Snoopy是一個php類，用來模拟浏覽器的功能，可以擷取網頁内容，發送表單。Snoopy正确運作需要你的伺服器的PHP版本在4以上，并且支援PCRE（Perl Compatible Regular Expressions），基本的LAMP服務都支援。
一、Snoopy的一些特點:
1.抓取網頁的内容 fetch
2.抓取網頁的文本内容 (去除HTML标簽) 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/密碼驗證
6.支援設定user_agent, referer(來路), cookies和header content(頭檔案)
7.支援浏覽器重定向，并能控制重定向深度
8.能把網頁中的連結擴充成高品質的url(預設)
9.送出資料并且擷取傳回值
10.支援跟蹤HTML架構
11.支援重定向的時候傳遞cookies，要求php4以上就可以了，由于本身是php一個類，無需擴支援，伺服器不支援curl時候的最好選擇。
二、類方法:
fetch($URI)
———–
這是為了抓取網頁的内容而使用的方法。$URI參數是被抓取網頁的URL位址。抓取的結果被存儲在 $this->results 中。如果你正在抓取的是一個架構，Snoopy将會将每個架構追蹤後存入數組中，然後存入 $this->results。
fetchtext($URI)
—————
本方法類似于fetch()，唯一不同的就是本方法會去除HTML标簽和其他的無關資料，隻傳回網頁中的文字内容。
fetchform($URI)
本方法類似于fetch()，唯一不同的就是本方法會去除HTML标簽和其他的無關資料，隻傳回網頁中表單内容(form)。
fetchlinks($URI)
—————-
本方法類似于fetch()，唯一不同的就是本方法會去除HTML标簽和其他的無關資料，隻傳回網頁中連結(link)。
預設情況下，相對連結将自動補全，轉換成完整的URL。
submit($URI,$formvars)
———————-
本方法向$URL指定的連結位址發送确認表單。$formvars是一個存儲表單參數的數組。
submittext($URI,$formvars)
————————–
本方法類似于submit()，唯一不同的就是本方法會去除HTML标簽和其他的無關資料，隻傳回登陸後網頁中的文字内容。
submitlinks($URI)
本方法類似于submit()，唯一不同的就是本方法會去除HTML标簽和其他的無關資料，隻傳回網頁中連結(link)。
三、類屬性: (預設值在括号裡)
$host 連接配接的主機
$port 連接配接的端口
$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 使用者代理僞裝 (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 是否将連結都補全為完整位址 (true)
$user 認證使用者名, 如果有的話
$pass 認證使用者名, 如果有的話
$accept http 接受類型 (image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, */*)
$error 哪裡報錯, 如果有的話
$response_code 從伺服器傳回的響應代碼
$headers 從伺服器傳回的頭資訊
$maxlength 最長傳回資料長度
$read_timeout 讀取操作逾時 (requires PHP 4 Beta 4+)
設定為0為沒有逾時
$timed_out 如果一次讀取操作逾時了，本屬性傳回 true (requires PHP 4 Beta 4+)
$maxframes 允許追蹤的架構最大數量
$status 抓取的http的狀态
$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
四、以下是demo
include "Snoopy.class.php";
$snoopy = new Snoopy;
$snoopy->proxy_host = "www.baidu.com";
$snoopy->proxy_port = "8080";
$snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)";
$snoopy->referer = "http://www.baidu.com/";
$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.baidu.com"))
{
echo " <PRE>".htmlspecialchars($snoopy->results)." </PRE>\n"; <BR>
} <BR>
else <BR>
echo "error fetching document: ".$snoopy->error."\n";
snoopy采集phpchina示例
<?php
//采集phpchina
set_time_limit(0);
require_once("Snoopy.class.php");
$snoopy=new Snoopy();
//登陸論壇
$submit_url = "http://www.phpchina.com/bbs/logging.php?action=login";
$submit_vars["loginmode"] = "normal";
$submit_vars["styleid"] = "1";
$submit_vars["cookietime"] = "315360000";
$submit_vars["loginfield"] = "username";
$submit_vars["username"] = "***"; //你的使用者名
$submit_vars["password"] = "*****"; //你的密碼
$submit_vars["questionid"] = "0";
$submit_vars["answer"] = "";
