Question

我正在尝试下载您可以找到here的 txt 文件。下载文件不是问题：

    testfile = urllib.URLopener()
    testfile.retrieve(_proxy_list_download_, "proxies.txt")

但问题是，当它被下载时，它表现得很奇怪。当我在任何 txt 编辑器中打开它时，我可以看到内容和 IP 地址，但是当我尝试将内容打印到控制台时，它会打印出来：

212.3.183.210:8080; 0; 0; anonymous proxy; Italy; ; a;  in); an Jose); ree download proxy IP

当我尝试从那里获取 IP 地址时，输出中没有地址。

with open('proxies.txt') as f:
            content = f.read()
            ip = re.findall( r"^\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}$", content )

我已经尝试了另一个正则表达式：

r'([0-9]+)(?:\.[0-9]+){3}'

此正则表达式仅返回 3位数字。

您是否知道如何解析这些IP？

编辑：这是文本编辑器中的复制+粘贴文本，但在编辑器中，所有内容都在一行中：

 # http://proxy-ip-list.com/ provides you this fresh txt proxy list to free download proxy IP
# Date: Sat, 27 Jun 2015 12:53:02 +0000

39.166.95.9:8123; 0; 0; high-anonymous; China; 
178.189.92.118:3129; 16.83; 405; high-anonymous; Austria; 
198.2.202.33:8090; 8.05; 884; anonymous; United States (CA, San Jose); 
171.96.152.89:8080; 0; 0; anonymous; Thailand; 
153.149.104.76:80; 0; 0; anonymous; Japan (Tokyo); 
106.187.52.191:80; 0; 0; anonymous proxy; Japan; 
194.187.214.204:80; 0.91; 6374; anonymous proxy; Finland; 
59.78.160.247:8080; 0; 0; anonymous; China (Shanghai); 
61.156.3.166:80; 1.12; 1449; anonymous proxy; China (Jinan); 
221.238.140.164:8080; 1.39; 257; anonymous; China (Tianjin); 
117.178.157.107:8123; 8.44; 847; high-anonymous; China; 
39.166.205.95:8123; 0; 0; high-anonymous; China; 
117.163.216.8:8123; 4.21; 1577; high-anonymous; China; 
189.31.143.250:3128; 0; 0; high-anonymous; Brazil; 
183.89.84.82:8080; 0; 0; anonymous proxy; Thailand; 
183.88.41.42:8080; 0; 0; anonymous; Thailand; 
212.3.183.210:8080; 0; 0; anonymous proxy; Italy;

Answer 1

您需要移除锚点，因为一条线路不会只包含一个IP地址。

ip = re.findall( r"\b\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}\b", content )

第二个正则表达式

r'([0-9]+)(?:\.[0-9]+){3}'

必须返回三位数，因为只捕获了前三位数，re.findall方法会先返回捕获，如果有的话。如果没有捕获，则只返回匹配。通过将捕获组转换为非捕获组将为您提供所需的输出。

r'\b[0-9]+(?:\.[0-9]+){3}\b'

从txt

1 个答案: