Python re.findall如何返回重复匹配

我有html中的IP:PORT列表，当我使用findall搜索所有IP时，我会得到所有IP的列表，因为IP是唯一的，有些端口是相同的，我通过示例得到100个IP的列表，只有87个端口。如何找到具有重复端口的所有端口

proxies = re.findall("[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}",html)

ports = re.findall("[0-9]{1,3}\,[0-9]{1,3}\,[0-9]{1,3}\,[0-9]{1,3}",html)
#ports are coded to looks like this 47,46,47,46

print len(proxies)
print len(ports)

---

没有看到源文件，我只能提出一些基本观点

• 端口号不限于3位数字，因此不包括任何超过999的端口
• 端口号是否仅显示为4个端口的列表？您说过格式是IP:PORT的列表，但这不是您要检查的内容

编辑：

请更仔细地查看页面的来源。有些条目没有4个端口号

<tr>
    <td class="t_ip">151.9.233.6</td>
    <td class="t_port">50,42</td>
    <td class="t_country"><img src="/images/flags/it.png" alt="it" />Italy</td>
    <td class="t_anonymity">

            High

    </td>
    <td class="t_https">-</td>
    <td class="t_checked">00:02:16</td>
    <td class="t_check">
        <a href="" class="a_check" >check</a>
    </td>
</tr>

---

注意：IP地址表达式将匹配无效的IP地址。

不确定这是否会对您有太多帮助，但这只是另一个选项：

txt = """
<tr>
    <td class="t_ip">151.9.233.6</td>
    <td class="t_port">50,42</td>
    <td class="t_country"><img src="/images/flags/it.png" alt="it" />Italy</td>
    <td class="t_anonymity">

            High

    </td>
    <td class="t_https">-</td>
    <td class="t_checked">00:02:16</td>
    <td class="t_check">
        <a href="" class="a_check" >check</a>
    </td>
</tr>    
"""

txt = [line.strip() for line in txt.split('\n')]

#clstaglen = len('</td>') => 5
getVals = lambda startTxt: [line[len(startTxt):len(line)-5] for line in txt if line.startswith(startTxt)]

print getVals('<td class="t_ip">')
print getVals('<td class="t_port">')

txt=”“”
151.9.233.6
50,42
意大利
高
-
00:02:16
"""
txt=[line.strip（）表示txt.split（'\n'）中的行]
#clstaglen=len（“”）=>5
getVals=lambda startTxt:[line[len（startTxt）：len（line）-5]对于txt中的行，如果line.startswith（startTxt）]
打印getVals（“”）
打印getVals（“”）

能否显示用于查找匹配项和修剪非唯一结果的代码？能否提供一些示例数据？您完全有可能同时获得两个集合，但查看输入将使确定更容易。但为什么不找到所有具有IP:Port组合的字符串，然后按您需要的方式简单地拆分结果呢？为了澄清此站点上的IP:Port列表，没有确切的IP:Port格式。。

txt = """
<tr>
    <td class="t_ip">151.9.233.6</td>
    <td class="t_port">50,42</td>
    <td class="t_country"><img src="/images/flags/it.png" alt="it" />Italy</td>
    <td class="t_anonymity">

            High

    </td>
    <td class="t_https">-</td>
    <td class="t_checked">00:02:16</td>
    <td class="t_check">
        <a href="" class="a_check" >check</a>
    </td>
</tr>    
"""

txt = [line.strip() for line in txt.split('\n')]

#clstaglen = len('</td>') => 5
getVals = lambda startTxt: [line[len(startTxt):len(line)-5] for line in txt if line.startswith(startTxt)]

print getVals('<td class="t_ip">')
print getVals('<td class="t_port">')