PHP网页编程之PHP收集利器 Snoopy 试专心得

掌握静态网页的制作技术是学习开发网站的先决条件，这一点就讲到这里，因为这篇文章不是教程文章，也就不对技术进行深入的刨析了。   Snoopy是甚么? （下载snoopy）
Snoopy是一个php类，用来仿照web阅读器的功效，它能完成获得网页内容和发送表单的义务。
Snoopy的一些特色:
* 便利抓取网页的内容
* 便利抓取网页的文本内容 (去除HTML标签)
* 便利抓取网页的链接
* 撑持代办署理主机
* 撑持根基的用户名/暗码验证
* 撑持设置 user_agent, referer(去路), cookies 和 header content(头文件)
* 撑持阅读器转向，并能掌握转向深度
* 能把网页中的链接扩大成高质量的url(默许)
* 便利提交数据而且获得前往值
* 撑持跟踪HTML框架(v0.92增添)
* 撑持再转向的时分传递cookies (v0.92增添)
要想懂得的更深切些，你本人Google一下吧。上面就给几个复杂的例子：
1获得指定url内容
PHP代码
复制代码 代码以下:
$url = "http://www.jb51.net";
include("snoopy.php");
$snoopy = new Snoopy;
$snoopy->fetch($url); //获得一切内容
echo $snoopy->results; //显示了局
$snoopy->fetchtext //获得文本内容（去失落html代码）
$snoopy->fetchlinks //获得链接
$snoopy->fetchform //获得表单

2 表单提交
PHP代码
复制代码 代码以下:
$formvars["username"] = "admin";
$formvars["pwd"] = "admin";
$action = "http://www.jb51.net";//表单提交地址
$snoopy->submit($action,$formvars);//$formvars为提交的数组
echo $snoopy->results; //获得表单提交后的 前往的了局
$snoopy->submittext; //提交后只前往 去除html的 文本
$snoopy->submitlinks;//提交后只前往 链接

既然已提交的表单 那就能够做良多工作 接上去咱们来假装ip,假装阅读器
3 假装
PHP代码
复制代码 代码以下:
$formvars["username"] = "admin";
$formvars["pwd"] = "admin";
$action = "http://www.jb51.net";
include "snoopy.php";
$snoopy = new Snoopy;
$snoopy->cookies["PHPSESSID"] = 'fc106b1918bd522cc863f36890e6fff7'; //假装sessionid
$snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)"; //假装阅读器
$snoopy->referer = "http://s.jb51.net"; //假装来历页地址 http_referer
$snoopy->rawheaders["Pragma"] = "no-cache"; //cache 的http头信息
$snoopy->rawheaders["X_FORWARDED_FOR"] = "127.0.0.101"; //假装ip
$snoopy->submit($action,$formvars);
echo $snoopy->results;

本来咱们可以假装session 假装阅读器 ，假装ip， haha 可以做良多工作了。
例如 带验证码，验证ip 投票， 可以一直的投。
ps:这里假装ip ，实际上是假装http头, 所以普通的经由过程 REMOTE_ADDR 获得的ip是假装不了，
反而那些经由过程http头来获得ip的(可以避免代办署理的那种) 就能够本人来制作ip。
关于若何验证码 ，复杂说下：
起首用通俗的阅读器， 检查页面 ， 找到验证码所对应的sessionid，
同时记下sessionid和验证码值，
接上去就用snoopy去捏造 。
道理:因为是统一个sessionid 所以获得的验证码和第一次输出的是一样的。
4 有时咱们能够需求捏造更多的器材,snoopy完整为咱们想到了
PHP代码
复制代码 代码以下:
$snoopy->proxy_host = "www.jb51.net";
$snoopy->proxy_port = "8080"; //利用代办署理
$snoopy->maxredirs = 2; //重定向次数
$snoopy->expandlinks = true; //是不是补全链接 在收集的时分常常用到
// 例如链接为 /images/taoav.gif 可改成它的全链接 http://www.jb51.net/images/taoav.gif，这个中央其实可以在最初输入的时分用ereg_replace函数本人交换
$snoopy->maxframes = 5 //答应的最大框架数
//注重抓取框架的时分 $snoopy->results 前往的是一个数组
$snoopy->error //前往报错信息

下面的根基用法懂得了，上面我就实例演示一次：
PHP代码
复制代码 代码以下:
<?
//echo var_dump($_SERVER);
include("Snoopy.class.php");
$snoopy = new Snoopy;
$snoopy->agent = "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-
CN; rv:1.9.0.5) Gecko/2008120122 Firefox/3.0.5 FirePHP/0.2.1";//这项是阅读器信
息，后面你用甚么阅读器检查cookie，就用谁人阅读器的信息(ps:$_SERVER可以检查到阅读器的信息)
$snoopy->referer = "http://bbs.jb51.net/index.php";
$snoopy->expandlinks = true;
$snoopy->rawheaders["COOKIE"]="__utmz=17229162.1227682761.29.7.utmccn=(referral)utmcsr=jb51.netutmcct=/html/index.htmlutmcmd=referral; cdbphpchina_smile=1D2D0D1; cdbphpchina_cookietime=2592000; __utma=233700831.1562900865.1227113506.1229613449.1231233266.16; __utmz=233700831.1231233266.16.8.utmccn=(referral)utmcsr=localhost:8080utmcct=/test3.phputmcmd=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.jb51.net");
$n=ereg_replace("href=\"","href=\"http://bbs.jb51.net/",$snoopy->results );
echo ereg_replace("src=\"","src=\"http://bbs.jb51.net/",$n);
?>

