Deirphointí seachfhreastalaí a bhaint amach, ró amháin ag an am

Parsáil gach ró seachfhreastalaí mar aonad amháin. Má leathanaítear gach td mheaitseálach ar fud an leathanaigh agus má ghrúpáiltear na torthaí de réir líon seasta, féadfaidh seoladh ó ró amháin péireáil le port ón gcéad ró eile nuair a bhíonn cill ar iarraidh nó nuair a thagann tábla eile chun solais.

Don HTML atá faighte ag an bhfeidhmchlár cheana, is féidir tábla a bhfuil an seoladh IP agus an port sa chéad dá cholún a pharsáil mar seo:

import ipaddress
from bs4 import BeautifulSoup

soup = BeautifulSoup(html, "html.parser")
table = soup.select_one(table_selector)
if table is None:
    raise ValueError("Expected proxy table was not found")

endpoints = set()
for row in table.select("tbody tr"):
    cells = row.find_all("td", recursive=False)
    if len(cells) < 2:
        continue
    try:
        address = ipaddress.ip_address(cells[0].get_text(strip=True))
        port = int(cells[1].get_text(strip=True))
    except ValueError:
        continue
    if 1 <= port <= 65535:
        endpoints.add((str(address), port))

Is ionchuir don fheidhmchlár iad html agus table_selector. Roghnaigh an roghnóir agus an mhapáil colún ó mharcáil iarbhír na foinse. Tá an liosta seachfhreastalaithe saor in aisce ina fhoinse amháin de thaifid deirphointí, ach ba cheart a chuid rónta a scrúdú sular roghnaítear an mhapáil sin. Ní scéim mharthanach é ID tábla stairiúil ná an maíomh go bhfuil go díreach 300 taifead ar leathanach.

Baineann an tacar péirí seoladh-agus-port dúblacha amach agus caomhnaítear nasc gach péire. Ba cheart allmhairiú gan choinne le nialas toradh a fhiosrú fós: b'fhéidir go bhfuil an tábla athraithe nó gur leathanach dúshláin seachas an liosta an doiciméad a fuarthas.

Coinnigh aon phrótacal fógartha agus réimsí ama seiceála in aice leis an deirphointe nuair a bhíonn siad tábhachtach. Ní dhearbhaíonn eastóscadh IP agus poirt inchreidte ach an fhormáid, ní go soláthraíonn an deirphointe seirbhís HTTP nó SOCKS atá ag feidhmiú faoi láthair.

Ní deirphointí iad rónta ceanntásc nó scagaire. Scipeáiltear ró nach bhfuil inti ach cealla th, agus teipeann ar réimsí folmha nó neamhsheolta sa bhailíochtú. Ná caith amach an chéad ró agus an ró dheireanach de réir suíomh: is féidir le ceachtar acu a bheith ina fíordheirphointe tar éis leagan amach an leathanaigh a athrú.