$submit_vars["loginsubmit"] = "提 交";
$snoopy->submit($submit_url,$submit_vars);
if ($snoopy->results)
{
//擷取連接配接位址
$snoopy->fetchlinks("http://www.phpchina.com/bbs");
$url=array();
$url=$snoopy->results;
//print_r($url);
foreach ($url as $key=>$value)
{
//比對http://www.phpchina.com/bbs/forumdisplay.php?fid=156&sid=VfcqTR位址即論壇闆塊位址
if (!preg_match("/^(http:\/\/www\.phpchina\.com\/bbs\/forumdisplay\.php\?fid=)[0-9]*&sid=[a-zA-Z]{6}/i",$value))
{
unset($url[$key]);
}
}
//擷取到闆塊數組$url，循環通路，此處擷取第一個子產品第一頁的資料
$i=0;
if ($i>=1)
//測試限制
break;
else
//通路該子產品，提取文章的連接配接位址，正式通路裡需要提取文章分頁的資料，然後根據分頁資料提取文章資料
$snoopy=new Snoopy();
$snoopy->fetchlinks($value);
$tie=array();
$tie[$i]=$snoopy->results;
//print_r($tie);
//轉換數組
foreach ($tie[$i] as $key=>$value)
{
//比對http://www.phpchina.com/bbs/viewthread.php?tid=68127&amp; extra=page%3D1&amp;page=1&sid=iBLZfK
if (!preg_match("/^(http:\/\/www\.phpchina\.com\/bbs\/viewthread\.php\?tid=)[0-9]*&amp;extra=page\%3D1&amp;page=[0-9]*&sid=[a-zA-Z]{6}/i",$value))
{
unset($tie[$i][$key]);
}
}
//print_r($tie[$i]);
//歸類數組，将同一個文章不同頁面的内容放一個數組裡
$left='';//連接配接左邊公用位址
$j=0;
$page=array();
$left=substr($value,0,52);
$m=0;
foreach ($tie[$i] as $pkey=>$pvalue)
//重組數組
if (substr($pvalue,0,52)==$left)
{
$page[$j][$m]=$pvalue;
$m++;
}
$j++;
//去除重複項開始
//$page=array_unique($page);隻能用于一維數組
$paget[0]=$page[0];
$nums=count($page);
for ($n=1;$n <$nums;$n++)
$paget[$n]=array_diff($page[$n],$page[$n-1]);
//去除多元數組重複值結束
//去除數組空值
unset($page);
$page=array();//重新定義page數組
$page=array_filter($paget);
//print_r($page);
$u=0;
$title=array();
$content=array();
$temp='';
$tt=array();
foreach ($page as $key=>$value)
//外圍循環，針對一個文章
if (is_array($value))
foreach ($value as $k1=>$v1)
//頁内循環，針對一個文章的N頁
$snoopy=new Snoopy();
$snoopy->fetch($v1);
$temp=$snoopy->results;
//讀取标題
if (!preg_match_all("/ <h2>(.*) <\/h2>/i",$temp,$tt))
{
echo "no title";
exit;
}
else
$title[$u]=$tt[1][1];
unset($tt);
//讀取内容
if (!preg_match_all("/ <div id=\"postmessage_[0-9]{1,8}\" class=\"t_msgfont\">(.*) <\/div>/i",$temp,$tt))
print_r($tt);
echo "no content1";
foreach ($tt[1] as $c=>$c2)
{
$content[$u].=$c2;
}
else
//直接取頁内容
$snoopy=new Snoopy();
$snoopy->fetch($value);
$temp=$snoopy->results;
//讀取标題
if (!preg_match_all("/ <h2>(.*) <\/h2>/i",$temp,$tt))
echo "no title";
exit;
else
$title[$u]=$tt[1][1];
unset($tt);
//讀取内容
if (!preg_match_all("/ <div id=\"postmessage_[0-9]*\" class=\"t_msgfont\">(.*) <\/div>/i",$temp,$tt))
echo "no content2";
foreach ($tt[1] as $c=>$c2)
$content[$u].=$c2;
$u++;
print_r($content);
$i++;
}
else
echo "login failed";
exit;
?>
下載下傳次數: 7
![Centos 7 Apache配置虛拟主機[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)