毛毛虫’s 博客
msgbartop
平凡的生活，默默的期待，等待蜕变的到来……
msgbarbottom

27 四 08 Snoopy中文手册（毛毛虫翻译）

?View Code PHP
1
2
3
4
5
6
7

/**
 * @name Snoopy手册中文版
 * @author 毛毛虫 wangchong1985@gmail.com
 * @version Snoopy - the PHP net client v1.2.2
 * @link http://www.wangchong.org
 * @since 2008-04-27
 */

名称:

Snoopy – the PHP net client v1.2.2

概要:

?View Code PHP
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

 
	include "Snoopy.class.php";
	$snoopy = new Snoopy;
 
	$snoopy->fetchtext("http://www.php.net/");
	print $snoopy->results;
 
	$snoopy->fetchlinks("http://www.phpbuilder.com/");
	print $snoopy->results;
 
	$submit_url = "http://lnk.ispi.net/texis/scripts/msearch/netsearch.html";
 
	$submit_vars["q"] = "amiga";
	$submit_vars["submit"] = "Search!";
	$submit_vars["searchhost"] = "Altavista";
 
	$snoopy->submit($submit_url,$submit_vars);
	print $snoopy->results;
 
	$snoopy->maxframes=5;
	$snoopy->fetch("http://www.ispi.net/");
	echo "\n";
	echo htmlentities($snoopy->results[0]);
	echo htmlentities($snoopy->results[1]);
	echo htmlentities($snoopy->results[2]);
	echo "\n";
 
	$snoopy->fetchform("http://www.altavista.com");
	print $snoopy->results;

描述:

Snoopy是什么?

Snoopy是一个php类，用来模仿web浏览器的功能，它能完成获取网页内容和发送表单的任务。

Snoopy的一些特点:

* 方便抓取网页的内容
* 方便抓取网页的文本内容 (去除HTML标签)
* 方便抓取网页的链接
* 支持代理主机
* 支持基本的用户名/密码验证
* 支持设置 user_agent, referer(来路), cookies 和 header content(头文件)
* 支持浏览器转向，并能控制转向深度
* 能把网页中的链接扩展成高质量的url(默认)
* 方便提交数据并且获取返回值
* 支持跟踪HTML框架(v0.92增加)
* 支持再转向的时候传递cookies (v0.92增加)

要求:

Snoopy requires PHP with PCRE (Perl Compatible Regular Expressions),
which should be PHP 3.0.9 and up. For read timeout support, it requires
PHP 4 Beta 4 or later. Snoopy was developed and tested with PHP 3.0.12.

类方法:

fetch($URI)
———–

这是为了抓取网页的内容而使用的方法。
$URI参数是被抓取网页的URL地址。
抓取的结果被存储在 $this->results 中。
如果你正在抓取的是一个框架，Snoopy将会将每个框架追踪后存入数组中，然后存入 $this->results。

fetchtext($URI)
—————

本方法类似于fetch()，唯一不同的就是本方法会去除HTML标签和其他的无关数据，只返回网页中的文字内容。

fetchform($URI)
—————

本方法类似于fetch()，唯一不同的就是本方法会去除HTML标签和其他的无关数据，只返回网页中表单内容(form)。

fetchlinks($URI)
—————-

本方法类似于fetch()，唯一不同的就是本方法会去除HTML标签和其他的无关数据，只返回网页中链接(link)。
默认情况下，相对链接将自动补全，转换成完整的URL。

submit($URI,$formvars)
———————-

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

submittext($URI,$formvars)
————————–

本方法类似于submit()，唯一不同的就是本方法会去除HTML标签和其他的无关数据，只返回登陆后网页中的文字内容。

submitlinks($URI)
—————-

本方法类似于submit()，唯一不同的就是本方法会去除HTML标签和其他的无关数据，只返回网页中链接(link)。
默认情况下，相对链接将自动补全，转换成完整的URL。

类属性: (缺省值在括号里)

$host 连接的主机
$port 连接的端口
$proxy_host 使用的代理主机，如果有的话
$proxy_port 使用的代理主机端口，如果有的话
$agent 用户代理伪装 (Snoopy v0.1)
$referer 来路信息，如果有的话
$cookies cookies， 如果有的话
$rawheaders 其他的头信息, 如果有的话
$maxredirs 最大重定向次数， 0=不允许 (5)
$offsiteok whether or not to allow redirects off-site. (true)
$expandlinks 是否将链接都补全为完整地址 (true)
$user 认证用户名, 如果有的话
$pass 认证用户名, 如果有的话
$accept http 接受类型 (image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, */*)
$error 哪里报错, 如果有的话
$response_code 从服务器返回的响应代码
$headers 从服务器返回的头信息
$maxlength 最长返回数据长度
$read_timeout 读取操作超时 (requires PHP 4 Beta 4+)
设置为0为没有超时
$timed_out 如果一次读取操作超时了，本属性返回 true (requires PHP 4 Beta 4+)
$maxframes 允许追踪的框架最大数量
$status 抓取的http的状态
$temp_dir 网页服务器能够写入的临时文件目录 (/tmp)
$curl_path cURL binary 的目录, 如果没有cURL binary就设置为 false

