请教一个获取 ip 地址的正则问题

[JCZ2MkKb5S8ZX9pq]

• 想要获取的是代理服务器，包括 ip 和 port 。

• 简单的类似

  (?s)(\d+\.\d+\.\d+\.\d+).+?(\d+)
  

  这样粗暴的方式我是知道的。（偶尔有多行的情况）

• " 123.1.1.1 8080 " 这种是能捕获到的

• " <td param='123.1.1.1'>123.1.1.1</td><td>8080</td> "
  请问这种有重复部分的，不想用 xpath，直接用正则怎么规避 '123.1.1.1:123' 这类结果。

[calmzhu]

意思是只要<td>标签的 text 部分内容？

如果是的话，正则前后加个零宽断言试试，类似这样
(?=<)(\d+\.\d+\.\d+\.\d+).+?(\d+)

[calmzhu]

@calmzhu

尖括号反了。
(?=>)\s?(\d+\.\d+\.\d+\.\d+).+?(\d+)

然后零宽断言记得是正则的扩展，不同语言工具支持语法好像有差别，可能需要调试下

[JCZ2MkKb5S8ZX9pq]

@calmzhu
未必在 td 里，另外你前面的零宽是不是指 td 右侧的括号？(?<=>)

[JCZ2MkKb5S8ZX9pq]

@calmzhu 就是有一些含 html 的情况，也有不含的，想搞个通用的。

[calmzhu]

标签不是 TD 也没关系。就是通过寻找 IP 地址前面第一个非空字符是>的匹配字符串。

但是非 HTML 就不匹配了。

通用的话，可能需要文本有规律，让后再考虑把规律翻译成正则。

[JCZ2MkKb5S8ZX9pq]

@calmzhu 先在前面加了[>\s]凑合一下

[JCZ2MkKb5S8ZX9pq]

@JCZ2MkKb5S8ZX9pq 不过实际试下来，前缀种类有点多，最好还是能去后缀，或者去重。

[Dvel]

(\d+\.\d+\.\d+\.\d+).+?((?<!\.)\d+(?!\.|\d))

这样呢，缺点是如果 IP 和端口号之间有任意数字就不管用了。

[JCZ2MkKb5S8ZX9pq]

@Dvel 对对对
我一开始 (?!\.|\d) 这个没写对，老是排除错误。