Snoopy是一个php类，用来模拟浏览器的功能，可以获取网页内容，发送表单，可以用来开发一些采集程序和小偷程序，本文章详细介绍snoopy的使用教程。 [b]Snoopy的一些特点: [/b]抓取网页的内容 fetch 抓取网页的文本内容 (去除HTML标签) fetchtext 抓取网页的链接，表单 fetchlinks fetchform 支持代理主机 支持基本的用户名/密码验证 支持设置 user_agent, referer(来路), cookies 和 header content(头文件) 支持浏览器重定向，并能控制重定向深度 能把网页中的链接扩展成高质量的url(默认) 提交数据并且获取返回值 支持跟踪HTML框架 支持重定向的时候传递cookies 要求php4以上就可以了 由于本身是php一个类 无需扩支持 服务器不支持curl时候的最好选择， Snoopy类方法及示例： [b]fetch($URI) [/b]这是为了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 $this->results。 [b]fetchtext($URI) [/b]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。 [b]fetchform($URI) [/b]本方法类似于fetch()，唯一不同的就是本方法会去除HTML标签和其他的无关数据，只返回网页中表单内容(form)。 [b]fetchlinks($URI) [/b]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。 [b]submit($URI,$formvars) [/b]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。 [b]submittext($URI,$formvars) [/b]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。 [b]submitlinks($URI) [/b]本方法类似于submit()，唯一不同的就是本方法会去除HTML标签和其他的无关数据，只返回网页中链接(link)。 默认情况下，相对链接将自动补全，转换成完整的URL。 [b]Snoopy采集类属性: (默认值在括号里)[/b] [b]$host [/b]连接的主机 [b]$port [/b]连接的端口 [b]$proxy_host[/b] 使用的代理主机，如果有的话 [b]$proxy_port[/b] 使用的代理主机端口，如果有的话 [b]$agent [/b]用户代理伪装 (Snoopy v0.1) [b]$referer[/b] 来路信息，如果有的话 [b]$cookies cookies[/b] 如果有的话 [b]$rawheaders[/b] 其他的头信息, 如果有的话 [b]$maxredirs[/b] 最大重定向次数， 0=不允许 (5) [b]$offsiteok [/b]whether or not to allow redirects off-site. (true) [b]$expandlinks [/b]是否将链接都补全为完整地址 (true) [b]$user [/b]认证用户名, 如果有的话 [b]$pass[/b] 认证用户名, 如果有的话 [b]$accept[/b] http 接受类型 (image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, */*) [b]$error[/b] 哪里报错, 如果有的话 [b]$response_code[/b] 从服务器返回的响应代码 [b]$headers[/b] 从服务器返回的头信息 [b]$maxlength [/b]最长返回数据长度 [b]$read_timeout[/b] 读取操作超时 (requires PHP 4 Beta 4+) 设置为0为没有超时 [b]$timed_out[/b] 如果一次读取操作超时了，本属性返回 true (requires PHP 4 Beta 4+) [b]$maxframes [/b]允许追踪的框架最大数量 [b]$status[/b] 抓取的http的状态 [b]$temp_dir[/b] 网页服务器能够写入的临时文件目录 (/tmp) [b]$curl_path [/b]cURL binary 的目录, 如果没有cURL binary就设置为 false [b]下面是一个示例： [/b] [b]获取指定url内容 [/b] [b]表单提交 [/b] 既然已经提交的表单 那就可以做很多事情 接下来我们来伪装ip,伪装浏览器 [b]伪装浏览器 [/b] 原来我们可以伪装session 伪装浏览器 ，伪装ip， haha 可以做很多事情了。 例如 带验证码，验证ip 投票， 可以不停的投。 ps:这里伪装ip ，其实是伪装http头, 所以一般的通过 REMOTE_ADDR 获取的ip是伪装不了， 反而那些通过http头来获取ip的(可以防止代理的那种) 就可以自己来制造ip。 关于如何验证码 ，简单说下： 首先用普通的浏览器， 查看页面 ， 找到验证码所对应的sessionid， 同时记下sessionid和验证码值， 接下来就用snoopy去伪造 。 原理:由于是同一个sessionid 所以取得的验证码和第一次输入的是一样的。 有时我们可能需要伪造更多的东西,snoopy完全为我们想到了 <?php $snoopy->proxy_host = "http://www.1sucai.cn"; $snoopy->proxy_port = "8080"; //使用代理 $snoopy->maxredirs = 2; //重定向次数 $snoopy->expandlinks = true; //是否补全链接 在采集的时候经常用到 // 例如链接为 /images/taoav.gif 可改为它的全链接 <a href="http://www.1sucai.cn/images/taoav.gif">http://www.1sucai.cn/images/taoav.gif</a> $snoopy->maxframes = 5 //允许的最大框架数 //注意抓取框架的时候 $snoopy->results 返回的是一个数组 $snoopy->error //返回报错信息 ?>