Același IP de proxy, porturi diferite: sunt duplicate?
Adresa IP și portul identifică împreună un punct de conexiune. Păstrați această distincție la importarea, testarea și deduplicarea unei liste de proxy-uri.
Două rânduri cu aceeași adresă IP și porturi diferite sunt puncte de conexiune diferite. Eliminarea unuia doar pentru că IP-ul se repetă poate șterge un proxy funcțional sau un alt protocol de proxy.
De exemplu, 203.0.113.10:8080 și 203.0.113.10:1080 se conectează la porturi diferite. Unul poate folosi HTTP, iar celălalt SOCKS5. Regulile de acces și disponibilitatea pot fi și ele diferite. Aceste numere de port sunt exemple și nu spun nimic sigur despre serviciul real.
Testați punctul de conexiune complet
Dacă portul 8080 depășește timpul de așteptare, o cerere reușită către portul 1080 nu dovedește că primul rând funcționează. Notați protocolul, adresa și portul pentru fiecare test. Un raport care spune doar „acest IP este mort” pierde informații ce pot explica rezultatul.
Este valabilă și situația inversă: două porturi pot folosi în final aceeași adresă de ieșire. Asta nu le transformă în același punct de conexiune. Ele pot împărți infrastructura sau limitele, deci păstrarea ambelor rânduri nu dovedește că aveți doi operatori independenți sau două ieșiri diferite.
Ce trebuie considerat duplicat?
Pentru o listă simplă cu un singur protocol cunoscut, deduplicați după IP-ul normalizat și portul numeric. Un exemplu de curățare în Python exclusiv pentru IPv4 aplică regula liniilor IP:port simple. Dacă fișierul amestecă protocoale, păstrați și acea informație. La importarea dintr-o listă de proxy-uri gratuite, păstrați protocolul alături de fiecare adresă și port.
Două etichete pentru exact același IP:port necesită o examinare mai atentă. O intrare HTTP și una HTTPS pot descrie un singur proxy HTTP care acceptă și CONNECT. Un serviciu poate accepta și mai multe tipuri de negociere inițială. Combinați înregistrările doar după ce înțelegeți etichetele; nu pierdeți informații despre capabilități în timpul curățării textului.
Formatarea poate crea diferențe false
08080 și 8080 indică aceeași valoare numerică dacă ambele reprezintă porturi zecimale. Adresele IPv6 pot avea și ele mai multe forme textuale echivalente. Normalizați adresa și portul înainte de comparație, păstrând sursa originală pentru depanare.
Deduplicarea îmbunătățește formatul listei. Nu verifică dacă un punct de conexiune este online, dacă două puncte au ieșiri separate sau dacă eticheta de țară este corectă.