1. 程式人生 > >採集利器——snoopy應用(介紹篇)

採集利器——snoopy應用(介紹篇)

Snoopy是一個php類,用來模擬瀏覽器的功能,可以獲取網頁內容,傳送表單。
下載地址:http://sourceforge.net/projects/snoopy/
Snoopy的一些特點:
1、抓取網頁的內容 fetch
2、抓取網頁的文字內容 (去除HTML標籤) fetchtext
3、抓取網頁的連結,表單 fetchlinks fetchform
4、支援代理主機
5、支援基本的使用者名稱/密碼驗證
6、支援設定 user_agent, referer(來路), cookies 和 header content(標頭檔案)
7、支援瀏覽器重定向,並能控制重定向深度
8、能把網頁中的連結擴充套件成高質量的url(預設)
9、提交資料並且獲取返回值
10、支援跟蹤HTML框架
11、支援重定向的時候傳遞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。

類方法:

fetch($URI)
———–
這是為了抓取網頁的內容而使用的方法。
$URI引數是被抓取網頁的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框架,Snoopy將會將每個框架追蹤後存入陣列中,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$URL指定的連結地址傳送確認表單。$formvars是一個儲存表單引數的陣列。

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。

類屬性: (預設值在括號裡)
$host 連線的主機
$port 連線的埠
$proxy_host 使用的代理主機,如果有的話
$proxy_port 使用的代理主機埠,如果有的話
$agent 使用者代理偽裝 (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 最大重定向次數, 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 接受型別 (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程式碼
$headers 從伺服器返回的頭資訊
$maxlength 最長返回資料長度
$read_timeout 讀取操作超時 (requires PHP 4 Beta 4+)
設定為0為沒有超時
$timed_out 如果一次讀取操作超時了,本屬性返回 true (requires PHP 4 Beta 4+)
$maxframes 允許追蹤的框架最大數量
$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