PHPコレクションクラススヌーピーのサンプル紹介-PHPチュートリアル-php.cn

Snoopy は、Web ブラウザーの機能を模倣するために使用される php クラスで、Web コンテンツの取得とフォームの送信のタスクを完了できます。公式ウェブサイト http://snoopy.sourceforge.net/

スヌーピーのいくつかの機能:

Web ページのコンテンツを取得する fetch()
Web ページのテキストコンテンツをキャプチャする (HTML タグを削除する) fetchtext()
Web リンクのキャッチ、fetchlinks() のフォーム fetchform()
プロキシホストのサポート
基本的なユーザー名/パスワード検証のサポート
user_agent、リファラー (ソース)、Cookie の設定のサポートヘッダーコンテンツ (ヘッダーファイル)
ブラウザのリダイレクトをサポートし、リダイレクトの深さを制御できます
Webページ内のリンクを高品質のURLに拡張できます(デフォルト)
データを送信して戻り値を取得します
トラッキングHTMLフレームワークをサポート
リダイレクト時のCookieの受け渡しをサポート

php4以降が必要です。 PHP クラスであるため、サポートを拡張する必要はありません。サーバーがcurlをサポートしていない場合に最適です。

クラスメソッド

1. fetch($uri)

これは、Webページのコンテンツを取得するために使用されるメソッドです。 $URI パラメータは、クロールされた Web ページの URL アドレスです。取得した結果は $this->results に保存されます。

フレームをスクレイピングしている場合、スヌーピーは各フレームを追跡して配列に保存し、$this->results に保存します。

fetch($url); //获取所有内容 echo $snoopy->results; //显示结果 ?>

ログイン後にコピー

2. fetchtext($URI)

このメソッドは fetch() に似ていますが、唯一の違いは、このメソッドが HTML タグとその他の無関係なデータを削除し、Web 内のテキストコンテンツのみを返すことです。ページ。

fetchtext($url); //获取文本内容 echo $snoopy->results; //显示结果 ?>

ログイン後にコピー

3. fetchform($URI)

このメソッドは fetch() に似ていますが、唯一の違いは、このメソッドは HTML タグとその他の無関係なデータを削除し、フォームのコンテンツ (form) のみを返すことです。ウェブページで。

4. fetchlinks($URI)

このメソッドは fetch() に似ていますが、唯一の違いは、このメソッドが HTML タグとその他の無関係なデータを削除し、Web ページ内のリンクのみを返すことです。デフォルトでは、相対リンクは自動的に完成され、完全な URL に変換されます。

5. submit($URI,$formvars)

このメソッドは、$URL で指定されたリンクアドレスに確認フォームを送信します。 $formvars はフォームパラメータを格納する配列です。

6. submittext($URI,$formvars)

このメソッドは submit() と似ていますが、唯一の違いは、このメソッドは HTML タグとその他の無関係なデータを削除し、その後 Web ページ内のテキストコンテンツのみを返すことです。ログイン。

7. submitlinks($URI)

このメソッドは submit() と似ていますが、唯一の違いは、このメソッドが HTML タグとその他の無関係なデータを削除し、Web ページ内のリンクのみを返すことです。デフォルトでは、相対リンクは自動的に完成され、完全な URL に変換されます。

クラス属性 (デフォルト値は括弧内)

$host 接続するホスト
$port 接続するポート
$proxy_host 使用するプロキシホスト (存在する場合)
$ proxy_port 使用されるプロキシホストポート (存在する場合)
$agent ユーザーエージェントカモフラージュ (Snoopy v0.1)
$リファラーソース情報 (存在する場合)
$cookies クッキー (存在する場合) If
$rawheaders 他のヘッダー情報 (存在する場合)
$maxredirs リダイレクトの最大数、0=許可されない (5)
$offsiteok オフサイトへのリダイレクトを許可するかどうか (true)
$expandlinks 完全なアドレスへのすべてのリンクを完了するかどうか (true)
$user 認証ユーザー名 (存在する場合)
$pass 認証ユーザー名 (存在する場合)
$accept http accept type ( image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, */*)
$error エラーがある場合、どこに報告するか
$ response_code サーバーから返された応答コード
$headers サーバーから返されるヘッダー情報
$maxlength 返されるデータの最大長
$read_timeout 読み取り操作のタイムアウト (PHP 4 Beta 4+ が必要)、設定 0 はタイムアウトなしを意味します
$timed_out読み取り操作がタイムアウトすると、この属性は true を返します (PHP 4 Beta 4+ が必要)
$maxframes 追跡できるフレームの最大数
$status Catch http ステータスを取得します
$temp_dir Web サーバーが書き込むことができる一時ファイルディレクトリ (/tmp)
$curl_path cURL バイナリディレクトリ。cURL バイナリがない場合は false に設定します

Demo

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 "".htmlspecialchars($snoopy->results)."n"; } else echo "error fetching document: ".$snoopy->error."n";
          
           ログイン後にコピー

指定された URL コンテンツ:

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 ?>

ログイン後にコピー

フォームの送信:

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 ?>

ログイン後にコピー

フォームが送信されたので、さまざまなことができるようになります。次に、IP とブラウザを偽装しましょう:

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;

ログイン後にコピー

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：

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 http://www.4wei.cn/images/taoav.gif $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 ?>

ログイン後にコピー

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: ".$snoopy->response_code."
n"; // print the headers: print "Headers:
"; while(list($key,$val) = each($snoopy->headers)){ print $key.": ".$val."
n"; } print "
n"; // print the texts of the website: print htmlspecialchars($snoopy->results)."n"; } else { print "Snoopy: error while fetching document: ".$snoopy->error."n"; }

ログイン後にコピー

用Snoopy类完成一个简单的图片采集：

 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 $reTag = "//i"; if (preg_match($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."
"; $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($imgSavePath); echo "文件".$imgSavePath."已存在，将被删除
"; } $imgFile = file_get_contents($url); //读取网络文件 $flag = file_put_contents($imgSavePath,$imgFile); //写入到本地 if ($flag) { echo "文件".$imgSavePath."保存成功
"; } } ?>

ログイン後にコピー