Social Analyzer3 步跑通跨平台用户画像关联分析【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手里只有一个用户名想摸清这个人还占着哪些账号手动上千家网站挨个搜基本不现实。Social Analyzer 是一款做跨平台用户画像关联分析的 OSINT 工具OSINT 即开源情报简单说就是从公开渠道挖信息把用户名丢给它它替你扫一遍常用社交平台几分钟后吐出一份带置信度评分的账号清单用户画像就有了底稿。这篇按解决什么 → 内部怎么运转 → 三步跑通 → 怎么定制的顺序讲5 分钟能读完。它到底在解决什么同一个人往往同时占着几十个平台的账号还喜欢复用同一个 ID可每个平台的页面结构都不一样也没有统一接口人工逐个查效率约等于零。Social Analyzer 把 1000 多家网站的账号 URL 长什么样、页面里有什么特征整理成规则库见 data/sites.json再自动化地挨个探测把散落在各平台的社交账号关联到一起。它还有两件顺手的事。一是字符串分析modules/string-analysis.js 会把 johndoe 自动扩展成 john_doe、john.doe、johndoe99 这类变体一次查询覆盖更多组合这也是跨平台账号探测里最容易漏的一环。二是名字语义分析modules/name-analysis.js 配合 data/names.json 的姓名库能推断名字的常见语言和文化背景帮你补全用户画像里人的部分。作为 OSINT 开源工具它的规则库、检测逻辑和提取模块全部开放后面会讲怎么改。内部怎么运转想理解它别按采集、提取、分析的流水线想按两条探测路径加一个公共评分层看更清楚。快路径modules/fast-scan.js 直接用 HTTP 请求打各平台 URL看状态码和返回的页面源码默认 15 个并发、失败自动重试三轮。适合先筛一遍扫 top 50 的平台通常几分钟内出结果。深路径modules/slow-scan.js 起一个无头浏览器不开界面、后台静默跑的浏览器基于 selenium Firefox把页面完整渲染出来再截图。JS 动态生成的页面快路径会漏深路径能兜住耗时大约是 fast 的 3-5 倍。公共评分层两条路径的原始结果都进 modules/engine.js。它对每个平台跑 normal源码匹配、advanced正文匹配、ocr截图 OCR即光学字符识别从图片里认文字用 tesseract.js三类检测把命中情况汇总成 0-100 的用户画像置信度评分 rate。外围还有几个辅助模块modules/extraction.js 用 cheerio 解析 HTML、抽出 Open Graph 等元数据modules/visualize.js 把抽取结果喂给 public/graph.html画成一张力导向关联图谱节点按关联强度自动排布的关系图。评分流程简化成伪代码大概是// engine.js 的检测与评分简化伪代码 for (const rule of site.detections) { // 遍历该平台的检测规则 if (rule.type normal) hit source.includes(rule.string) // 页面源码直接命中 else if (rule.type advanced) hit text_only.includes(rule.string) // 渲染后的正文命中 else if (rule.type ocr) hit ocr(screen_shot).includes(rule.string) // 截图 OCR 命中 } rate hit_count / total_rules * 100 // 汇总成 0-100 置信度三步跑通一次完整查询 ⚡第 1 步装好依赖发出第一次查询git clone https://gitcode.com/GitHub_Trending/so/social-analyzer cd social-analyzer npm install nodejs app.js --username johndoe --mode fast --top 50这条命令的意思是拿 johndoe 去扫排名前 50 的网站走 fast 模式。第 2 步fast 和 slow 模式怎么选维度fast 模式slow 模式原理HTTP 请求 状态码、页面源码无头浏览器渲染 截图 OCR耗时top 50 平台约 3 分钟约为 fast 的 3-5 倍精度状态码误报偏多靠 rate 过滤实测识别准确率可到九成以上适用先筛一遍、批量用户名关键平台确认、留截图存证命令里把--mode fast换成--mode slow即可切换要截图加--screenshots要元数据加--metadata。第 3 步看懂输出里的置信度评分每个找到的账号都带一个 rate≥75 基本可以当确认40-74 算可能低于 40 直接当误报。加--output json能把结果落成 JSON方便接进你自己的调查流程--filter good则只显示高置信命中省得翻长列表。Web 界面里 fast 模式跑完的长这样命令行版本的输出过程动图怎么把它适配到你的场景仓库当前是只读的动手前先 fork 一份到自己本地。三个最容易出效果的方向建议按顺序试加新平台编辑 data/sites.json照现有条目补一条{url: https://xxx.com/{username}, detections: [...]}再用--websites xxx单独验证这条规则。调检测规则误报多的平台多半是特征串太宽松。去 data/dict.json 和 modules/engine.js 里收紧匹配逻辑必要时给该平台加更严格的检测串。扩展元数据提取modules/extraction.js 现有的 cheerio 解析只覆盖常见 meta 标签你自己的调查维度可以在这里补规则提取到的字段会跟着进关联图谱用户画像构建也更完整。如果你主要用 Python 环境也可以直接pip3 install social-analyzer装包CLI 参数和 Node 版基本一致。最短上手路径不想装 Node 环境Docker 是最省事的git clone https://gitcode.com/GitHub_Trending/so/social-analyzer cd social-analyzer docker-compose up -d起来后浏览器打开http://localhost:9005/app.html输入用户名点 Analyze不用碰命令行。源码就在 modules/ 下每个文件职责很清楚翻一翻不难上手用出什么问题提个 Issue或者顺手给自己的调查场景补一条平台规则都很欢迎。【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