Snoopy的一些功能特點：

• 抓取網頁的內容 fetch()

• 抓取網頁的文本內容 (去除HTML標簽) fetchtext()

• 抓取網頁的鏈接，表單 fetchlinks() fetchform()

• 支持代理主機

• 支持基本的用戶名/密碼驗證

• 支持設置 user_agent, referer(來路), cookies 和 header content(頭文件)

• 支持瀏覽器重定向，并能控制重定向深度

• 能把網頁中的鏈接擴展成高質量的url(默認)

• 提交數據并且獲取返回值

• 支持跟蹤HTML框架

• 支持重定向的時候傳遞cookies

要求php4以上就可以。由于本身是php一個類，無需擴支持，服務器不支持curl時候的最好選擇。

1. fetch($uri)

這是為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后存入數組中，然后存入 $this->results。

1. <?php  $url = "http://www.nowamagic.net/librarys/veda/";  include("./Snoopy.html' target='_blank'>class.php");  $snoopy = new Snoopy;  $snoopy->fetch($url);        //獲取所有內容echo $snoopy->results;       //顯示結果?>

2. fetchtext($URI)

本方法類似于fetch()，唯一不同的就是本方法會去除HTML標簽和其他的無關數據，只返回網頁中的文字內容。

1. <?php  $url = "http://www.nowamagic.net/librarys/veda/";  include("./Snoopy.class.php");  $snoopy = new Snoopy;  $snoopy->fetchtext($url);        //獲取文本內容echo $snoopy->results;       //顯示結果?>

3. fetchform($URI)

本方法類似于fetch()，唯一不同的就是本方法會去除HTML標簽和其他的無關數據，只返回網頁中表單內容(form)。

4. fetchlinks($URI)

本方法類似于fetch()，唯一不同的就是本方法會去除HTML標簽和其他的無關數據，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。

5. 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。

6. submittext($URI,$formvars)

本方法類似于submit()，唯一不同的就是本方法會去除HTML標簽和其他的無關數據，只返回登陸后網頁中的文字內容。

7. submitlinks($URI)

本方法類似于submit()，唯一不同的就是本方法會去除HTML標簽和其他的無關數據，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 (缺省值在括號里)

• $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 用戶代理偽裝 (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 是否將鏈接都補全為完整地址 (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 哪里報錯, 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+)，設置為0為沒有超時

• $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就設置為 false

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。