毛毛虫’s 博客

Snoopy中文手册（毛毛虫翻译）

毛毛虫 — Sun, 27 Apr 2008 18:37:18 +0800

/**
* @name Snoopy手册中文版
* @author 毛毛虫 wangchong1985@gmail.com
* @version Snoopy - the PHP net client v1.2.2
* @link http://www.wangchong.org
* @since 2008-04-27
*/

名称:

Snoopy - the PHP net client v1.2.2

概要:

include "Snoopy.class.php";
$snoopy = new Snoopy;
$snoopy->fetchtext("http://www.php.net/");
print $snoopy->results;
$snoopy->fetchlinks("http://www.phpbuilder.com/");
print $snoopy->results;
$submit_url = "http://lnk.ispi.net/texis/scripts/msearch/netsearch.html";
$submit_vars["q"] = "amiga";
$submit_vars["submit"] = "Search!";
$submit_vars["searchhost"] = "Altavista";
$snoopy->submit($submit_url,$submit_vars);
print $snoopy->results;
$snoopy->maxframes=5;
$snoopy->fetch("http://www.ispi.net/");
echo "<PRE>\n";
echo htmlentities($snoopy->results[0]);
echo htmlentities($snoopy->results[1]);
echo htmlentities($snoopy->results[2]);
echo "</PRE>\n";
$snoopy->fetchform("http://www.altavista.com");
print $snoopy->results;

描述:

Snoopy是什么?

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。

Snoopy的一些特点:

* 方便抓取网页的内容
* 方便抓取网页的文本内容 (去除HTML标签)
* 方便抓取网页的链接
* 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)
* 支持浏览器转向，并能控制转向深度
* 能把网页中的链接扩展成高质量的url(默认)
* 方便提交数据并且获取返回值
* 支持跟踪HTML框架(v0.92增加)
* 支持再转向的时候传递cookies (v0.92增加)

要求:

Snoopy requires PHP with PCRE (Perl Compatible Regular Expressions),
which should be PHP 3.0.9 and up. For read timeout support, it requires
PHP 4 Beta 4 or later. Snoopy was developed and tested with PHP 3.0.12.

类方法:

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。

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 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

例子:

例子: 抓取一个页面并显示他的头信息和页面内容 (去掉HTML标签的页面):

include "Snoopy.class.php";
$snoopy = new Snoopy;
$snoopy->user = "joe";
$snoopy->pass = "bloe";
if($snoopy->fetch("http://www.slashdot.org/"))
{
echo "response code: ".$snoopy->response_code."<br>\n";
while(list($key,$val) = each($snoopy->headers))
echo $key.": ".$val."<br>\n";
echo "<p>\n";
echo "<PRE>".htmlspecialchars($snoopy->results)."</PRE>\n";
}
else
echo "error fetching document: ".$snoopy->error."\n";

例子: 提交一个表单并且打印出头信息和去掉HTML标签的页面:

include "Snoopy.class.php";
$snoopy = new Snoopy;
$submit_url = "http://lnk.ispi.net/texis/scripts/msearch/netsearch.html";
$submit_vars["q"] = "amiga";
$submit_vars["submit"] = "Search!";
$submit_vars["searchhost"] = "Altavista";
if($snoopy->submit($submit_url,$submit_vars))
{
while(list($key,$val) = each($snoopy->headers))
echo $key.": ".$val."<br>\n";
echo "<p>\n";
echo "<PRE>".htmlspecialchars($snoopy->results)."</PRE>\n";
}
else
echo "error fetching document: ".$snoopy->error."\n";

