PHP采集类：Snoopy.class.php

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）
• 容易抓取网页内连接
• 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
• 能把页面中的连接转化成高质量的连接
• 容易提交数据和得到返还值
• 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。若是你正在抓取的是一个框架，Snoopy将会将每一个框架追踪后存入数组中，而后存入 $this->results。

fetchtext($URI)

本方法相似于fetch()，惟一不一样的就是本方法会去除HTML标签和其余的无关数据，只返回网页中的文字内容。

fetchform($URI)

本方法相似于fetch()，惟一不一样的就是本方法会去除HTML标签和其余的无关数据，只返回网页中表单内容(form)。

fetchlinks($URI)

本方法相似于fetch()，惟一不一样的就是本方法会去除HTML标签和其余的无关数据，只返回网页中连接(link)。默认状况下，相对连接将自动补全，转换成完整的URL。

submit($URI,$formvars)

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

submittext($URI,$formvars)

本方法相似于submit()，惟一不一样的就是本方法会去除HTML标签和其余的无关数据，只返回登录后网页中的文字内容。

submitlinks($URI)

本方法相似于submit()，惟一不一样的就是本方法会去除HTML标签和其余的无关数据，只返回网页中连接(link)。默认状况下，相对连接将自动补全，转换成完整的URL。

类属性: (缺省值在括号里)

• $host 链接的主机
• $port 链接的端口
• $proxy_host 使用的代理主机，若是有的话
• $proxy_port 使用的代理主机端口，若是有的话
• $agent 用户代理假装 (Snoopy v0.1)
• $referer 来路信息，若是有的话
• $cookies，若是有的话
• $rawheaders 其余的头信息, 若是有的话
• $maxredirs 最大重定向次数，0=不容许 (5)
• $offsiteok whether or not to allow redirects off-site. (true)
• $expandlinks 是否将连接都补全为完整地址 (true)
• $user 认证用户名, 若是有的话
• $pass 认证用户名, 若是有的话
• $accept http 接受类型 (image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, */*)
• $error 哪里报错, 若是有的话
• $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 读取操做超时 (requires PHP 4 Beta 4+) 设置为0为没有超时
• $timed_out 若是一次读取操做超时了，本属性返回 true (requires PHP 4 Beta 4+)
• $maxframes 容许追踪的框架最大数量
• $status 抓取的http的状态
• $temp_dir 网页服务器可以写入的临时文件目录 (/tmp)
• $curl_path cURL binary 的目录, 若是没有cURL binary就设置为 false

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