PHP採集類：Snoopy.class.php

Snoopy是一個php採集類，用來模擬瀏覽器獲取網頁內容和發送表單。

下面是一些Snoopy特性： 

• 容易抓取網頁內容
• 容易抓取頁面文本（去除HTML標籤）
• 容易抓取網頁內連接
• 支持代理抓取
• 支持基本的用戶名、密碼認證
• 支持設置user-agent，referer，cookies和header內容
• 支持瀏覽器轉向，和控制轉向深度
• 能把頁面中的連接轉化成高質量的連接
• 容易提交數據和得到返還值
• 能追蹤HTML框架
• 支持重定向的時候傳遞Cookies

Snoopy類，方法：

fetch($URI)

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。若是你正在抓取的是一個框架，Snoopy將會將每一個框架追蹤後存入數組中，而後存入 $this->results。

fetchtext($URI)

本方法相似於fetch()，惟一不一樣的就是本方法會去除HTML標籤和其餘的無關數據，只返回網頁中的文字內容。

fetchform($URI)

本方法相似於fetch()，惟一不一樣的就是本方法會去除HTML標籤和其餘的無關數據，只返回網頁中表單內容(form)。

fetchlinks($URI)

本方法相似於fetch()，惟一不一樣的就是本方法會去除HTML標籤和其餘的無關數據，只返回網頁中連接(link)。默認狀況下，相對連接將自動補全，轉換成完整的URL。

submit($URI,$formvars)

本方法向$URL指定的連接地址發送確認表單。$formvars是一個存儲表單參數的數組。

submittext($URI,$formvars)

本方法相似於submit()，惟一不一樣的就是本方法會去除HTML標籤和其餘的無關數據，只返回登錄後網頁中的文字內容。

submitlinks($URI)

本方法相似於submit()，惟一不一樣的就是本方法會去除HTML標籤和其餘的無關數據，只返回網頁中連接(link)。默認狀況下，相對連接將自動補全，轉換成完整的URL。

類屬性: (缺省值在括號裏)

• $host 鏈接的主機
• $port 鏈接的端口
• $proxy_host 使用的代理主機，若是有的話
• $proxy_port 使用的代理主機端口，若是有的話
• $agent 用戶代理假裝 (Snoopy v0.1)
• $referer 來路信息，若是有的話
• $cookies，若是有的話
• $rawheaders 其餘的頭信息, 若是有的話
• $maxredirs 最大重定向次數，0=不容許 (5)
• $offsiteok whether or not to allow redirects off-site. (true)
• $expandlinks 是否將連接都補全爲完整地址 (true)
• $user 認證用戶名, 若是有的話
• $pass 認證用戶名, 若是有的話
• $accept http 接受類型 (image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, */*)
• $error 哪裏報錯, 若是有的話
• $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 讀取操做超時 (requires PHP 4 Beta 4+) 設置爲0爲沒有超時
• $timed_out 若是一次讀取操做超時了，本屬性返回 true (requires PHP 4 Beta 4+)
• $maxframes 容許追蹤的框架最大數量
• $status 抓取的http的狀態
• $temp_dir 網頁服務器可以寫入的臨時文件目錄 (/tmp)
• $curl_path cURL binary 的目錄, 若是沒有cURL binary就設置爲 false

Snoopy官方網址：http://sourceforge.net/projects/snoopy/