chinese-osint-skills

Imported from zomin/chinese-osint-skills (AGENTS.md). Install upstream with npx skills add zomin/chinese-osint-skills. Copyright stays with the author.

Chinese OSINT — 国内人员数字足迹搜索

根据有限信息（姓名、手机号、QQ号、昵称等）在中国互联网上查找特定人员的公开信息。

适用场景：安全研究、失联人员寻找、防诈骗核实、社交媒体调查。 前置要求：Python 3.8+，见 requirements.txt 和各脚本头部的安装说明。

工具优先级（从高效到低效）

Tier 1：直接API（最快，无需浏览器）

QQ注册时间查询（两种方式）：

方式一：第三方API（精确到秒）

# 使用脚本一键查询（含昵称、等级、注册时间、注册天数等）
python scripts/qq_info.py --qq 123456789

注意：第三方API需要注册获取key，接口可能随时变更。脚本默认使用小渡API。

方式二：号段估算（无需API，精度为年份）

注意：QQ号为随机分配（非严格递增），回收号/靓号等可能偏离此表。仅作为粗略参考。

快速验证QQ号是否存在：

python scripts/qq_avatar.py --qq 123456789

Tier 2：本地 Playwright 浏览器自动化（通用最有效方式）

本地 Playwright + stealth 插件可以访问大部分中国社交平台，这是不依赖任何云服务的通用方案。

安装：

pip install playwright playwright-stealth
playwright install chromium

搜索引擎搜索（绕过大部分CAPTCHA）：

Bing搜索技巧：

• 搜索词带引号提高精度："<nickname>" <city>
• site: 限定域名：site:weibo.com "<nickname>"、site:douyin.com "<nickname>"
• 搜索结果中 .b_caption p 包含摘要文本（最有价值的信息）

DuckDuckGo HTML搜索（无需浏览器）：

import requests, urllib.parse
from bs4 import BeautifulSoup

encoded_query = urllib.parse.quote("<nickname> <city>")
url = f"https://html.duckduckgo.com/html/?q={encoded_query}"
resp = requests.get(url, headers={"User-Agent": "Mozilla/5.0"}, timeout=10)
soup = BeautifulSoup(resp.text, 'html.parser')
for result in soup.select('.result'):
    title = result.select_one('.result__title a')
    snippet = result.select_one('.result__snippet')
    if title:
        print(f"{title.text.strip()}: {snippet.text.strip() if snippet else ''}")

Tier 2.5：微博一次性窗口抓取

本地 Playwright + stealth 可以访问 m.weibo.cn，但只有首次加载有效，后续请求立即触发点击验证码。

核心策略：一次加载，全部拦截

from playwright.async_api import async_playwright
from playwright_stealth import Stealth

# 1. 拦截API响应（最重要 — 在CAPTCHA触发前获取数据）
api_data = []
async def on_response(resp):
    if 'container/getIndex' in resp.url:
        data = await resp.json()
        cards = data.get('data', {}).get('cards', [])
        for card in cards:
            mblog = card.get('mblog', {})
            # 原创判断：not mblog.get('retweeted_status')
            # region_name: "发布于 <province>"  ← 极其重要的定位信息
            # pic_ids: 图片ID列表（但图片本身被防盗链）
            # source: "iPhone客户端"
            api_data.append(mblog)

page.on('response', on_response)

关键发现：

• containerid 107603{uid} = 微博列表（含region_name等详细字段）
• containerid 100505{uid} = 用户主页信息
• region_name 是定位利器（如"发布于 XX省"，可定位用户当前所在地）
• 首次加载成功后，不要再请求任何微博页面 — 验证码一旦触发，整个session作废
• 微博图片(sinaimg.cn)有严格防盗链，即使用浏览器下载也返回403 — 只能截图保存
• 滚动翻页大概率触发验证码，不如只拿首页10条数据就停止

图片获取变通方案：用 page.screenshot() 截图保存页面中的图片，而非直接下载CDN图片。

一键抓取：

python scripts/weibo_scraper.py --uid 1234567890

Tier 3：本地curl（命中率≈0%，不要浪费时间）

结论：所有搜索任务优先用 Playwright 浏览器自动化，不要在curl上浪费时间。

Tier 3.5：各平台直接访问情况

当通过浏览器自动化访问各平台时：

必做前提：先访问 m.weibo.cn/ 建立cookie，否则微博直接弹验证码。

关键陷阱

1. 视觉AI分析图片的局限性

视觉AI模型对本地文件路径分析不稳定，优先使用URL直接分析。

替代方案：下载头像后用PIL/numpy做基础分析（颜色丰富度、肤色占比、边缘密度）：

python scripts/avatar_analysis.py --url "https://q1.qlogo.cn/g?b=qq&nk=QQ号&s=640"

from PIL import Image, ImageFilter
import numpy as np
img = Image.open('/tmp/avatar.jpg')
arr = np.array(img)
unique_colors = len(np.unique(arr.reshape(-1, 3), axis=0))  # >50000≈照片, <5000≈插画
skin_pct = ((arr[:,:,0]>150)&(arr[:,:,0]<255)&(arr[:,:,1]>80)&(arr[:,:,1]<200)&(arr[:,:,2]>50)&(arr[:,:,2]<180)).sum()/(arr.shape[0]*arr.shape[1])*100  # >20%≈真人
edge_intensity = np.array(img.filter(ImageFilter.FIND_EDGES)).mean()  # >8≈照片细节

