一款能“顺藤摸瓜”的开源情报神器：输入一个邮箱或昵称，自动挖出全网数字足迹

你是否遇到过这样的场景：收到一封可疑邮件，想快速确认发件人是否真实存在、是否在多个平台注册过账号？或者在红队渗透测试中，仅掌握目标的一个社交昵称，却苦于无法高效关联其邮箱、手机号、GitHub、LinkedIn 等关键身份信息？user-scanner 正是为这类需求而生的轻量级但极度强大的开源 OSINT（开源情报）工具——它不是简单的账号查重器，而是一套具备自动推理与深度交叉验证能力的“数字身份解构引擎”。只需提供一个邮箱地址或用户名，它就能在数秒内完成对 465+ 主流及小众平台的并发探测，并基于返回内容智能提取头像、简介、UID、粉丝数、卖家认证状态等结构化元数据，再主动挖掘其中隐藏的其他账号线索，实现真正的“一查多联、层层递进”。

核心功能

• 单点触发、全域覆盖的双模扫描：输入 jane@outlook.com 或 @janedev，即可并行调用 175+ 邮箱注册检测站点（如 GitHub、GitLab、Notion 注册邮箱验证）和 290+ 用户名平台（涵盖 TikTok、Reddit、Steam、HackerOne、Codeforces 等），避免手动逐个访问的低效重复劳动。
• 自动跨平台身份关联（Cross-Scan）：当扫描到某人在 Twitter 个人简介中写了 “Check my blog at jane.dev”，工具会自动提取该域名并尝试解析其 WHOIS 或 GitHub 绑定邮箱；若在 GitHub 主页发现邮箱 jane.work@gmail.com，则立即启动第二轮扫描，形成“邮箱→昵称→新邮箱→新平台”的递归情报链，大幅提升调查深度。
• 恶意软件泄露情报实时联动：通过 --hudson 参数直连 Hudson Rock 的 Infostealer 恶意软件日志数据库，可快速判断该邮箱是否曾出现在被窃取的浏览器密码文件、Telegram 日志或勒索软件受害者快照中，为威胁狩猎和事件响应提供高置信度线索。
• AI 原生集成支持自主分析：内置 Model Context Protocol（MCP）服务器，可直接对接 Claude Desktop、Cursor、Antigravity 等本地 AI 工具。用户只需说“分析这个人的技术栈倾向”，AI 即可读取扫描生成的 JSON 报告，自动归纳其常用编程语言、参与的开源项目、活跃社区类型，并生成可视化建议。
• 抗反爬强化与代理自适应：底层采用 httpx + curl_cffi 双引擎，自动模拟主流浏览器 TLS 指纹（如 Chrome 120+、Firefox ESR），绕过 Cloudflare、Imperva 等 WAF 拦截；同时支持 HTTP/SOCKS5 代理自动识别与健康预检（--validate-proxies），确保大规模扫描稳定不中断。
• 智能昵称变体生成辅助侦查：针对可能存在的拼写错误或平台别名习惯（如 john_doe / johndoe_ / realjohndoe），内置通配符规则引擎，支持基于常见前缀/后缀/分隔符的批量生成与扫描，显著提升对“影子账号”（shadow accounts）的发现率。
• 开箱即用的多格式交付报告：扫描结果一键导出为 PDF（含头像截图与排版优化）、JSON（便于 SIEM/SOAR 平台接入）和 CSV（兼容 Excel 分析），无需二次加工即可用于汇报、存档或自动化流水线。

技术亮点

• 非请求式“元数据富集”架构：不同于传统工具仅返回“存在/不存在”，user-scanner 对每个成功匹配的平台页面进行 DOM 解析与语义提取，例如从 Instagram 个人主页精准抓取 bio 中的邮箱、链接的 Linktree 地址、粉丝数、是否为商务账号等字段，而非简单判断页面 HTTP 状态码。
• 模块化向量管理机制：全部 465+ 扫描向量以 YAML 格式独立维护，支持按类别（社交/开发/电商/论坛）、地域（CN/US/EU）、可信度等级动态启用/禁用，用户可轻松贡献新平台模板（PR 合并周期通常 <24 小时），保证情报库持续新鲜。
• 零依赖终端 UI 设计：不依赖 curses 或 rich 等重型库，通过 ANSI 转义序列实现实时进度条、自适应网格布局（-lu 查看所有用户名平台分类，-le 查看邮箱平台分类）和彩色状态标识，即使在老旧 SSH 终端或 Windows CMD 下也能获得清晰反馈。
• Nix 原生支持免安装运行：提供 nix run github:kaifcodec/user-scanner/main 一行命令启动方式，完全隔离环境、无 Python 版本冲突风险，特别适合安全研究员在客户现场临时取证时使用。

适合哪些人用

这款工具面向三类典型用户：一是红队/渗透测试工程师，在信息收集阶段快速构建攻击面地图，例如输入目标企业 HR 邮箱 recruit@xxx.com，自动发现其 LinkedIn 主页、GitHub 开源项目、甚至内部 Slack 工作区注册痕迹；二是数字取证与合规调查人员，在员工离职审计中，通过其常用昵称批量核查是否违规将代码上传至 GitHub、是否在暗网论坛泄露敏感信息；三是个人隐私意识强烈的普通用户，可定期自查自己公开邮箱/昵称在全网的暴露程度，及时删除陈旧账号或修改隐私设置。真实案例：某金融公司安全部门用它在 3 分钟内定位到一名外包员工在 12 个技术社区使用的统一昵称，并发现其在 HackerOne 上提交的未修复漏洞报告中意外泄露了测试环境 IP 段。

快速上手

推荐使用 PyPI 安装（已适配 Python 3.8+）：

python3 -m pip install --upgrade pip && pip install user-scanner

基础扫描只需一条命令：

user-scanner -u zhangsan   # 扫描昵称

user-scanner -e zhang@163.com --cross-scan --hudson  # 邮箱扫描+自动关联+泄露检查

如需导出 PDF 报告：

user-scanner -u lisi -o report.pdf

代理配置示例（支持列表文件）：

user-scanner -u test --proxy-list proxies.txt --validate-proxies

同类对比 / 注意事项

相比老牌工具 theHarvester（侧重域名邮箱搜集）或 sherlock（仅用户名存在性验证），user-scanner 最大差异在于从“存在性判断”跃迁至“行为画像构建”：它不仅告诉你“这个人有没有 Twitter”，更告诉你“他的 Twitter bio 写着‘Python 全栈开发者’、关注了 3 个云安全账号、最后一条推文带 #CTF 标签”——这些才是红队真正需要的情报颗粒度。需注意：部分平台（如 Facebook、Instagram）需配合有效 Cookie 才能获取完整资料，工具提供 --cookies 参数支持手动注入；另外，高频扫描可能触发平台风控，建议生产环境搭配高质量代理池并启用 --delay 参数限速。

项目信息

Python 编写｜GitHub Star 数：4310｜MIT 开源协议｜GitHub 项目地址

如果你厌倦了在十几个网站间反复粘贴搜索，又不想为商业 OSINT 平台支付高昂订阅费，那么 user-scanner 就是你数字侦察箱里最锋利、最懂你意图的那一把瑞士军刀。