Maigret 用户名分析工具

解决什么问题

在公开网络调查中，最棘手的起点往往只有一个用户名。手动验证一个名字是否存在于某个论坛、代码托管平台或社交网络，需要逐个站点搜索、翻页、核对资料，重复且低效。更麻烦的是，同名账号遍地都是，如何在浩如烟海的搜索结果里判断哪些属于同一个人？

Maigret 的目标就是把这个笨办法自动化：输入一个用户名，输出一份结构化的「人物档案」，列出该用户名在哪些站点出现过，以及页面上可提取的公开信息。

技能如何工作

Maigret 是 Sherlock 的一个强化分支，核心能力包括三块：

• 大规模站点探测：内置 3000 多个站点的检测规则，默认运行时按流量排名检查排名前 500 的高权重站点；追加 -a 参数可扫描全部站点，或用 --tags 按类别缩小范围。
• 递归搜索：不满足于一次命中。它会顺着已发现的账号页面继续向外扩展，从关联页面中收集更多线索。
• 资料解析与报告：对找到的页面做 profile parsing，抽取公开资料字段，最终输出结构化报告（如 --html），方便归档和二次分析。

典型的使用路径是：给定目标用户名 → 选择扫描范围（默认 Top 500 或全量）→ 逐站检测账号是否存在 → 递归抓取关联信息 → 汇总为报告。它也支持作为库嵌入 Python 项目，通过 import maigret 以编程方式发起搜索，适合集成进自动化流水线。

适用边界与注意点

• 覆盖度不等于命中率：3000 多个站点的规则覆盖广，但每个站点的结构、反爬策略和可用性都在变化，部分站点可能失效或返回不可靠结果。
• 结果只是线索，不是定论：同名账号大量存在，检测到账号存在不等于确认归属。报告内容应结合人工研判使用。
• 环境要求：需要 Python 3.10 及以上版本；若以 Docker 方式运行，注意报告目录的挂载路径。
• 合规使用：该工具仅查询公开可见的信息，使用者应自行确保行为符合目标站点条款与当地法律法规。