snoopy php网页抓取工具(最好的选择的特点及选择的方法介绍)

　　snoopy php网页抓取工具(最好的选择的特点及选择的方法介绍)

　　Snoopy 是一个 php 类，用于模拟浏览器的一些简单功能，可以获取网页内容、发送表单等操作。 Snoopy 需要您服务器的 PHP 版本 4 或更高版本才能正确运行，并且支持 PCRE（Perl Compatible Regular Expressions），并且支持所有基本的 LAMP 服务。既然是php的一类，不需要扩展支持，所以是服务器不支持curl时的最佳选择

　　史努比的特点：

　　1、抓取网页抓取的内容

　　2、获取网页的文本内容（去除HTML标签）fetchtext

　　3、获取网页链接，形成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（来源）、cookies和header内容（头文件）

　　7、支持浏览器重定向，控制重定向深度

　　8、可以将网页中的链接扩展成高质量的url（默认）

　　9、提交数据并获取返回值

　　10、支持跟踪HTML框架

　　11、支持重定向时传递cookie

　　史努比下载链接：

　　史努比类方法：

　　获取($URI)

　　这是用于抓取网页内容的方法。 $URI 参数是被爬取的网页的 URL 地址。获取的结果存储在 $this->results 中。如果你正在抓取一个帧，史努比会跟踪每一帧并将其存储在一个数组中，然后将其存储在 $this->results 中。

　　fetchtext($URI)

　　该方法与fetch()类似，唯一不同的是该方法会去除HTML标签等无关数据，只返回网页中的文本内容。

　　fetchform($URI)

　　该方法与fetch()类似，唯一不同的是该方法会去除HTML标签等无关数据，只返回网页中的表单内容（form）。

　　fetchlinks($URI)

　　这个方法和fetch()类似，唯一不同的是这个方法会去除HTML标签等无关数据，只返回网页中的链接。默认情况下，相对链接会自动补全并转换成完整的网址。

　　提交($URI,$formvars)

　　此方法向$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。

　　提交文本($URI,$formvars)

　　该方法与submit()类似，唯一不同的是，该方法会去除HTML标签等无关数据，登录后只返回网页中的文本内容。

　　提交链接($URI)

　　这个方法类似于submit()。唯一不同的是，该方法会去除HTML标签等无关数据，只返回网页中的链接。默认情况下，相对链接会自动补全并转换成完整的网址。

　　史努比类属性：（括号内为默认值）

　　$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（史努比 v0.1)

　　$referer 传入信息，如果有的话

　　$cookies cookies，如果有的话

　　$rawheaders 其他头信息，如果有的话

　　$maxredirs 最大重定向次数，0=不允许 (5)

　　$offsiteok 是否允许异地重定向。 （真）

　　$expandlinks 是否完成所有链接以完成地址（真实）

　　$user 认证用户名，如果有的话

　　$pass 认证用户名，如果有的话