📌 项目地址：kaifcodec/user-scanner | ⭐ 4,095 颗星 | 🔧 Python | 📜 未标注
这个工具解决什么问题
OSINT 调查的起点通常就一串字符：一个邮箱，或者一个用户名。过去你要么用 Sherlock 查用户名，要么用 Holehe 查邮箱，然后在浏览器里一个个点开验证。
kaifcodec/user-scanner（4095 Star，Python）把两条路合并了：465+ 个扫描向量，其中 175+ 个站点支持邮箱查询，290+ 个平台支持用户名查询，一次输入并行探测。
输出不只是“注册/未注册”的清单。工具会抓取账号元数据：头像、简介、粉丝数、UID、卖家状态、账号属性。有了这些，你能看出目标的活跃平台分布和兴趣方向，而不是只拿到一列 URL。
我觉得最值得说的两个设计
合并邮箱和用户名扫描只是及格线，下面两点才是它和 Sherlock、Holehe 拉开差距的地方。
Pivot 引擎：线索自动滚雪球
初次扫描的结果里往往藏着新目标——bio 里写的另一个 handle、profile 页面暴露的邮箱、关联的主页链接。user-scanner 的 Cross-Scan & Pivot 引擎会自动提取这些线索，把它们当作二级目标继续扫。
一次输入，可能滚出一整张关联身份网。多数同类工具扫完第一轮就停了，这一步是纯手工时代最耗时的部分。
MCP Server：让 AI agent 自己决定查什么
pip install "user-scanner[mcp]"
装上这个版本后，Claude Desktop、Cursor、Antigravity 可以直接调用它执行扫描和递归 pivot。分工是：LLM 决定查什么、怎么关联；工具负责高并发地查。对做身份调查的人来说，这个组合值得花十分钟试试。
其他能力
- 用户名排列生成：基于通配符生成变体，覆盖 typosquatting 和替代别名。同一个人在不同平台很少用同一个 ID。
--hudson参数：查询 Hudson Rock infostealer 泄露日志。目标邮箱如果出现在恶意软件窃取的凭据里，这是高优先级线索。- 报告输出：PDF（带头像）、JSON、CSV 三种格式，能直接接进自动化流程。
- 代理支持：自动识别 http/socks5，支持代理轮换，
--validate-proxies在扫描前先做健康检查。 - 底层是
httpx+curl_cffi：除了高并发，curl_cffi 会自动模拟浏览器 TLS 指纹，能过一部分基于指纹的反爬检测，命中率比裸 requests 高。
安装
PyPI 安装：
python3 -m pip install --upgrade pip
pip install user-scanner
虚拟环境方式：
python3 -m venv .venv
source .venv/bin/activate # Windows: .venvScriptsActivate.ps1
pip install user-scanner
Linux/macOS 可以用 nix run 免安装直接跑（README 中该命令被截断，完整形式去仓库确认）。
README 明确列出的参数只有这几个：--hudson、--validate-proxies、-lu / -le（分别列出用户名/邮箱类别的扫描平台网格）。其他用法以官方文档为准。
用之前想清楚这几件事
合法使用是前提。 扫描他人账号在多数司法辖区涉及个人信息保护法。一个正当且立刻能做的用法是查自己：看自己的邮箱在多少平台留下了可被枚举的痕迹，这本身就是一次隐私审计。
误报存在。 这类工具靠 HTTP 响应特征判断账号是否存在，平台一改版就可能误判。结论要人工复核。
README 里有赞助商推广（WebVetted 等商业 OSINT 平台），这是作者的变现方式，不影响工具本身开源。
依赖提醒：curl_cffi 在部分受限环境可能装不上，用虚拟环境隔离比较稳妥。
值不值得用
如果你做安全研究或授权范围内的调查，值得。它把“查一个 ID 在哪注册过”从体力活变成了会自动展开线索、能接进 AI agent 的引擎。4095 个 Star 不是白来的。