php小偷程序實例代碼

2024-05-04 21:48:34

字體：大中小

來源：轉載

供稿：網友

小偷程序其實就是利用了php中的一特定函數實現采集別人網站的內容,然后通過正則分析把我們想要的內容保存到自己本地數據庫,下面我來介紹php小偷程序的實現方法,有需要的朋友可參考.

在下面采集數據過程中file_get_contents函數是關鍵了,下面我們來看看file_get_contents函數語法.

string file_get_contents ( string $filename [, bool $use_include_path = false [, resource $context [, int $offset = -1 [, int $maxlen ]]]] )

和 file() 一樣,只除了 file_get_contents() 把文件讀入一個字符串,將在參數 offset 所指定的位置開始讀取長度為 maxlen 的內容,如果失敗,file_get_contents() 將返回 FALSE.

file_get_contents() 函數是用來將文件的內容讀入到一個字符串中的首選方法,如果操作系統支持還會使用內存映射技術來增強性能.

例,代碼如下:

<?php

$homepage = file_get_contents('http://m.survivalescaperooms.com/');

echo $homepage;

?>

這樣$homepage就是我們采集網的內容給保存下來了,好了說了這么多我們開始吧.

例,代碼如下:

<?php

function fetch_urlpage_contents($url){

$c=file_get_contents($url);

return $c;

}

//獲取匹配內容

function fetch_match_contents($begin,$end,$c)

{

$begin=change_match_string($begin);

$end=change_match_string($end);

$p = "{$begin}(.*){$end}";

if(eregi($p,$c,$rs))

{

return $rs[1];}

else { return "";}

}//轉義正則表達式字符串

function change_match_string($str){

//注意，以下只是簡單轉義

//$old=array("/","$");

//$new=array("/","$");

$str=str_replace($old,$new,$str);

return $str;

}

//采集網頁

function pick($url,$ft,$th)

{

$c=fetch_urlpage_contents($url);

foreach($ft as $key => $value)

{

$rs[$key]=fetch_match_contents($value["begin"],$value["end"],$c);

if(is_array($th[$key]))

{ foreach($th[$key] as $old => $new)

{

$rs[$key]=str_replace($old,$new,$rs[$key]);

}

}

}

return $rs;

}

$url="http://m.survivalescaperooms.com"; //要采集的地址

$ft["title"]["begin"]="<title>"; //截取的開始點

$ft["title"]["end"]="</title>"; //截取的結束點

$th["title"]["中山"]="廣東"; //截取部分的替換

$ft["body"]["begin"]="<body>"; //截取的開始點

$ft["body"]["end"]="</body>"; //截取的結束點

$th["body"]["中山"]="廣東"; //截取部分的替換

$rs=pick($url,$ft,$th); //開始采集

echo $rs["title"];

echo $rs["body"]; //輸出

?>

以下代碼從上一面修改而來,專門用于提取網頁所有超鏈接,郵箱或其他特定內容,代碼如下:

<?php

function fetch_urlpage_contents($url){

$c=file_get_contents($url);

return $c;

}

//獲取匹配內容

function fetch_match_contents($begin,$end,$c)

{

$begin=change_match_string($begin);

$end=change_match_string($end);

$p = "#{$begin}(.*){$end}#iU";//i表示忽略大小寫，U禁止貪婪匹配

if(preg_match_all($p,$c,$rs))

{

return $rs;}

else { return "";}

}//轉義正則表達式字符串

function change_match_string($str){

//注意，以下只是簡單轉義

$old=array("/","$",'?');

$new=array("/","$",'?');

$str=str_replace($old,$new,$str);

return $str;

}

//采集網頁

function pick($url,$ft,$th)

{

$c=fetch_urlpage_contents($url);

foreach($ft as $key => $value)

{

$rs[$key]=fetch_match_contents($value["begin"],$value["end"],$c);

if(is_array($th[$key]))

{ foreach($th[$key] as $old => $new)

{

$rs[$key]=str_replace($old,$new,$rs[$key]);

}

}

}

return $rs;

}

$url="http://m.survivalescaperooms.com"; //要采集的地址

$ft["a"]["begin"]='<a'; //截取的開始點<br />

$ft["a"]["end"]='>'; //截取的結束點

$rs=pick($url,$ft,$th); //開始采集

print_r($rs["a"]);

?>

小提示file_get_contents很是容易被防采集了,我們可以使用curl來模仿用戶對網站進行訪問,這算比上面要高級不少,file_get_contents()效率稍低些,常用失敗的情況、curl()效率挺高的,支持多線程,不過需要開啟下curl擴展,下面是curl擴展開啟的步驟:

1、將PHP文件夾下的三個文件php_curl.dll,libeay32.dll,ssleay32.dll復制到system32下;

2、將php.ini(c:WINDOWS目錄下)中的;extension=php_curl.dll中的分號去掉;

3、重啟apache或者IIS.

簡單的抓取頁面函數,附帶偽造 Referer 和 User_Agent 功能,代碼如下:

<?php

function GetSources($Url,$User_Agent='',$Referer_Url='') //抓取某個指定的頁面

{

//$Url 需要抓取的頁面地址

//$User_Agent 需要返回的user_agent信息如“baiduspider”或“googlebot”

$ch = curl_init();

curl_setopt ($ch, CURLOPT_URL, $Url);

curl_setopt ($ch, CURLOPT_USERAGENT, $User_Agent);

curl_setopt ($ch, CURLOPT_REFERER, $Referer_Url);

curl_setopt($ch, CURLOPT_FOLLOWLOCATION,1);

curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1);

$MySources = curl_exec ($ch);

curl_close($ch);

return $MySources;

}

$Url = "http://m.survivalescaperooms.com"; //要獲取內容的也沒

$User_Agent = "baiduspider+(+http://www.baidu.com/search/spider.htm)";

$Referer_Url = 'http://m.survivalescaperooms.com/';

echo GetSources($Url,$User_Agent,$Referer_Url);

?>