សម្អាតបញ្ជីប្រូកស៊ី IP:ច្រកដោយ Python

ដាក់ធាតុ IPv4 IP:port មួយក្នុងមួយបន្ទាត់នៃ proxies.txt។ ទាំងអស់ត្រូវជាពិធីការប្រូកស៊ីដែលស្គាល់តែមួយ។ បើប្រមូលពីបញ្ជីប្រូកស៊ីឥតគិតថ្លៃ បំបែកពិធីការមុនបង្កើតទិន្នន័យអត្ថបទនេះ។ ការសម្អាតមិនទទួល URL មានព័ត៌មានចូលប្រើ ជួរឈរ CSV ឬអាសយដ្ឋាន IPv6។

រក្សាស្គ្រីបប្រើបណ្ណាល័យស្តង់ដារនេះជា clean-proxies.py ក្នុងថតដដែល៖

from ipaddress import IPv4Address
from pathlib import Path

seen = set()
cleaned = []

for number, raw in enumerate(
    Path("proxies.txt").read_text(encoding="utf-8").splitlines(),
    start=1,
):
    text = raw.strip()
    if not text:
        continue
    try:
        host, port_text = text.rsplit(":", 1)
        host = str(IPv4Address(host))
        port = int(port_text)
        if not 1 <= port <= 65535:
            raise ValueError("port out of range")
    except ValueError:
        print(f"Skipping line {number}: invalid IPv4 endpoint")
        continue

    endpoint = (host, port)
    if endpoint not in seen:
        seen.add(endpoint)
        cleaned.append(f"{host}:{port}")

output = "\n".join(cleaned)
Path("proxies-clean.txt").write_text(
    output + ("\n" if output else ""),
    encoding="utf-8",
)
print(f"Saved {len(cleaned)} endpoints")

រត់ពីថតនោះ៖

uv run --no-project python clean-proxies.py

ពិនិត្យសារបន្ទាត់ដែលរំលង និង proxies-clean.txt; ឯកសារចូលនៅដដែល។ លទ្ធផលរក្សាលំដាប់ឃើញដំបូង និងលុបស្ទួនតាមអាសយដ្ឋានរួមនឹងច្រកជាលេខ។ ច្បាប់ចម្លង 203.0.113.10:8080 ពីរនិង 203.0.113.10:3128 មួយផ្តល់ចំណុចចុងពីរ។ ច្រកទសភាគ 08080 ត្រូវបានធ្វើឱ្យស្តង់ដារទៅ 8080។

អាសយដ្ឋានឯកសារបង្ហាញតែទម្រង់។ វាក្យសម្ពន្ធ IPv4 ត្រឹមត្រូវរួមបញ្ចូលអាសយដ្ឋានឯកជននិងពិសេស ដូច្នេះធាតុស្អាតមិនប្រាកដថាអាចចូលពីសាធារណៈទេ។ បន្ថែមគោលការណ៍អាសយដ្ឋានច្បាស់លាស់ បើត្រូវការបញ្ជីសាធារណៈប៉ុណ្ណោះ។

សម្រាប់ HTTP/SOCKS លាយ រក្សាព័ត៌មានពិធីការក្នុងឯកសារផ្សេងឬជួរឈរ; កុំសន្និដ្ឋានពីច្រក 1080។ ប្រើអ្នកវិភាគ IPv6 ក្នុងតង្កៀបការ៉េ បើវាជាទម្រង់ពិត។ ស្គ្រីបបដិសេធទិន្នន័យមិនគាំទ្រជំនួសការទាយ ហើយលទ្ធផលមិនប្រាប់អំពីភាពអាចប្រើ អនាមិកភាព ប្រទេស ឬល្បឿនទេ។ ទាំងនេះត្រូវការតេស្តភ្ជាប់ដែលគ្រប់គ្រងលក្ខខណ្ឌ។