这是摹拟上岸PHPCHINA服装论坛的进程，起首要检查本人阅读器的信
息：echo var_dump($_SERVER);这句代码可以看到本人阅读器的信息，把
$_SERVER['HTTP_USER_AGENT']后边的内容复制上去，粘在$snoopy->agent的中央，然后就是要检查本人的
COOKIE了，用本人在服装论坛的账号上岸服装论坛后，在阅读器地址栏里输出
javascript:document.write(document.cookie)，回车，就能够看到本人的cookie信息，复制粘贴
到$snoopy->rawheaders["COOKIE"]=的后边。（我的cookie信息为了平安起见已删除一段内容）

然后再注重：

# $n=ereg_replace("href=\"","href=\"http://bbs.jb51.net/",$snoopy->results );

# echo ereg_replace("src=\"","src=\"http://bbs.jb51.net/",$n);

这两句代码，由于收集到的内容一切的HTML源码地址都是绝对链接，所以要交换成相对链接，如许就能够援用服装论坛的图片和CSS款式了。

多去关于PHP的网站，尤其有很多经典的文章，多读读这些文章显然是有好处的。

多看优秀程序员编写的代码，仔细理解他们解决问题的方法，对自身有很大的帮助。

写js我最烦的就是 ie 和 firefox下同样的代码 结果显示的结果千差万别，还是就是最好不要用遨游去调试，因为有时候遨游是禁用js的，有可能代码是争取结果被遨游折腾的认为是代码写错。

本人接触php时间不长，算是phper中的小菜鸟一只吧。由于刚开始学的时候没有名师指，碰过不少疙瘩，呗很多小问题卡过很久，白白浪费不少宝贵的时间，在次分享一些子的学习的心得。

其实也不算什么什么心得，在各位大侠算是小巫见大巫了吧，望大家不要见笑，若其中有错误的地方请各位大虾斧正。

首推的搜索引擎当然是Google大神，其次我比较喜欢 百度知道。不过搜出来的结果往往都是 大家copy来copy去的，运气的的概率很大。

使用 jquery 等js框架的时候，要随时注意浏览器的更新情况，不然很容易发生框架不能使用。

对于初学者来说不推荐去拿钱买的。当然如果一个网站你经常去用，而且里面的资料也比较有用，最好还是买个会员比较好，毕竟那些也是别人的工作成果。

在我安装pear包的时候老是提示，缺少某某文件，才发现 那群extension 的排列是应该有一点的顺序，而我安装的版本的排序不是正常的排序。没办法我只好把那群冒号加了上去，只留下我需要使用的扩展。

学习php的目的往往是为了开发动态网站，phper就业的要求也涵盖了很多。我大致总结为：精通php和mysql

小鸟是第一次发帖（我习惯潜水的(*^__^*) 嘻嘻……），有错误之处还请大家批评指正，另外，前些日子听人说有高手能用php写驱动程序，真是学无止境，人外有人，天外有天。

建议加几个专业的phper的群，当然啦需要说话的人多，一处一点问题能有人回答你的，当然啦要让人回答你的问题，平时就得躲在里面聊天，大家混熟啦，愿意回答你问题的人自然就多啦。

其实没啥难的，多练习，练习写程序，真正的实践比看100遍都有用。不过要熟悉引擎

说php的话，首先得提一下数组，开始的时候我是最烦数组的，总是被弄的晕头转向，不过后来呢，我觉得数组里php里最强大的存储方法，所以建议新手们要学好数组。

这些都是最基本最常用功能，我们这些菜鸟在系统学习后，可以先对这些功能深入研究。

其实没啥难的，多练习，练习写程序，真正的实践比看100遍都有用。不过要熟悉引擎

学好程序语言，多些才是王道，写两个小时代码的作用绝对超过看一天书，这个我是深有体会（顺便还能练打字速度）。

本文当是我的笔记啦，遇到的问题随时填充

为了以后维护的方便最好是代码上都加上注释，“予人方便，自己方便”。此外开发文档什么的最好都弄齐全。我觉得这是程序员必备的素质。虽然会消耗点很多的时间。但是确实是非常有必要的。

,熟悉html,能用div+css，还有javascript，优先考虑linux。我在开始学习的时候，就想把这些知识一起学习，我天真的认为同时学习能够互相呼应，因为知识是相通的。