Snoopy是一個php類，用來模擬瀏覽器的功能，可以獲取網頁內容，發送表單。
下載地址： http://sourceforge.net/project/showfiles.php?group_id=2091
Snoopy的一些特點:
1抓取網頁的內容 fetch
2 抓取網頁的文本內容 (去除HTML標籤) fetchtext
3抓取網頁的鏈接，表單 fetchlinks fetchform
4 支持代理主機
5支持基本的用戶名/密碼驗證
6 支持設置 user_agent, referer(來路), cookies 和 header content(頭文件)
7支持瀏覽器重定向，並能控制重定向深度
8能把網頁中的鏈接擴展成高質量的url(默認)
9提交數據並且獲取返回值
10 支持跟蹤HTML框架
11支持重定向的時候傳遞cookies
要求php4以上就可以了 由於本身是php一個類 無需擴支持 服務器不支持curl時候的最好選擇，
類方法:
fetch($URI)
———–
這是爲了抓取網頁的內容而使用的方法。
$URI參數是被抓取網頁的URL地址。
抓取的結果被存儲在 $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數組中，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標籤和其他的無關數據，只返回網頁中的文字內容。
fetchform($URI)
—————
本方法類似於fetch()，唯一不同的就是本方法會去除HTML標籤和其他的無關數據，只返回網頁中表單內容(form)。
fetchlinks($URI)
—————-
本方法類似於fetch()，唯一不同的就是本方法會去除HTML標籤和其他的無關數據，只返回網頁中鏈接(link)。
默認情況下，相對鏈接將自動補全，轉換成完整的URL。
submit($URI,$formvars)
———————-
本方法向$URL指定的鏈接地址發送確認表單。$formvars是一個存儲表單參數的數組。
submittext($URI,$formvars)
————————–
本方法類似於submit()，唯一不同的就是本方法會去除HTML標籤和其他的無關數據，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標籤和其他的無關數據，只返回網頁中鏈接(link)。
默認情況下，相對鏈接將自動補全，轉換成完整的URL。
類屬性: (缺省值在括號裏)
$host 連接的主機
$port 連接的端口
$proxy_host 使用的代理主機，如果有的話
$proxy_port 使用的代理主機端口，如果有的話
$agent 用戶代理僞裝 (Snoopy v0.1)
$referer 來路信息，如果有的話
$cookies cookies， 如果有的話
$rawheaders 其他的頭信息, 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 是否將鏈接都補全爲完整地址 (true)
$user 認證用戶名, 如果有的話
$pass 認證用戶名, 如果有的話
$accept http 接受類型 (image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, */*)
$error 哪裏報錯, 如果有的話
$response_code 從服務器返回的響應代碼
$headers 從服務器返回的頭信息
$maxlength 最長返回數據長度
$read_timeout 讀取操作超時 (requires PHP 4 Beta 4+)
設置爲0爲沒有超時
$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 網頁服務器能夠寫入的臨時文件目錄 (/tmp)
$curl_path cURL binary 的目錄, 如果沒有cURL binary就設置爲 false
以下是demo
|
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
include
"Snoopy.class.php"; $snoopy
= new
Snoopy; $snoopy->proxy_host =
"http://www.4wei.cn"; $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"; |
以下是一些代碼片段：
1獲取指定url內容
|
01
02
03
04
05
06
07
08
09
10
11
|
<? $url
= "http://www.4wei.cn"; include("snoopy.php"); $snoopy
= new
Snoopy; $snoopy->fetch($url);
//獲取所有內容 echo
$snoopy->results;
//顯示結果 //可選以下 $snoopy->fetchtext
//獲取文本內容（去掉html代碼） $snoopy->fetchlinks
//獲取鏈接 $snoopy->fetchform
//獲取表單 ?> |
2 表單提交
|
01
02
03
04
05
06
07
08
09
10
|
<?php$formvars["username"] =
"admin";$formvars["pwd"] =
"admin";$action
= "http://www.4wei.cn";//</a>表單提交地址$snoopy->submit($action,$formvars);//$formvars爲提交的數組echo
$snoopy->results; //獲取表單提交後的 返回的結果//可選以下$snoopy->submittext;
//提交後只返回 去除html的 文本$snoopy->submitlinks;//提交後只返回 鏈接?> |
既然已經提交的表單 那就可以做很多事情 接下來我們來僞裝ip,僞裝瀏覽器
3 僞裝
|
01
02
03
04
05
06
07
08
09
10
11
12
13
14
|
<?php$formvars["username"] =
"admin";$formvars["pwd"] =
"admin";$action
= "http://www.4wei.cn";include
"snoopy.php";$snoopy
= new Snoopy;$snoopy->cookies["PHPSESSID"] =
'fc106b1918bd522cc863f36890e6fff7';
//僞裝sessionid$snoopy->agent =
"(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)";
//僞裝瀏覽器$snoopy->referer = http://www.4wei.cn; //僞裝來源頁地址 http_referer$snoopy->rawheaders["Pragma"] =
"no-cache";
//cache 的http頭信息$snoopy->rawheaders["X_FORWARDED_FOR"] =
"127.0.0.101";
//僞裝ip$snoopy->submit($action,$formvars);echo
$snoopy->results;?> |
原來我們可以僞裝session 僞裝瀏覽器 ，僞裝ip， haha 可以做很多事情了。
例如 帶驗證碼，驗證ip 投票， 可以不停的投。
ps:這裏僞裝ip ，其實是僞裝http頭, 所以一般的通過 REMOTE_ADDR 獲取的ip是僞裝不了，
反而那些通過http頭來獲取ip的(可以防止代理的那種) 就可以自己來製造ip。
關於如何驗證碼 ，簡單說下：
首先用普通的瀏覽器， 查看頁面 ， 找到驗證碼所對應的sessionid，
同時記下sessionid和驗證碼值，
接下來就用snoopy去僞造 。
原理:由於是同一個sessionid 所以取得的驗證碼和第一次輸入的是一樣的。
4 有時我們可能需要僞造更多的東西,snoopy完全爲我們想到了
|
01
02
03
04
05
06
07
08
09
10
|
<?php$snoopy->proxy_host =
"http://www.4wei.cn";$snoopy->proxy_port =
"8080"; //使用代理$snoopy->maxredirs = 2;
//重定向次數$snoopy->expandlinks = true;
//是否補全鏈接 在採集的時候經常用到// 例如鏈接爲 /images/taoav.gif 可改爲它的全鏈接 <a href="http://www.4wei.cn/images/taoav.gif">http://www.4wei.cn/images/taoav.gif</a>$snoopy->maxframes = 5
//允許的最大框架數//注意抓取框架的時候 $snoopy->results 返回的是一個數組$snoopy->error
//返回報錯信息?> |