从内嵌 JSON 中提取代理 IP 与十六进制端口

空的 HTML 表格并不总意味着响应中没有代理记录。某些列表把 JSON 对象放在 JavaScript 调用里，之后再填充表格行。

对于已经获取、使用特定包装 gp.insertPrx 后跟一个 JSON 对象的源：

import ipaddress
import json
import re

decoder = json.JSONDecoder()
endpoints = set()
for marker in re.finditer(r"gp[.]insertPrx\(\s*", html):
    try:
        row, end = decoder.raw_decode(html, marker.end())
        if not isinstance(row, dict):
            continue
        address = ipaddress.ip_address(row["PROXY_IP"])
        port = int(row["PROXY_PORT"], 16)
    except (ValueError, KeyError, TypeError):
        continue
    if 1 <= port <= 65535 and html[end:].lstrip().startswith(");"):
        endpoints.add((str(address), port))

html 是源文本，而非浏览器对象。正则表达式定位已知的包装，JSONDecoder 判断 JSON 值在哪里结束。这样可避免只用正则表达式去解析嵌套 JSON。

示例中的端口字段明确是十六进制：C38 表示十进制的 3128。不要仅因为两者都叫端口，就把 16 进制套用到其他提供商的十进制字段上。

这是针对所述格式的解析器，不是 JavaScript 解释器。单引号对象字面量、计算值和其他 JavaScript 表达式需要另一套有文档的数据接口。不要为了得到端点列表而执行任意页面代码。

验证源契约，并将协议字段单独保存。如果源改为已填充的 HTML 行，请使用按行提取端点，而不是这个 JavaScript 包装解析器。提取出地址和端口并不能证明该端点当前提供可用的代理服务。