例子: 展示所有属性的功能:

include "Snoopy.class.php";
$snoopy = new Snoopy;
$snoopy->proxy_host = "my.proxy.host";
$snoopy->proxy_port = "8080";
$snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)";
$snoopy->referer = "http://www.microsnot.com/";
$snoopy->cookies["SessionID"] = 238472834723489l;
$snoopy->cookies["favoriteColor"] = "RED";
$snoopy->rawheaders["Pragma"] = "no-cache";
$snoopy->maxredirs = 2;
$snoopy->offsiteok = false;
$snoopy->expandlinks = false;
$snoopy->user = "joe";
$snoopy->pass = "bloe";
if($snoopy->fetchtext("http://www.phpbuilder.com"))
{
while(list($key,$val) = each($snoopy->headers))
echo $key.": ".$val."<br>\n";
echo "<p>\n";
echo "<PRE>".htmlspecialchars($snoopy->results)."</PRE>\n";
}
else
echo "error fetching document: ".$snoopy->error."\n";

例子: 抓取框架内容并展示结果：

include "Snoopy.class.php";
$snoopy = new Snoopy;
$snoopy->maxframes = 5;
if($snoopy->fetch("http://www.ispi.net/"))
{
echo "<PRE>".htmlspecialchars($snoopy->results[0])."</PRE>\n";
echo "<PRE>".htmlspecialchars($snoopy->results[1])."</PRE>\n";
echo "<PRE>".htmlspecialchars($snoopy->results[2])."</PRE>\n";
}
else
echo "error fetching document: ".$snoopy->error."\n";

COPYRIGHT:
Copyright(c) 1999,2000 ispi. All rights reserved.
This software is released under the GNU General Public License.
Please read the disclaimer at the top of the Snoopy.class.php file.

THANKS:
Special Thanks to:
Peter Sorger help fixing a redirect bug
Andrei Zmievski implementing time out functionality
Patric Sandelin help with fetchform debugging
Carmelo misc bug fixes with frames

Snoopy中文手册下载：snoopy中文手册.txt

仿QQ等级显示函数

毛毛虫 — Fri, 11 Apr 2008 14:19:03 +0800

开头先引述下QQ等级的算法：
设当前等级为N，达到当前等级最少需要的活跃天数为D，当前活跃天数为Dc，升级剩余天数为Dr，则：

从而推出:

好了，引述完成，懒得写字了，贴出代码：

<?php
/**
*
* showRank.php
* QQ等级输出类库
* @author 毛毛虫 <wangchong1985@gmail.com>
* @version 1.0 2008-04-09
*
*/
class showRank {
/**
* 第一级图片显示字段
*/
public $mImage1;
/**
* 第二级图片显示字段
*/
public $mImage2;
/**
* 第三级图片显示字段
*/
public $mImage3;
/**
* 构造函数：传入图片值
* @return 无
*/
function __construct($pImage1 = '★',$pImage2 = '▲',$pImage3 = '●') {
$this->mImage1 = $pImage1;
$this->mImage2 = $pImage2;
$this->mImage3 = $pImage3;
}
/**
* 根据活跃天数计算用户等级。(模仿QQ的升级方式)
* @return int
* @access public
*/
function get_rank($pScore) {
$temp = $pScore+4;
$tRank = sqrt($temp)-2;
$tRank = floor($tRank);
return $tRank;
}
/**
* 用户等级标志,根据用户等级显示用户标志
* 仿照QQ等级的四进制显示
* @return str
* @access public
*/
function get_score($pScore) {
$str = '';
$tRank = $this->get_rank($pScore);//根据分数取得等级
$tPicNum = base_convert($tRank,10,4);//转化为四进制
$tPicNum = strrev($tPicNum);//翻转字符串
$tArray = str_split($tPicNum);//转化为数组
$tNum = count($tArray);
if($tNum<=3) {
for($i=$tNum-1;$i>=0;$i--){
switch($i){
case '0':
for($j=0;$j<$tArray[$i];$j++){
$str .= $this->mImage1;
}
break;
case '1':
for($j=0;$j<$tArray[$i];$j++){
$str .= $this->mImage2;
}
break;
case '2':
for($j=0;$j<$tArray[$i];$j++){
$str .= $this->mImage3;
}
break;
default:
//$str = ;
break;
}
}
}else {
$str = $this->mImage3.$this->mImage3.$this->mImage3.$this->mImage3;
}
return $str;
}
}
?>

