fetch()，唯一不同的就是本方法會去除HTML標籤和其他的無關資料，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。

submit($URI,$formvars)

本方法向$URL指定的連結地址發送確認表單。$formvars是一個儲存表單參數的數組。

submittext($URI,$formvars)

本方法類似於submit()，唯一不同的就是本方法會去除HTML標籤和其他的無關資料，只返回登陸後網頁中的文字內容。

submitlinks($URI)

本方法類似於submit()，唯一不同的就是本方法會去除HTML標籤和其他的無關資料，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。

Snoopy採集類屬性: (預設值在括弧裡)

$host 串連的主機

$port 串連的連接埠

$proxy_host 使用的代理主機，如果有的話

$proxy_port 使用的代理主機連接埠，如果有的話

$agent 使用者代理程式偽裝 (Snoopy v0.1)

$referer 來路資訊，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 最大重新導向次數， 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地址 (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 從伺服器返回的響應代碼

$headers 從伺服器返回的頭資訊

$maxlength 最長返回資料長度

$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，本屬性返回 true (requires PHP 4 Beta 4+)

$maxframes 允許追蹤的架構最大數量

$status 抓取的http的狀態

$temp_dir 網頁伺服器能夠寫入的臨時檔案目錄 (/tmp)

$curl_path cURL binary 的目錄, 如果沒有cURL binary就設定為 false

下面是一個樣本：

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 "
".htmlspecialchars($snoopy->results)."
\n"; } else echo "error fetching document: ".$snoopy->error."\n";

擷取指定url內容

fetch($url); //擷取所有內容 echo $snoopy->results; //顯示結果 //可選以下 $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 ?>

表單提交

submit($action,$formvars);//$formvars為提交的數組echo $snoopy->results; //擷取表單提交後的 返回的結果//可選以下$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

偽裝瀏覽器

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.9it.me"; //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;?>

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。

有時我們可能需要偽造更多的東西,snoopy完全為我們想到了

proxy_host = "http://www.9it.me";$snoopy->proxy_port = "8080"; //使用代理$snoopy->maxredirs = 2; //重新導向次數$snoopy->expandlinks = true; //是否補全連結 在採集的時候經常用到// 例如連結為 /images/taoav.gif 可改為它的全連結 http://www.9it.me/images/taoav.gif$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?>

以上就介紹了snoopy（強大的PHP採集類） 詳細介紹，包括了方面的內容，希望對PHP教程有興趣的朋友有所協助。

