Snoopy官方下载地址

  • 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的一些功能特点:
  • 抓取网页的内容 fetch()
  • 抓取网页的文本内容 (去除HTML标签) fetchtext()
  • 抓取网页的链接,表单 fetchlinks() fetchform()
  • 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)
  • 支持浏览器重定向,并能控制重定向深度
  • 能把网页中的链接扩展成高质量的url(默认)
  • 提交数据并且获取返回值
  • 支持跟踪HTML框架
  • 支持重定向的时候传递cookies
  • 要求php4以上就可以。由于本身是php一个类,无需扩支持,服务器不支持curl时候的最好选择。

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。

      <?php  
      
      $url = "http://www.nowamagic.net/librarys/veda/";  
      
      include("./Snoopy.class.php");  
      
      $snoopy = new Snoopy;  
      
      $snoopy->fetch($url);        //获取所有内容
      
      echo $snoopy->results;       //显示结果
      
      ?>
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。

      <?php  
      
      $url = "http://www.nowamagic.net/librarys/veda/";  
      
      include("./Snoopy.class.php");  
      
      $snoopy = new Snoopy;  
      
      $snoopy->fetchtext($url);        //获取文本内容
      
      echo $snoopy->results;       //显示结果
      
      ?>
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
Demo
    <?php
        include "Snoopy.class.php";
    
        $snoopy = new Snoopy;
    
        $snoopy->proxy_host = "http://www.nowamagic.net/librarys/veda/";
    
        $snoopy->proxy_port = "80";
    
        $snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)";
    
        $snoopy->referer = "http://www.4wei.cn";
    
        $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.4wei.cn")) {
        
            echo "<PRE>" . htmlspecialchars($snoopy->results) . "</PRE>n";
        
        } else
        
            echo "error fetching document: " . $snoopy->error . "n";
        }
        ?>
获取指定url内容
    <?php
        $url = "http://www.nowamagic.net/librarys/veda/";  
        include("snoopy.php");  
        $snoopy = new Snoopy;  
        $snoopy->fetch($url); //获取所有内容
        echo $snoopy->results; //显示结果
        //可选以下
        //$snoopy->fetchtext //获取文本内容(去掉html代码)
        //$snoopy->fetchlinks //获取链接
        //$snoopy->fetchform  //获取表单
        
    ?>
表单提交
    <?php  
    
    $formvars["username"] = "admin";  
    
    $formvars["pwd"] = "admin";  
    
    $action = "http://www.nowamagic.net/librarys/veda/";//表单提交地址  
    
    $snoopy->submit($action,$formvars);//$formvars为提交的数组
    
    echo $snoopy->results; //获取表单提交后的 返回的结果
    
    //可选以下
    
    $snoopy->submittext; //提交后只返回 去除html的 文本
    
    $snoopy->submitlinks;//提交后只返回 链接
    
    ?>

既然已经提交的表单,那就可以做很多事情。接下来我们来伪装ip,伪装浏览器

    <?php  
    
    $formvars["username"] = "admin";  
    
    $formvars["pwd"] = "admin";  
    
    $action = "http://www.4wei.cn";  
    
    include "snoopy.php";  
    
    $snoopy = new Snoopy;  
    
    $snoopy->cookies["PHPSESSID"] = 'fc106b1918bd522cc863f36890e6fff7'; //伪装sessionid
    
    $snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)"; //伪装浏览器
    
    $snoopy->referer = http://www.4wei.cn; //伪装来源页地址 http_referer
    
    $snoopy->rawheaders["Pragma"] = "no-cache"; //cache 的http头信息
    
    $snoopy->rawheaders["X_FORWARDED_FOR"] = "127.0.0.101"; //伪装ip
    
    $snoopy->submit($action,$formvars);  
    
    echo $snoopy->results;
    
    ?>
  • 原来我们可以伪装session 伪装浏览器 ,伪装ip, haha 可以做很多事情了。例如 带验证码,验证ip 投票, 可以不停的投。
  • ps:这里伪装ip ,其实是伪装http头,所以一般的通过 REMOTE_ADDR 获取的ip是伪装不了,反而那些通过http头来获取ip的(可以防止代理的那种) 就可以自己来制造ip。
  • 关于如何验证码 ,简单说下:首先用普通的浏览器, 查看页面 , 找到验证码所对应的sessionid,同时记下sessionid和验证码值,接下来就用snoopy去伪造 。
  • 原理:由于是同一个sessionid 所以取得的验证码和第一次输入的是一样的。
有时我们可能需要伪造更多的东西,snoopy完全为我们想到了:
    <?php  
    
    $snoopy->proxy_host = "http://www.nowamagic.net/librarys/veda/";  
    
    $snoopy->proxy_port = "8080"; //使用代理
    
    $snoopy->maxredirs = 2; //重定向次数
    
    $snoopy->expandlinks = true; //是否补全链接 在采集的时候经常用到
    
    // 例如链接为 /images/taoav.gif 可改为它的全链接 <a 
    href="http://www.4wei.cn/images/taoav.gif">http://www.4wei.cn/images/taoav.gif</a>
    
