一条命令扫完上千个社交平台跨平台用户画像关联分析上手指南【免费下载链接】social-analyzerAPI, CLI, and Web App for analyzing and finding a persons profile in 1000 social media \ websites项目地址: https://gitcode.com/GitHub_Trending/so/social-analyzerSocial Analyzer 是一个开源 OSINT 工具输入一个用户名它就去 1000 个社交平台里挨个查这个人有没有注册把找到的账号连同网页元数据一起汇总成关联图谱。适合安全研究员、威胁情报分析师以及任何需要把散落各处的账号线索串起来的人。两个真实场景场景一多账号线索调查。有人在多个平台用 johndoe、john_doe、johndoe99 这类变体名活跃人工逐个平台搜索不现实。把几个变体用逗号一起丢给 Social Analyzer它会按平台批量探测最后只把命中和疑似命中的账号列出来你拿到手是一份哪个平台、什么置信度、证据是什么的清单而不是几百个 404。场景二竞品或关键人的社交足迹盘点。想知道某个名字在 YouTube、TikTok、Tumblr 之外的长尾站点还有没有存在感工具内置按流量排名--top、按国家--countries、按类型--type的筛选可以只扫头部 50 个站也可以只扫某个国家下的站点把探测范围压到自己关心的圈子里。能力拆解它到底替你做了什么用 URL 模板库做快速扫描它做了什么对每个目标网站发起一次 HTTP 请求把用户名填进预设的 URL 模板里访问。怎么做到全部站点规则集中在 data/sites.json每条记录长这样——{ url: https://24.wikia.com/wiki/User:{username}, detections: [{ name: mediawiki, type: shared }], type: Games Games, country: United States, global_rank: 9162 }文件里目前有 999 个站点条目每个都带分类、国家、全球流量排名。你拿到什么结果一轮扫描后每个站点有明确的状态——确认命中、疑似命中或未发现附带该站点的标题、正文文本和页面语言。多层检测引擎给每个账号打分光访问 URL 还不够很多平台对不存在的用户也返回 200。modules/engine.js 因此对同一页面做多层验证normal 层直接匹配返回源码里的特征字符串advanced 层针对纯文本内容ocr 层用 Tesseract 对截图做文字识别专治把关键文字渲染在图片里的站点。命中条数和总条数算出一个 rate 值100% 标为 good50% 到 99% 标为 maybe低于 50% 标为 bad。这样你拿到的不是一句找到了而是带置信度的分级结果--filter good,bad还能直接按等级过滤输出。元数据提取与关联图谱找到账号只是第一步。加--metadata后modules/extraction.js 会用 Cheerio 解析页面抽 meta 标签、Open Graph 属性、邮箱、URL 等模式化信息再跨账号做交叉比对。最终在 Web 界面里这些元数据被渲染成一张力导向图谱同一个邮箱出现在几个账号上、几个账号共享同一组联系方式一眼就能看出哪些账号大概率属于同一个人。字符串与姓名分析用户名本身也是情报。工具内置了名称的排列组合生成比如把 jane_doe、jane-doe、jane.doe 一次试完、按字母切分和按大小写切分还能基于内置姓名数据库推断名字来源、估算姓名相似度。对这个人可能还用了哪些变体名这个问题它给出的是候选列表而不是让你自己想。最小可跑步骤装好依赖后最简的一条命令nodejs app.js --username johndoe加上参数让它更有用——只扫流量前 50 的站点、提取元数据、按 JSON 输出并落日志nodejs app.js --username johndoe,john_doe --metadata --top 50 --output json --logs也可以换慢速模式需要装好 Chrome/Firefox 驱动会真实渲染页面并截图做 OCR 检测nodejs app.js --username johndoe --mode slow --screenshots常用参数还有--websites指定具体站点、--countries us br按国家筛、--type adult按类型筛、--filter good,maybe,bad过滤结果等级、--profiles detected,failed过滤探测状态。结果可以只留检测到的--method find也可以全量返回--method get。进阶与定制想接入一个新平台不用写代码在站点规则库里加一条记录写好 URL 模板{username}是占位符、指定它复用的共享检测规则如 mediawiki、mastodon 这类通用规则集、补上分类和国家即可扫描和打分流程会自动接管。要更精细的控制可以调整每个检测项的 return 期望值true/false让页面里不出现某句话也算作一条证据——不少平台的 404 页就是这么识别的。Python 侧同样可用pip3 install social-analyzer后以对象方式调用方便嵌进自己的流水线。适用边界它适合本地跑的专项调查多账号关联、账号变体排查、足迹盘点输出带置信度分级天然适合当人工复核的前置过滤层。它不适合高并发、7×24 的监控服务——作者明确定位它是本地工具没有访问控制。和只查主流大平台的同类 OSINT 工具比它的差异点在于近千个长尾站点的覆盖和多层检测打分机制和纯 Web 版工具比它多了字符串分析和元数据图谱这两块。对探测速度的要求如果高于对覆盖率的要求建议直接用 fast 模式加--top限流。【免费下载链接】social-analyzerAPI, CLI, and Web App for analyzing and finding a persons profile in 1000 social media \ websites项目地址: https://gitcode.com/GitHub_Trending/so/social-analyzer创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/5 21:31:37 · 阅读 1.2k 一条命令扫完上千个社交平台：跨平台用户画像关联分析上手指南
