拍拍尘土

Snoopy是一个php采集类，用来模拟浏览器获取网页内容和发送表单。

下面是一些Snoopy特性：

        容易抓取网页内容
        容易抓取页面文本（去除HTML标签）
        容易抓取网页内链接
        支持代理抓取
        支持基本的用户名、密码认证
        支持设置user-agent，referer，cookies和header内容
        支持浏览器转向，和控制转向深度
        能把页面中的链接转化成高质量的链接
        容易提交数据和获得返还值
        能追踪HTML框架
        支持重定向的时候传递Cookies

Snoopy类，方法：

fetch($URI)

抓取网页的内容而使用的方法。$URI参数是被抓取网页的URL地址。抓取的结果被存储在 $this->results 中。如果你正在抓取的是一个框架，Snoopy将会将每个框架追踪后存入数组中，然后存入 $this->results。

fetchtext($URI)

本方法类似于fetch()，唯一不同的就是本方法会去除HTML标签和其他的无关数据，只返回网页中的文字内容。

fetchform($URI)

本方法类似于fetch()，唯一不同的就是本方法会去除HTML标签和其他的无关数据，只返回网页中表单内容(form)。

fetchlinks($URI)

本方法类似于fetch()，唯一不同的就是本方法会去除HTML标签和其他的无关数据，只返回网页中链接(link)。默认情况下，相对链接将自动补全，转换成完整的URL。

submit($URI,$formvars)

本方法向$URL指定的链接地址发送确认表单。$formvars是一个存储表单参数的数组。

submittext($URI,$formvars)

本方法类似于submit()，唯一不同的就是本方法会去除HTML标签和其他的无关数据，只返回登陆后网页中的文字内容。

submitlinks($URI)

本方法类似于submit()，唯一不同的就是本方法会去除HTML标签和其他的无关数据，只返回网页中链接(link)。默认情况下，相对链接将自动补全，转换成完整的URL。

类属性: (缺省值在括号里)

        $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 (Snoopy v0.1)
        $referer 来路信息，如果有的话
        $cookies，如果有的话
        $rawheaders 其他的头信息, 如果有的话
        $maxredirs 最大重定向次数，0=不允许 (5)
        $offsiteok whether or not to allow redirects off-site. (true)
        $expandlinks 是否将链接都补全为完整地址 (true)
        $user 认证用户名, 如果有的话
        $pass 认证用户名, 如果有的话
        $accept http 接受类型 (image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, */*)
        $error 哪里报错, 如果有的话
        $response_code 从服务器返回的响应代码
        $headers 从服务器返回的头信息
        $maxlength 最长返回数据长度
        $read_timeout 读取操作超时 (requires PHP 4 Beta 4+) 设置为0为没有超时
        $timed_out 如果一次读取操作超时了，本属性返回 true (requires PHP 4 Beta 4+)
        $maxframes 允许追踪的框架最大数量
        $status 抓取的http的状态
        $temp_dir 网页服务器能够写入的临时文件目录 (/tmp)
        $curl_path cURL binary 的目录, 如果没有cURL binary就设置为 false

Snoopy官方网址：http://sourceforge.net/projects/snoopy/