snoopy是一个php类，用来模仿web浏览器的功能，它能完成获取网页内容和发送表单的任务。官方网站 http://snoopy.sourceforge.net/
Snoopy的一些功能特点：
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()
立即学习“PHP免费学习笔记（深入）”；
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。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。
类方法
1. fetch($uri)
这是为了抓取网页的内容而使用的方法。$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 $this->results。
fetch($url); //获取所有内容echo $snoopy->results; //显示结果?>
2. fetchtext($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。
fetchtext($url); //获取文本内容echo $snoopy->results; //显示结果?>
3. fetchform($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)。
4. fetchlinks($URI)
本方法类似于fetch()，唯一不同的就是本方法会去除HTML标签和其他的无关数据，只返回网页中链接(link)。默认情况下，相对链接将自动补全，转换成完整的URL。
5. submit($URI,$formvars)
本方法向$URL指定的链接地址发送确认表单。$formvars是一个存储表单参数的数组。
6. submittext($URI,$formvars)
本方法类似于submit()，唯一不同的就是本方法会去除HTML标签和其他的无关数据，只返回登陆后网页中的文字内容。
7. submitlinks($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 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, *include("snoopy.class.php"); $snoopy = new Snoopy; // need an proxy?://$snoopy->proxy_host = "my.proxy.host";//$snoopy->proxy_port = "8080";// set browser and referer:$snoopy->agent = "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)"; $snoopy->referer = "http://www.jonasjohn.de/"; // set some cookies:$snoopy->cookies["SessionID"] = '238472834723489'; $snoopy->cookies["favoriteColor"] = "blue"; // set an raw-header:$snoopy->rawheaders["Pragma"] = "no-cache"; // set some internal variables:$snoopy->maxredirs = 2; $snoopy->offsiteok = false; $snoopy->expandlinks = false; // set username and password (optional)//$snoopy->user = "joe";//$snoopy->pass = "bloe";// fetch the text of the website www.google.com:if($snoopy->fetchtext("http://www.google.com")){ // other methods: fetch, fetchform, fetchlinks, submittext and submitlinks // response code: print "response code: ".$snoopy->response_code."
n"; // print the headers: print "Headers:
"; while(list($key,$val) = each($snoopy->headers)){ print $key.": ".$val."
n"; } print "
n"; // print the texts of the website: print htmlspecialchars($snoopy->results)."n"; } else { print "Snoopy: error while fetching document: ".$snoopy->error."n"; }fetchlinks($sourceURL); //获得网页的链接$a = $snoopy->results; //得到网页链接的结果$re = "/d+.html$/"; //匹配的正则//过滤获取指定的文件地址请求 foreach ($a as $tmp) { if (preg_match($re, $tmp)) { $aa=$tmp; } } getImgURL($aa); function getImgURL($siteName) { $snoopy = new Snoopy(); $snoopy->fetch($siteName); $fileContent = $snoopy->results; //获取过滤后的页面的内容 //匹配图片的正则表达式 $reTag = "//i"; if (preg_match($reTag, $fileContent)) { //过滤图片 $ret = preg_match_all($reTag, $fileContent, $matchResult); for ($i = 0, $len = count($matchResult[1]); $i < $len; ++$i) { saveImgURL($matchResult[1][$i], $matchResult[2][$i]); } } } function saveImgURL($name, $suffix) { $url = $name.".".$suffix; echo "请求的图片地址：".$url."
"; $imgSavePath = "E:/123/images/"; //图片保存地址 $imgId =mt_rand(); //产生一个随机的文件名 if ($suffix == "gif") { //根据图片类型，放入不同的文件夹下面 $imgSavePath .= "emotion"; } else { $imgSavePath .= "topic"; } $imgSavePath .= ("/".$imgId.".".$suffix); //组装要保存的文件名 if (is_file($imgSavePath)) { //判断文件名是否存在，存在则删除 unlink($imgSavePath); echo "文件".$imgSavePath."已存在，将被删除
"; } $imgFile = file_get_contents($url); //读取网络文件 $flag = file_put_contents($imgSavePath,$imgFile); //写入到本地 if ($flag) { echo "文件".$imgSavePath."保存成功
"; } } ?>
用Snoopy类完成一个简单的图片采集：
相关推荐：
php使用snoopy与curl模拟登陆的实例分享
php数据抓取类Snoopy使用
snoopy（强大的PHP采集类） 详细介绍
