soxoj/kronikier-web

# kronikier-web 🗄️ 通过挖掘获取网站的历史电话号码和电子邮件地址 [web.archive.org](https://web.archive.org) 快照 — 完全来自您的浏览器。 [kronikier CLI](https://github.com/soxoj/kronikier) 的姊妹项目； 共享相同的提取逻辑（libphonenumber，Cloudflare cfemail decode，`[at]/[dot]` 解码，商业注册 / ISIN / 邮政地址过滤，ccTLD优先的电话区域）移植到JavaScript。 ## 快速开始 ``` git clone https://github.com/soxoj/kronikier-web cd kronikier-web python3 server.py ``` 在任何浏览器中打开 `http://localhost:8765/`。输入域名，点击 **开始**。 唯一的运行时依赖项是Python的 `requests` 包（如果您没有，请执行 `pip install requests`）。 ## 它的功能 对于一个域名（或单个URL），它： 1. 向Wayback Machine的CDX索引请求主机上每个捕获的页面， 预先过滤为可能的联系页面（`/contact`，`/about`，`/impressum`，…）。 2. 此外，探测一小部分知名的联系路径，包括 西里尔字母的（`/контакты`，`/о-нас`，`/реквизиты`）服务器端 CDX过滤器无法触及。 3. 逐个获取顶级快照，具有来自archive.org的自动速率限制和 速率限制信号的回退。 4. 提取电话（libphonenumber-js）和电子邮件（正则表达式 + Cloudflare `data-cfemail` decode + `[at]`/`[dot]` 解码）。 5. 在快照之间去重，显示每个联系值的首次/最后出现，并提供CSV下载链接。 ## 模式 - **域名**（默认）— 对主机上的可能联系页面进行排名，获取 前N个。 - **单个URL** — 遍历一个特定页面的每个存档快照，从最新开始。当您已经知道包含联系信息的页面时很有用。 ## 为什么它需要一个本地的Python启动器？ 浏览器拒绝向运行在任何其他源上的JS暴露 `web.archive.org` 响应，因为IA的CDX和回放端点不提供CORS头。`server.py` 是一个仅使用stdlib的静态服务器，具有内置的 `/proxy?url=…` 端点，它： - 与archive.org服务器端通信并回复具有宽容CORS的响应； - 完全镜像kronikier CLI的HTTP行为（一个共享的 `requests.Session()`，404/408/429/5xx的相同重试策略， 相同的User-Agent）因此Wayback Machine将其视为与CLI相同； - 将每个成功的响应缓存到磁盘（`~/.cache/kronikier-web/`）以便快速重运行 — 存档快照是不可变的，不需要过期； - 将上游允许列表锁定为 `web.archive.org` 和 `archive.org`，因此代理 意外地变成开放中继。 如果端口8765已被占用：`python3 server.py 9000`。 要清除缓存：`rm -rf ~/.cache/kronikier-web`（或通过 `KRONIEKER_WEB_CACHE_DIR` 覆盖路径）。 ## 与CLI的不同之处 CLI ([github.com/soxoj/kronikier](https://github.com/soxoj/kronikier)) 具有校准的时间预算规划器，持久的快照缓存，数百个 知名路径，并且可以扩展到非常大的网站，具有自适应并发性。 Web构建故意最小化 — 顺序获取一个小型的知名探测列表 — 但覆盖了相同的提取边缘情况（Google 跟踪ID，商业注册标记，ISIN值，地理坐标，德国邮政地址片段，日期/时间戳，等）。 对于大型网站的深度扫描，请使用CLI。 ## 文件 - `index.html` — 页面 + 内联CSS - `app.js` — CDX查询，快照获取，电话/电子邮件提取，UI - `server.py` — 静态服务器 + CORS代理 + 磁盘缓存 ## 报告错误 如果您发现提取错误（遗漏的联系，误报，混乱的输出），请通过电子邮件发送 **kronikier@soxoj.com** 或在 [github.com/soxoj/kronikier/issues](https://github.com/soxoj/kronikier/issues) 打开一个问题。 包括存档URL和出现错误的精确值。 ## 许可证 MIT.

标签：BSD, CDX索引, Cloudflare, DNS解析, JavaScript前端, libphonenumber, MITRE ATT&CK, Python后端, Syscall, Web存档, Web开发, 历史信息检索, 多模态安全, 开源项目, 数据去重, 数据可视化, 数据合规, 数据挖掘, 数据隐私, 浏览器扩展, 电子邮件识别, 电话号码识别, 网站历史数据, 网络安全, 网络应用, 联系方式提取, 自定义脚本, 逆向工具, 隐私保护