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/
页:
[1]