如何在Python3中隔离HTML页面的一部分

我制作了一个简单的脚本来检索页面的源代码，但我想“隔离”ips的部分，以便保存到proxy.txt文件。有什么建议吗

import urllib.request

sourcecode = urllib.request.urlopen("https://www.inforge.net/xi/threads/dichvusocks-us-15h10-pm-update-24-24-good-socks.455588/")
sourcecode = str(sourcecode.read())
out_file = open("proxy.txt","w")
out_file.write(sourcecode)
out_file.close()

---

为什么不使用re？

---

我需要源代码来说明具体操作方法。

我在代码中添加了几行，唯一的问题是UI版本（检查页面源代码）被添加为IP地址

import urllib.request
import re

sourcecode = urllib.request.urlopen("https://www.inforge.net/xi/threads/dichvusocks-us-15h10-pm-update-24-24-good-socks.455588/")
sourcecode = str(sourcecode.read())
out_file = open("proxy.txt","w")
out_file.write(sourcecode)
out_file.close()

with open('proxy.txt') as fp:
    for line in fp:
        ip = re.findall('(?:[\d]{1,3})\.(?:[\d]{1,3})\.(?:[\d]{1,3})\.(?:[\d]{1,3})', line)

for addr in ip:
    print(addr)

更新： 这就是您所寻找的，BeatifulSoup只能使用CSS类从页面中提取我们需要的数据，但是它需要使用pip安装。您不需要将页面保存到文件中

from bs4 import BeautifulSoup
import urllib.request
import re

url = urllib.request.urlopen('https://www.inforge.net/xi/threads/dichvusocks-us-15h10-pm-update-24-24-good-socks.455588/').read()
soup = BeautifulSoup(url, "html.parser")

# Searching the CSS class name
msg_content = soup.find_all("div", class_="messageContent")

ips = re.findall('(?:[\d]{1,3})\.(?:[\d]{1,3})\.(?:[\d]{1,3})\.(?:[\d]{1,3})', str(msg_content))

for addr in ips:
    print(addr)

---

谢谢！这是一个起点！但是，也许可以只关注html页面的一部分（在本例中），这样脚本就可以只打印IP？无论如何，谢谢你，我很蠢。。“ip”是一个列表，所以我可以删除其中的项目。