www.adminn.cn
站长正能量分享网!

PHP采集类snoopy详细介绍(snoopy使用教程)

AD:阿里云服务器企业会员更优惠 腾讯云香港,韩国免备案服务器1.8折优惠

这篇文章主要介绍了PHP采集类snoopy详细介绍,PHP采集类snoopy的详细使用教程,需要的朋友可以参考下。

Snoopy是一个php类,用来模拟浏览器的功能,可以获取网页内容,发送表单,可以用来开发一些采集程序和小偷程序,本文章详细介绍snoopy的使用教程。

Snoopy的一些特点:

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以上就可以了 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,

Snoopy类方法及示例:

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。

Snoopy采集类属性: (默认值在括号里)

$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

下面是一个示例:

  1. include "Snoopy.class.php"
  2.  $snoopy = new Snoopy; 
  3.  
  4.  $snoopy->proxy_host = "https://www.adminn.cn"
  5.  $snoopy->proxy_port = "80"
  6.  
  7.  $snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)"
  8.  $snoopy->referer = "https://www.adminn.cn"
  9.  
  10.  $snoopy->cookies["SessionID"] = 238472834723489l; 
  11.  $snoopy->cookies["favoriteColor"] = "RED"
  12.  
  13.  $snoopy->rawheaders["Pragma"] = "no-cache"
  14.  
  15.  $snoopy->maxredirs = 2; 
  16.  $snoopy->offsiteok = false; 
  17.  $snoopy->expandlinks = false; 
  18.  
  19.  $snoopy->user = "joe"
  20.  $snoopy->pass = "bloe"
  21.  
  22.  if($snoopy->fetchtext("https://www.adminn.cn")) 
  23.  { 
  24.  echo "<PRE>".htmlspecialchars($snoopy->results)."</PRE>\n"
  25.  } 
  26.  else 
  27.  echo "error fetching document: ".$snoopy->error."\n"

获取指定url内容,代码如下:

  1. <?php 
  2.  $url = "https://www.adminn.cn"
  3.  include("snoopy.php"); 
  4.  $snoopy = new Snoopy; 
  5.  $snoopy->fetch($url); //获取所有内容 
  6.  echo $snoopy->results; //显示结果 
  7.  //可选以下 
  8.  $snoopy->fetchtext //获取文本内容(去掉html代码) 
  9.  $snoopy->fetchlinks //获取链接 
  10.  $snoopy->fetchform  //获取表单 
  11.  ?> 
  12. 表单提交 
  13.  
  14. 复制代码代码如下: 
  15. <?php 
  16. $formvars["username"] = "admin"
  17. $formvars["pwd"] = "admin"
  18. $action = "https://www.adminn.cn";//</a>表单提交地址 
  19. $snoopy->submit($action,$formvars);//$formvars为提交的数组 
  20. echo $snoopy->results; //获取表单提交后的 返回的结果 
  21. //可选以下 
  22. $snoopy->submittext; //提交后只返回 去除html的 文本 
  23. $snoopy->submitlinks;//提交后只返回 链接 
  24. ?> 

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

伪装浏览器,代码如下:

  1. <?php 
  2. $formvars["username"] = "lanfengye"
  3. $formvars["pwd"] = "lanfengye"
  4. $action = "https://www.adminn.cn"
  5. include "snoopy.php"
  6. $snoopy = new Snoopy; 
  7. $snoopy->cookies["PHPSESSID"] = 'fc106b1918bd522cc863f36890e6fff7'//伪装sessionid 
  8. $snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)"//伪装浏览器 
  9. $snoopy->referer = "https://www.adminn.cn"; //伪装来源页地址 http_referer 
  10. $snoopy->rawheaders["Pragma"] = "no-cache"//cache 的http头信息 
  11. $snoopy->rawheaders["X_FORWARDED_FOR"] = "127.0.0.101"//伪装ip 
  12. $snoopy->submit($action,$formvars); 
  13. echo $snoopy->results; 
  14. ?> 

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

  1. <?php 
  2. $snoopy->proxy_host = "https://www.adminn.cn"
  3. $snoopy->proxy_port = "8080"//使用代理 
  4. $snoopy->maxredirs = 2; //重定向次数 
  5. $snoopy->expandlinks = true; //是否补全链接 在采集的时候经常用到 
  6. // 例如链接为 /images/taoav.gif 可改为它的全链接 <a href="https://www.adminn.cn/images/taoav.gif">https://www.adminn.cn/images/taoav.gif</a> 
  7. $snoopy->maxframes = 5 //允许的最大框架数 
  8. //注意抓取框架的时候 $snoopy->results 返回的是一个数组 
  9. $snoopy->error //返回报错信息 
  10. ?> 

模板优惠价: (点击购买)
版权声明:本文采用知识共享 署名4.0国际许可协议 [BY-NC-SA] 进行授权
文章名称:《PHP采集类snoopy详细介绍(snoopy使用教程)》
文章链接:https://www.adminn.cn/news/8619.html
本站资源模板仅供个人学习交流,请于下载后24小时内删除,不允许用于商业用途,否则法律问题自行承担。2021.5月起,网站调整,暂不再分享免费模板。谢谢理解

扫码支付后请联系右侧QQ发送下载地址!!

源码请勿用于任何涉灰站点!净化网络,站长更有责!

支付宝扫一扫打赏