    $snoopy->maxframes = 5 //允许的最大框架数
    
    //注意抓取框架的时候 $snoopy->results 返回的是一个数组
    
    $snoopy->error //返回报错信息
    
    ?>
比较完整的示例

    /**
    
    * You need the snoopy.class.php from 
    
    * http://snoopy.sourceforge.net/
    
    */
    
    include("snoopy.class.php");  
    
    $snoopy = new Snoopy;  
    
    // need an proxy?:
    
    //$snoopy->proxy_host = "my.proxy.host";
    
    //$snoopy->proxy_port = "8080";
    
    // set browser and referer:
    
    $snoopy->agent = "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)";  
    
    $snoopy->referer = "http://www.jonasjohn.de/";  
    
    // set some cookies:
    
    $snoopy->cookies["SessionID"] = '238472834723489';  
    
    $snoopy->cookies["favoriteColor"] = "blue";  
    
    // set an raw-header:
    
    $snoopy->rawheaders["Pragma"] = "no-cache";  
    
    // set some internal variables:
    
    $snoopy->maxredirs = 2;  
    
    $snoopy->offsiteok = false;  
    
    $snoopy->expandlinks = false;  
    
    // set username and password (optional)
    
    //$snoopy->user = "joe";
    
    //$snoopy->pass = "bloe";
    
    // fetch the text of the website www.google.com:
    
    if($snoopy->fetchtext("http://www.google.com")){   
    
        // other methods: fetch, fetchform, fetchlinks, submittext and submitlinks
    
        // response code:
    
        print "response code: ".$snoopy->response_code."<br/>n";  
    
        // print the headers:
    
        print "<b>Headers:</b><br/>";  
    
        while(list($key,$val) = each($snoopy->headers)){  
    
            print $key.": ".$val."<br/>n";  
    
        }  
    
        print "<br/>n";  
    
        // print the texts of the website:
    
        print htmlspecialchars($snoopy->results)."n";  
    
    }  
    
    else {  
    
        print "Snoopy: error while fetching document: ".$snoopy->error."n";  
    
    }
用Snoopy类完成一个简单的图片采集:

    <meta http-equiv='content-type' content='text/html;charset=utf-8'>  
    
    <?php      
    
    include 'Snoopy.class.php';   //加载Snoopy类     
    
    $snoopy = new Snoopy();       //实例化一个对象
    
    $sourceURL = "http://www.nowamagic.net/librarys/veda/";    //要抓取的网页  
    
    $snoopy->fetchlinks($sourceURL);        //获得网页的链接
    
    $a = $snoopy->results;     //得到网页链接的结果
    
    $re = "/d+.html$/";     //匹配的正则
    
    //过滤获取指定的文件地址请求  
    
    foreach ($a as $tmp) {   
    
        if (preg_match($re, $tmp)) {  
    
            $aa=$tmp;          
    
        }      
    
    }    
    
    getImgURL($aa);  
    
    function getImgURL($siteName)   
    
    {          
    
        $snoopy = new Snoopy();          
    
        $snoopy->fetch($siteName);                  
    
        $fileContent = $snoopy->results;    //获取过滤后的页面的内容            
    
        //匹配图片的正则表达式        
    
        $reTag = "/<img[^s]+src="(http://[^"]+).(jpg|png|gif|jpeg)"[^/]*/>/i";                
    
        if (preg_match($reTag, $fileContent)) {    
    
            //过滤图片
    
            $ret = preg_match_all($reTag, $fileContent, $matchResult);                       
    
            for ($i = 0, $len = count($matchResult[1]); $i < $len; ++$i)   
    
            {        
    
                saveImgURL($matchResult[1][$i], $matchResult[2][$i]);              
    
            }          
    
        }      
    
    }          
    
    function saveImgURL($name, $suffix) {   
    
        $url = $name.".".$suffix;                  
    
        echo "请求的图片地址:".$url."<br/>";                  
    
        $imgSavePath = "E:/123/images/";  //图片保存地址      
    
        $imgId =mt_rand(); //产生一个随机的文件名
    
        if ($suffix == "gif") {   
    
            //根据图片类型,放入不同的文件夹下面           
    
            $imgSavePath .= "emotion";          
    
        }   
    
        else
    
        {              
    
            $imgSavePath .= "topic";          
    
        }          
    
        $imgSavePath .= ("/".$imgId.".".$suffix);  //组装要保存的文件名
    
        if (is_file($imgSavePath)) {     
    
            //判断文件名是否存在,存在则删除         
    
            unlink($imgSavePath);              
    
            echo "<p style='color:#f00;'>文件".$imgSavePath."已存在,将被删除</p>";          
    
        }    
    
        $imgFile = file_get_contents($url); //读取网络文件     
    
        $flag = file_put_contents($imgSavePath,$imgFile);   //写入到本地 
    
        if ($flag) {              
    
            echo "<p>文件".$imgSavePath."保存成功</p>";          
    
        }      
    
    }  
    
    ?>
Last modification:July 2, 2022
如果觉得我的文章对你有用,请随意赞赏