Snoopy是一个使用PHP写的采集类,使用了一下发现功能比较强大,几乎可以模拟浏览器的所有行为,可以实现的功能有:
比起使用curl,fsockopen等函数来说方便很多,下面总结一下这个类一些属性与方法的作用。
方法:
fetch($url) 该方法用于抓取网页内容,类似于file_get_contents
submit($posturl,$params,$files)
该方法提交表单数据,第二个参数是一个一维数组,例如array(‘user‘=>‘zhangsan‘,‘pwd‘=>‘lisi‘),第
三个参数是可选参数,上传文件时用到,例如array(‘myfile‘ => ‘./images/test.jpg‘)
fetchlinks($url) 该方法用于获取网页所有链接
fetchform($url) 该方法用于获取网页上的form表单内容
fetchtext($url) 该方法用户获取不带标签的网页内容
submitlinks($posturl,$params) 该方法提交表单数据参数与submit方法相同,不同点是获取到的结果数据是链接
submittext($posturl,$params) 该方法提交表单数据参数与submit方法相同,不同点是获取到的结果数据是文本数据
set_submit_multipart() 该方法没有参数,文件上传时有效类似于设置表单中的enctype="multipart/form-data"
set_submit_normal() 该方法没有参数,相当于设置一个普通表单,不可用户文件
setcookies() 该方法没有参数,保存响应cookie信息 用于下一次请求
常用属性:
$obj->agent = ‘Mozilla/5.0 (Windows; U; Windows NT 6.1; zh-CN; rv:1.9.2.25) Gecko/20111212 Firefox/3.6.25‘;//伪装浏览器
$obj->rawheaders[‘Cookie‘] = ‘username=zhangsan;password=123456‘;//伪装cookie不能与$obj->cookies同时使用
$obj->rawheaders[‘X_FORWARDED_FOR‘] = ‘115.47.134.108‘; //伪造IP
$obj->referer = ‘http://www.com133.com/‘; //伪造来源地址
$obj->cookies[‘test‘] = ‘zhangsan‘; //伪装cookie 不能与$obj->rawheaders[‘Cookie‘]同时使用
$obj->results 获取采集结果
下面给出示例代码供参考
- <?php
- include ‘./Snoopy.class.php‘;
- $obj = new Snoopy();
- $obj->agent = ‘Mozilla/5.0 (Windows; U; Windows NT 6.1; zh-CN; rv:1.9.2.25) Gecko/20111212 Firefox/3.6.25‘;//伪装浏览器
- $obj->rawheaders[‘Cookie‘] = ‘username=zhangsan;password=123456‘;//伪装cookie不能与$obj->cookies同时使用
- $obj->referer = ‘http://www.com133.com/‘; //伪造来源地址
- //$obj->cookies[‘test‘] = ‘zhangsan‘; //伪装cookie 不能与$obj->rawheaders[‘Cookie‘]同时使用
- //POST 数据
- $params[‘username‘] = ‘zhangsan‘;
- $params[‘password‘] = ‘123456‘;
- //上传文件
- $obj->set_submit_multipart();
- $files = array(‘f‘ => ‘./test.php‘);
- $posturl = ‘http://www.lmblog.com/snoopy/test.php‘;
- //$obj->fetch($posturl);//抓取网页内容 get方式
- //模拟表单提交
- $obj->submit($posturl,$params,$files);//第三个参数是可选参数,如果不上传文件无需该参数
- //$obj->submitlinks($posturl,$params);//获取提交或的链接
- $obj->setcookies();//保存响应cookie信息 用于下一次请求
- print_r($obj->results);//获取结果
- ?>