以上就是显示类，再来个简单的调用实例：

<?php
require_once('showRank.php');
//定义等级图片
$tImage1 = '<img src="images/time_star.gif">';
$tImage2 = '<img src="images/time_yueliang.gif">';
$tImage3 = '<img src="images/time_sun.gif">';
//实例化并传输等级图片
$tShow = new showRank($tImage1,$tImage2,$tImage3);
//输入的活跃天数
$tScore = 1009;
$echo = $tShow->get_score($tScore);
//输出显示效果
print '<div align=center>'.$echo.'</div>';
?>

本文到此接受，呵呵，提供程序打包下载，包括使用的太阳，月亮，星星图标：

演示地址：http://www.wangchong.org/lab/showrank/
下载地址：http://www.wangchong.org/wp-content/uploads/2008/04/showrank.rar

PHP实现‘服务器推’（flush函数使用）

毛毛虫 — Tue, 12 Feb 2008 12:54:57 +0800

最近一直在做自己的图书站，分别使用过杰奇和读吧两套不同的系统，对于这两套系统也是又爱又恨，爱的是他们的功能强大，恨他们都同属没有开源精神的产物。呵呵，作为一名穷程序员，俺可以理解作者的苦衷，这里就不批判了。
年假期间，无事可做，翻看自己以前的采集代码，发现很多可以优化和提升的地方，就简单做了下优化，其中也使用了用户体验更加优秀的服务器推技术，这里简单的介绍下核心的函数：flush。

先看看手册中的解释：
flush — 刷新输出缓冲；
说明：
void flush ( void )
刷新PHP程序的缓冲，而不论PHP执行在何种情况下（CGI ，web服务器等等）。该函数将当前为止程序的所有输出发送到用户的浏览器。

flush() 函数不会对服务器或客户端浏览器的缓存模式产生影响。因此，必须同时使用 ob_flush() 和flush() 函数来刷新输出缓冲。

个别web服务器程序，特别是Win32下的web服务器程序，在发送结果到浏览器之前，仍然会缓存脚本的输出，直到程序结束为止。

有些Apache的模块，比如mod_gzip，可能自己进行输出缓存，这将导致flush()函数产生的结果不会立即被发送到客户端浏览器。

甚至浏览器也会在显示之前，缓存接收到的内容。例如 Netscape 浏览器会在接受到换行或 html 标记的开头之前缓存内容，并且在接受到

标记之前，不会显示出整个表格。

一些版本的 Microsoft Internet Explorer 只有当接受到的256个字节以后才开始显示该页面，所以必须发送一些额外的空格来让这些浏览器显示页面内容。

根据上面的解释，我们简单的使用flush函数来实现一个例子：

<?php
for ($i=10; $i>0; $i--)
{
echo $i;
flush();
sleep(1);
}
?>

上面的这段代码，应该隔一秒钟输出一次$i。但是实际中却不一定是这样。有可能是等了10秒钟后，所有的输出同时呈现出来，后面的输出开始正常。PHP手册中对此也做出了解释，就是各种缓存在起作用，那我们该如何解决呢？！
答案来了：^_^
一、

<?php
ob_end_clean();//修改部分
for ($i=10; $i>0; $i--)
{
echo $i;
flush();
sleep(1);
}
?>

二、

<?php
for ($i=10; $i>0; $i--)
{
echo $i;
ob_flush();//修改部分
flush();
sleep(1);
}
?>

写到这里，发现一个哥们的文章，比我写的更加透彻，在次引用：
剖析PHP中的输出缓冲
最近想整理下自己的代码，搞个专门的站点放着，暂定名为：毛毛虫的实验室
大家敬请期待，肯定都是好玩的东西，呵呵！