# PHPCrazy.Class.Snoopy

**Repository Path**: newzhangyun/PHPCrazy.Class.Snoopy

## Basic Information

- **Project Name**: PHPCrazy.Class.Snoopy
- **Description**: PHPCrazy 采集类
- **Primary Language**: PHP
- **License**: LGPL-2.1
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 5
- **Forks**: 4
- **Created**: 2015-12-07
- **Last Updated**: 2021-06-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

#PHPCrazy.Class.Snoopy
PHPCrazy 采集类
##如何使用？？
下载[ Crazy / PHPCrazy.Class.Snoopy](http://git.oschina.net/Crazy-code/PHPCrazy.Class.Snoopy/repository/archive/master)将它解压到PHPCrazy根目录下
##实例
```php
<?php

$snoopy = new Snoopy; 
$snoopy->proxy_host = "http://git.oschina.net"; 
$snoopy->proxy_port = "80"; 
$snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)"; 
$snoopy->referer = "http://git.oschina.net"; 
$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://git.oschina.net")) 
{ 
echo "<PRE>".htmlspecialchars($snoopy->results)."</PRE>\n"; 
} 
else 
echo "error fetching document: ".$snoopy->error."\n"; 
?>
```
###获取指定url内容 
```php
<?php
$url = "http://git.oschina.net"; 
$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
<?php 
$formvars["username"] = "admin"; 
$formvars["pwd"] = "admin"; 
$action = "http://git.oschina.net";//</a>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

###伪装
```php
<?php 
$formvars["username"] = "admin"; 
$formvars["pwd"] = "admin"; 
$action = "http://git.oschina.net"; 
$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://git.oschina.net'; //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
<?php 
$snoopy->proxy_host = "http://git.oschina.net"; 
$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://git.oschina.net/images/taoav.gif">http://git.oschina.net/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 
?> 
```
###Snoopy的一些特点: 

1. 抓取网页的内容 fetch 
2. 抓取网页的文本内容 (去除HTML标签) fetchtext 
3. 抓取网页的链接，表单 fetchlinks fetchform 
4. 支持代理主机 
5. 支持基本的用户名/密码验证 
6. 支持设置 user_agent, referer(来路), cookies 和 header content(头文件) 
7. 支持浏览器重定向，并能控制重定向深度 
8. 能把网页中的链接扩展成高质量的url(默认) 
9. 提交数据并且获取返回值 
10. 支持跟踪HTML框架 
11. 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， 

###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。 

####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。 

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