php - Tor 网络爬虫

Question

好的，这就是我需要的。 我有一个基于 PHP 的网络爬虫。 它可以在这里访问: http://rz7ocnxxu7ka6ncv.onion/ 现在，我的问题是我的蜘蛛实际上需要在 SOCKS 端口 9050 上抓取页面。问题是，我必须通过 Tor 建立连接，以便它可以解析 .onion 域，这就是我正在索引的内容. (仅以 .onion 结尾。) 我使用 php crawl.php 从命令行调用此脚本，并添加适当的参数来抓取页面。 这是我的想法: 有什么办法可以强制它使用 Tor？ 或者我可以强制我的整个机器通过 Tor 隧道，如何？ (比如强制所有流量通过 127.0.0.1:9050) 也许如果我设置全局代理设置，php 会遵守它们吗？

如果我的任何解决方案有效，我会怎么做？ (请逐步说明，我是菜鸟。)

我只想创建自己的 Tor 搜索引擎。 (不要推荐我的 p2p 搜索引擎——这不是我想要的——我知道它们存在，我做了我的功课。) 如果您有兴趣查看，这是爬虫源: 或许有好心人可以修改为所有爬取请求都使用127.0.0.1:9050？ http://pastebin.com/kscGJCc5

Answer 1

cURL 还支持 SOCKS 连接；试试这个:

<?php

$ch = curl_init('http://google.com'); 
curl_setopt($ch, CURLOPT_HEADER, 1); 
curl_setopt($ch, CURLOPT_HTTPPROXYTUNNEL, 1); 

// SOCKS5
curl_setopt($ch, CURLOPT_PROXY, 'localhost:9050'); 
curl_setopt($ch, CURLOPT_PROXYTYPE, CURLPROXY_SOCKS5);

curl_exec($ch); 
curl_close($ch);