PHP采集利器:Snoopy 试用心得

PHP代码 

 

* 扶助代理主机

PHP代码

接下来再理会:

#PHP,
$n=ereg_replace(“href=\””,”href=\”http://bbs.phpchina.com/",$snoopy->results
); 

 

 

 

# echo ereg_replace(“src=\””,”src=\”http://bbs.phpchina.com/",$n);

 

那两句代码,因为采集到的始末有着的HTML源码地址都以争辨链接,所以要替换来相对链接,那样就能够引用论坛的图片和css样式了。

<?   
//echo var_dump($_SERVER);   
include("Snoopy.class.php");    
$snoopy = new Snoopy;    
$snoopy->agent = "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-
CN; rv:1.9.0.5) Gecko/2008120122 Firefox/3.0.5 FirePHP/0.2.1";//这项是浏览器信
息,前面你用什么浏览器查看cookie,就用那个浏览器的信息(ps:$_SERVER可以查看到浏览器的信息)    
$snoopy->referer = "http://bbs.phpchina.com/index.php";   
$snoopy->expandlinks = true;   
$snoopy->rawheaders["COOKIE"]="__utmz=17229162.1227682761.29.7.utmccn=(referral)|utmcsr=phpchina.com|utmcct=/html/index.html|utmcmd=referral; cdbphpchina_smile=1D2D0D1; cdbphpchina_cookietime=2592000; __utma=233700831.1562900865.1227113506.1229613449.1231233266.16; __utmz=233700831.1231233266.16.8.utmccn=(referral)|utmcsr=localhost:8080|utmcct=/test3.php|utmcmd=referral; __utma=17229162.1877703507.1227113568.1231228465.1231233160.58; uchome_loginuser=sinopf; xscdb_cookietime=2592000; __utmc=17229162; __utmb=17229162; cdbphpchina_sid=EX5w1V; __utmc=233700831; cdbphpchina_visitedfid=17; cdbphpchinaO766uPYGK6OWZaYlvHSuzJIP22VpwEMGnPQAuWCFL9Fd6CHp2e%2FKw0x4bKz0N9lGk; xscdb_auth=8106rAyhKpQL49eMs%2FyhLBf3C6ClZ%2B2idSk4bExJwbQr%2BHSZrVKgqPOttHVr%2B6KLPg3DtWpTMUI4ttqNNVpukUj6ElM; cdbphpchina_onlineusernum=3721";   


$snoopy->fetch("http://bbs.phpchina.com/forum-17-1.html"); 
$n=ereg_replace("href=\"","href=\"http://bbs.phpchina.com/",$snoopy->results );   
echo ereg_replace("src=\"","src=\"http://bbs.phpchina.com/",$n);   
?>  

* 帮助设置 user_agent, referer(来路), cookies 和 header
content(头文件)

那是模仿登陆PHPCHINA论坛的进度,首先要翻看自个儿浏览器的信
息:echo var_dump($_SE奇骏VE中华V);那句代码能够观看本身浏览器的新闻,把
$_SERVER[‘HTTP_USER_AGENT’]后边的剧情复制下来,粘在$snoopy->agent的地点,然后正是要翻开本身的
老总KIE了,用自身在论坛的账号登陆论坛后,在浏览器地址栏里输入
javascript:document.write(document.cookie),回车,就足以见到本身的cookie音信,复制粘贴
到$snoopy->rawheaders[“COOKIE”]=的前边。(作者的cookie音讯以便安全起见已经删除了一段内容)

至于怎样注解码 ,简单说下:

PHP代码

* 方便抓取网页的链接

 

 

 

$formvars["username"] = "admin";   
$formvars["pwd"] = "admin";   
$action = "http://www.taoav.com";//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     
$snoopy->submittext; //提交后只返回 去除html的 文本   
$snoopy->submitlinks;//提交后只返回 链接   

Snoopy是三个php类,用来效仿web浏览器的成效,它能到位获取网页内容和出殡和埋葬表单的职分。

* 补助跟踪HTML框架(v0.92扩展)

 

 

1获得钦定url内容

    1. 原先作者们得以伪装session 伪装浏览器 ,伪装ip, haha
      能够做过多事情了。

* 方便交给数据同时赢得再次回到值

既然已经付诸的表单 那就能够做过多事情 接下来大家来伪装ip,伪装浏览器

* 方便抓取网页的剧情

 

ps:那里伪装ip ,其实是伪装http头, 所以一般的通过 REMOTE_ADD本田CR-V获取的ip是伪装不了,

要想打听的更透彻些,你协调谷歌一下吧。上边就给多少个大致的例证:

$url = "http://www.taoav.com";   
include("snoopy.php");   
$snoopy = new Snoopy;   
$snoopy->fetch($url); //获取所有内容   
echo $snoopy->results; //显示结果   
$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   

PHP代码

接下去就用snoopy去伪造 。

 

$snoopy->proxy_host = "www.only4.cn";   
$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 taoav.gif 可改为它的全链接 http://www.taoav.comtaoav.gif,这个地方其实可以在最后输出的时候用ereg_replace函数自己替换 
$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  
$formvars["username"] = "admin";   
$formvars["pwd"] = "admin";   
$action = "http://www.taoav.com";   
include "snoopy.php";   
$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://www.only4.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; 

4 有时大家可能须求伪造更加多的东西,snoopy完全为大家想到了

比如说 带验证码,验证ip 投票, 能够不停的投。

第贰用平常的浏览器, 查看页面 , 找到验证码所对应的sessionid,

 

* 支持再转车的时候传递cookies (v0.92增添)

* 帮忙浏览器转向,并能控制转向深度

 

 

还要记下sessionid和认证码值,

Snoopy是什么? (下载snoopy

反倒那么些通过http头来获得ip的(可避防止代理的那种) 就能够协调来制作ip。

上面的主导用法了然了,下边小编就实例演示3回:

 

 

原理:由于是同三个sessionid 所以取得的验证码和率先次输入的是相同的。

* 能把网页中的链接扩大成高品质的url(暗中认可)

转载:http://zzdboy1616.blog.163.com/blog/static/430670762009213111712876/ 

 

 

 

2 表单提交

* 扶助中央的用户名/密码验证

PHP代码

 

3 伪装

 

 

* 方便抓取网页的文书内容 (去除HTML标签)

Snoopy的部分特征:

相关文章