2. QQ昵称GBK编码Bug

# users.qzone.qq.com 返回的昵称数据编码混乱
# 示例hex: efbfbd efbfbd c8a6 c8a6
# efbfbd = UTF-8 replacement char（数据已在服务器端损坏）
# 后面的bytes用GBK解码可得到部分正确汉字
# 解决：对原始bytes分别用 UTF-8 和 GBK 解码，取可读部分拼合

3. Vision API 误判真实照片

• 街拍/时尚照片经常被误判为"二次元动漫风"
• 不能依赖视觉AI判断头像是否真人
• 必须由人工确认

4. XLSX解析（无openpyxl时）

import zipfile, xml.etree.ElementTree as ET
z = zipfile.ZipFile('file.xlsx')
ss = z.read('xl/sharedStrings.xml')
root = ET.fromstring(ss)
ns = '{http://schemas.openxmlformats.org/spreadsheetml/2006/main}'
strings = []
for si in root.findall(f'{ns}si'):
    t = si.find(f'{ns}t')
    if t is not None:
        strings.append(t.text or '')

5. 同名同姓极度常见

• 常见昵称在多个平台可能有多人使用
• 生日是最佳区分因子
• 必须用多维度交叉验证：生日+城市+教育经历+职业
• 微博 region_name 是极好的定位信号，可以确认用户当前所在地
• 排除标准：IP属地、简介信息（学校/职业）、年龄感、内容风格

标准搜索流程

1. QQ号 → 头像+空间可见性（Tier 1 API直接获取）
2. 昵称 → 用昵称跑sherlock+maigret批量枚举平台，再用搜索引擎搜抖音/小红书/微博
3. 姓名+城市 → Playwright搜索Bing/百度、查天眼查快照（Tier 2）
4. 手机号 → 确认归属地+企业关联搜索（注意：多为数据污染，不代表真实工作关系）
5. Wayback Machine → CDX API查历史快照（成功率低，可跳过）
6. 交叉验证 → 用生日/城市/教育/年龄排除同名同姓

QQ昵称提取实战经验

2026年4月起QQ昵称API全部失效：r.qzone.qq.com/fcg-bin/cgi_get_portrait.fcg 等接口都返回登录要求，不再支持匿名查询。

替代方案（按可靠性排序）：

1. 让用户直接看QQ上的昵称（最可靠）
2. 第三方QQ查询网站（大多数已下线或返回空数据）
3. QQ空间页面title（封闭空间只显示"QQ空间-分享生活，留住感动"，不含昵称）
4. 搜索引擎缓存（QQ号+昵称的关联信息可能被索引过）

"番番寻客宝"/企业关联 = 数据污染

手机号在百度搜索中出现企业关联（番番寻客宝/寻客宝），这些是百度企业黄页爬虫批量抓取的结果：

• 号码出现在多家不相关公司（跨省/跨行业）→ 大概率是数据污染
• 判断标准：企业地域是否和目标人物活动轨迹匹配
• 不能作为工作经历证据，但可辅助确认号码归属地

昵称跨平台搜索经验

用QQ昵称做跨平台搜索时：

1. sherlock + maigret 先跑一遍，能快速枚举210+平台的注册情况
2. 同名用户极多，必须交叉验证
3. 排除标准：IP属地、简介信息（学校/职业）、年龄感、内容风格

• B站空间页面（space.bilibili.com）无需登录即可看到：用户名、签名、学校、Instagram、粉丝/关注数
• 常见昵称在搜索引擎中完全无法定位，需用户手动在微信/支付宝验证手机号
• 微博防盗链极严：sinaimg.cn图片即使用浏览器也返回403，只能截图保存

用户手动操作（自动化无法替代）

自动化工具

Maigret（跨平台用户名搜索）

# 搜210+平台
pip install maigret
maigret "<username>" --no-color --timeout 15 --top-sites 200

• 覆盖平台：YouTube, Wikipedia, Discord, Minecraft, TikTok等210+主流平台
• 局限：不支持微信/微博/小红书/抖音等中国封闭平台（这些需Playwright浏览器自动化）
• 常见问题：中文用户名在部分平台报"Illegal Username Format"（正常）

Sherlock（辅助用户名搜索）

pip install sherlock-project
sherlock "<username>" --no-color --timeout 10 --print-found

• 覆盖400+平台，与Maigret互补
• 对中文用户名误报率较高（需逐个验证）

Bilibili API（直接可用，无需登录）

# 用户搜索（需先获取buvid3 cookie）
curl -s "https://www.bilibili.com" -c /tmp/bili_cookie.txt
curl -s "https://api.bilibili.com/x/web-interface/search/type?search_type=bili_user&keyword=<username>" \
  -H "Referer: https://www.bilibili.com" -b /tmp/bili_cookie.txt

# 用户详情
curl -s "https://api.bilibili.com/x/web-interface/card?mid=<mid>" \
  -H "Referer: https://www.bilibili.com"

反向图片搜索

• 百度识图：image.baidu.com（需浏览器，本地curl不行）
• Yandex Images：yandex.com/images（对人脸识别较好）
• 头像MD5比对：下载头像计算MD5，快速排除不同图片

值得手动尝试的平台

环境依赖

• Playwright + playwright-stealth（推荐，核心浏览器自动化工具）
• Maigret + Sherlock（用于国际平台用户名枚举，pip install）
• Pillow + numpy（用于头像像素分析判断真假照片）
• requests + beautifulsoup4（HTTP请求和HTML解析）