一条命令扫完上千个社交平台跨平台用户画像关联分析上手指南【免费下载链接】social-analyzerAPI, CLI, and Web App for analyzing and finding a persons profile in 1000 social media \ websites项目地址: https://gitcode.com/GitHub_Trending/so/social-analyzerSocial Analyzer 是一个开源 OSINT 工具输入一个用户名它就去 1000 个社交平台里挨个查这个人有没有注册把找到的账号连同网页元数据一起汇总成关联图谱。适合安全研究员、威胁情报分析师以及任何需要把散落各处的账号线索串起来的人。两个真实场景场景一多账号线索调查。有人在多个平台用 johndoe、john_doe、johndoe99 这类变体名活跃人工逐个平台搜索不现实。把几个变体用逗号一起丢给 Social Analyzer它会按平台批量探测最后只把命中和疑似命中的账号列出来你拿到手是一份哪个平台、什么置信度、证据是什么的清单而不是几百个 404。场景二竞品或关键人的社交足迹盘点。想知道某个名字在 YouTube、TikTok、Tumblr 之外的长尾站点还有没有存在感工具内置按流量排名--top、按国家--countries、按类型--type的筛选可以只扫头部 50 个站也可以只扫某个国家下的站点把探测范围压到自己关心的圈子里。能力拆解它到底替你做了什么用 URL 模板库做快速扫描它做了什么对每个目标网站发起一次 HTTP 请求把用户名填进预设的 URL 模板里访问。怎么做到全部站点规则集中在 data/sites.json每条记录长这样——{ url: https://24.wikia.com/wiki/User:{username}, detections: [{ name: mediawiki, type: shared }], type: Games Games, country: United States, global_rank: 9162 }文件里目前有 999 个站点条目每个都带分类、国家、全球流量排名。你拿到什么结果一轮扫描后每个站点有明确的状态——确认命中、疑似命中或未发现附带该站点的标题、正文文本和页面语言。多层检测引擎给每个账号打分光访问 URL 还不够很多平台对不存在的用户也返回 200。modules/engine.js 因此对同一页面做多层验证normal 层直接匹配返回源码里的特征字符串advanced 层针对纯文本内容ocr 层用 Tesseract 对截图做文字识别专治把关键文字渲染在图片里的站点。命中条数和总条数算出一个 rate 值100% 标为 good50% 到 99% 标为 maybe低于 50% 标为 bad。这样你拿到的不是一句找到了而是带置信度的分级结果--filter good,bad还能直接按等级过滤输出。元数据提取与关联图谱找到账号只是第一步。加--metadata后modules/extraction.js 会用 Cheerio 解析页面抽 meta 标签、Open Graph 属性、邮箱、URL 等模式化信息再跨账号做交叉比对。最终在 Web 界面里这些元数据被渲染成一张力导向图谱同一个邮箱出现在几个账号上、几个账号共享同一组联系方式一眼就能看出哪些账号大概率属于同一个人。字符串与姓名分析用户名本身也是情报。工具内置了名称的排列组合生成比如把 jane_doe、jane-doe、jane.doe 一次试完、按字母切分和按大小写切分还能基于内置姓名数据库推断名字来源、估算姓名相似度。对这个人可能还用了哪些变体名这个问题它给出的是候选列表而不是让你自己想。最小可跑步骤装好依赖后最简的一条命令nodejs app.js --username johndoe加上参数让它更有用——只扫流量前 50 的站点、提取元数据、按 JSON 输出并落日志nodejs app.js --username johndoe,john_doe --metadata --top 50 --output json --logs也可以换慢速模式需要装好 Chrome/Firefox 驱动会真实渲染页面并截图做 OCR 检测nodejs app.js --username johndoe --mode slow --screenshots常用参数还有--websites指定具体站点、--countries us br按国家筛、--type adult按类型筛、--filter good,maybe,bad过滤结果等级、--profiles detected,failed过滤探测状态。结果可以只留检测到的--method find也可以全量返回--method get。进阶与定制想接入一个新平台不用写代码在站点规则库里加一条记录写好 URL 模板{username}是占位符、指定它复用的共享检测规则如 mediawiki、mastodon 这类通用规则集、补上分类和国家即可扫描和打分流程会自动接管。要更精细的控制可以调整每个检测项的 return 期望值true/false让页面里不出现某句话也算作一条证据——不少平台的 404 页就是这么识别的。Python 侧同样可用pip3 install social-analyzer后以对象方式调用方便嵌进自己的流水线。适用边界它适合本地跑的专项调查多账号关联、账号变体排查、足迹盘点输出带置信度分级天然适合当人工复核的前置过滤层。它不适合高并发、7×24 的监控服务——作者明确定位它是本地工具没有访问控制。和只查主流大平台的同类 OSINT 工具比它的差异点在于近千个长尾站点的覆盖和多层检测打分机制和纯 Web 版工具比它多了字符串分析和元数据图谱这两块。对探测速度的要求如果高于对覆盖率的要求建议直接用 fast 模式加--top限流。【免费下载链接】social-analyzerAPI, CLI, and Web App for analyzing and finding a persons profile in 1000 social media \ websites项目地址: https://gitcode.com/GitHub_Trending/so/social-analyzer创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考