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/

　　希望本文对广大php开发者有所帮助，感谢阅读本文。更多php技术问题欢迎加群探讨：256271784，验证码：cxy,不写验证不予通过哟~