例子:

例子: 抓取一个页面并显示他的头信息和页面内容 (去掉HTML标签的页面):

?View Code PHP
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

 
	include "Snoopy.class.php";
	$snoopy = new Snoopy;
 
	$snoopy->user = "joe";
	$snoopy->pass = "bloe";
 
	if($snoopy->fetch("http://www.slashdot.org/"))
	{
		echo "response code: ".$snoopy->response_code."<br />\n";
		while(list($key,$val) = each($snoopy->headers))
			echo $key.": ".$val."<br />\n";
		echo "<p>\n";
 
		echo htmlspecialchars($snoopy->results)."\n";
	}
	else
		echo "error fetching document: ".$snoopy->error."\n";

例子: 提交一个表单并且打印出头信息和去掉HTML标签的页面:

?View Code PHP
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

 
	include "Snoopy.class.php";
	$snoopy = new Snoopy;
 
	$submit_url = "http://lnk.ispi.net/texis/scripts/msearch/netsearch.html";
 
	$submit_vars["q"] = "amiga";
	$submit_vars["submit"] = "Search!";
	$submit_vars["searchhost"] = "Altavista";
 
 
	if($snoopy->submit($submit_url,$submit_vars))
	{
		while(list($key,$val) = each($snoopy->headers))
			echo $key.": ".$val."<br />\n";
		echo "<p>\n";
 
		echo htmlspecialchars($snoopy->results)."\n";
	}
	else
		echo "error fetching document: ".$snoopy->error."\n";

例子: 展示所有属性的功能:

?View Code PHP
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

 
	include "Snoopy.class.php";
	$snoopy = new Snoopy;
 
	$snoopy->proxy_host = "my.proxy.host";
	$snoopy->proxy_port = "8080";
 
	$snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)";
	$snoopy->referer = "http://www.microsnot.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($snoopy->fetchtext("http://www.phpbuilder.com"))
	{
		while(list($key,$val) = each($snoopy->headers))
			echo $key.": ".$val."<br />\n";
		echo "<p>\n";
 
		echo htmlspecialchars($snoopy->results)."\n";
	}
	else
		echo "error fetching document: ".$snoopy->error."\n";

例子: 抓取框架内容并展示结果：

?View Code PHP
1
2
3
4
5
6
7
8
9
10
11
12
13
14

 
	include "Snoopy.class.php";
	$snoopy = new Snoopy;
 
	$snoopy->maxframes = 5;
 
	if($snoopy->fetch("http://www.ispi.net/"))
	{
		echo htmlspecialchars($snoopy->results[0])."\n";
		echo htmlspecialchars($snoopy->results[1])."\n";
		echo htmlspecialchars($snoopy->results[2])."\n";
	}
	else
		echo "error fetching document: ".$snoopy->error."\n";

COPYRIGHT:
Copyright(c) 1999,2000 ispi. All rights reserved.
This software is released under the GNU General Public License.
Please read the disclaimer at the top of the Snoopy.class.php file.

THANKS:
Special Thanks to:
Peter Sorger help fixing a redirect bug
Andrei Zmievski implementing time out functionality
Patric Sandelin help with fetchform debugging
Carmelo misc bug fixes with frames

Snoopy中文手册下载：snoopy中文手册.txt

Tags: , ,

Filed in Spider
«
»

Reader's Comments

  1. 仰望星空的狼 | 29 四 2008 下午 5:04

    … 貌似好用

    Reply to this comment
  2. 夜游灵 | 04 五 2008 下午 1:01

    挺好 非常好
    很好好强大

    Reply to this comment
  3. Allen | 11 五 2008 下午 6:57

    你的模板在宽屏下有点难看···全在右边···

    Reply to this comment
  4. 诗红 | 21 五 2008 下午 4:02

    下下来看看,学习学习

    Reply to this comment
  5. shun | 16 七 2008 下午 1:49

    你的书屋啊！！！！改改吧。。。
    等有时间俺给你改改~~~~

    嘿嘿

    Reply to this comment
  6. 光影魔术手 | 30 九 2008 上午 8:09

    貌似不错，功能挺强，用用看

    Reply to this comment
  7. eitrade | 24 十 2008 下午 12:38

    不错,收藏了..

    Reply to this comment
  8. naruco | 01 十二 2008 上午 2:34

    呵呵。这两天一直在玩snoopy.
    用他来获取目标网站的内容
    以便读取一些meta信息

    只是发现一个不好的地方
    再读取韩文网站时，标题中的韩文无法保持原样
    尝试了给fetch添加个charset也没效果。呵呵

    难道要改变我测试页面的charset?

    Reply to this comment
  9. 文福 | 08 十二 2008 上午 8:45

    在
    例子: 展示所有属性的功能:
    中，第10行出错，修改为：
    $snoopy->cookies["SessionID"] = “238472834723489l”;
    后正常

    Reply to this comment

Leave a Comment

sidebartop

虫子’s 微博秀

sidebarbottom
sidebartop

分类

sidebarbottom
sidebartop

标签云

sidebarbottom
© 毛毛虫’s 博客 / Design: Premium Wordpress Themes