```
├── .gitignore (100 tokens)
├── README.md (700 tokens)
├── img/
   ├── image-20250818171149337.png
   ├── image-20250819073537748.png
```


## /.gitignore

```gitignore path="/.gitignore" 
### AL ###
#Template for AL projects for Dynamics 365 Business Central
#launch.json folder
.vscode/
#Cache folder
.alcache/
#Symbols folder
.alpackages/
#Snapshots folder
.snapshots/
#Testing Output folder
.output/
#Extension App-file
*.app
#Rapid Application Development File
rad.json
#Translation Base-file
*.g.xlf
#License-file
*.flf
#Test results file
TestResults.xml
```

## /README.md

<div align="center"> <h1>Fir-Fetch </h1> <p> <img src="https://img.shields.io/badge/version-1.0-blue.svg" /> <img src="https://img.shields.io/badge/python-3.10+-brightgreen.svg" /> <img src="https://img.shields.io/badge/platform-windows-blue.svg" /> <img src="https://img.shields.io/badge/license-MIT-green.svg" /> </p> <h3>一款专为信息泄露搜集的自动化信息搜集与分析工具</h3> <p> <a>🏠功能介绍</a> • <a>🚀快速开始</a> • <a>📖使用指南</a> • <a>🔧检测模块</a> </p> </div>

> 注意：
> 源码：https://pan.quark.cn/s/de9abf9bc99b
提取码：YaBe

## 										 ✨ 项目特点 

Fir-Fetch 是一款功能强大的自动化工具，旨在从互联网上公开的文档和网页中，精准、高效地发现潜在的个人信息泄露。它通过模拟用户搜索行为，深度挖掘并智能分析PDF、Excel和HTML等多种文件格式，自动化地完成从信息搜集、文件下载、内容解析到风险告警的全过程，极大地提升了信息安全排查的效率与广度,并且设置里可以自己设置收集的关键字，支持图形化，且是exe的，无需安装环境，点击即用。

<table border="0" cellpadding="10" cellspacing="0" width="100%"> <tr valign="top"> <td width="50%"> <ul> <li><b>强大的图形化界面</b>：基于 ttkbootstrap 构建，提供现代化且直观的操作界面，所有功能均可通过简单的点击和输入完成，无需复杂的命令行操作。</li> <li><b>多目标批量扫描</b>：支持直接输入单个域名进行快速扫描，或通过导入<code>.txt</code>文件的方式，实现对大量目标的批量化、自动化检测，极大提升工作效率。</li> <li><b>多文件格式深度解析</b>：专业优化的解析引擎，能深度分析 <code>.pdf</code>、<code>.xls</code>/<code>.xlsx</code> 以及 <code>.html</code> 文件。不仅能从表格中提取结构化数据，还能通过正则表达式和上下文分析，从非结构化文本中精准识别敏感信息。</li> <li><b>智能关键词驱动</b>：内置一套经过优化的敏感信息关键词库（如“身份证”、“公示”、“名单”等），并支持通过设置界面进行完全自定义，允许用户根据具体场景调整搜索策略，实现精准打击。</li> </ul> </td> <td width="50%"> <ul> <li><b>高度可定制的扫描策略</b>：用户可以自由配置搜索页数、黑白名单关键词、是否启用联系方式收集等高级选项，实现对扫描范围和深度的精细化控制。</li> <li><b>自动化的结果归类</b>：扫描发现的敏感文件会自动根据泄露类型（如“身份证”、“学号”、“手机号和邮箱”）进行分类，并移动到对应的结果文件夹中，方便用户进行归档、审计和溯源。</li> <li><b>全面的日志与报告</b>：提供详细的实时日志输出，清晰展示每一条命中记录、下载过程和分析结果。扫描结束后，会生成一份完整的检测报告，让用户对风险状况一目了然。</li> <li><b>稳健的异常处理</b>：内置网络重试、SSL证书验证失败自动豁免、重复文件哈希校验等机制，确保在复杂的网络环境下长时间稳定运行，并避免重复处理相同内容。</li> </ul> </td> </tr> </table>



## 										🚀 快速开始

**在使用之前，请确保您已了解并同意相关法律法规，本工具仅用于授权的安全测试与评估。**

1. **准备环境**
   - 本工具为 Windows 可执行程序 `Fir-Fetch.exe`，无需安装 Python 环境。
   - 首次运行可能会触发 Playwright 首次运行的依赖安装提示，请根据程序弹窗指引同意自动安装浏览器内核。
2. **启动程序**
   - 双击 `Fir-Fetch.exe` 启动程序主界面。
3. **开始扫描**
   - 在 **"目标"** 输入框中输入单个目标域名，例如 `example.com`。
   - 点击 **[开始扫描]** 按钮，程序将立即开始执行任务。扫描结果和日志会实时显示在界面上。

## 										📖 使用指南

### 图形化界面 (`Fir-Fetch.exe`)

<img src=https://github.com/11firefly11/Fir-Fetch/blob/main/img/image-20250818171149337.png>
<img src=https://github.com/11firefly11/Fir-Fetch/blob/main/img/image-20250819073537748.png>

- **单一目标扫描**：
  - 在 **"目标"** 输入框直接输入您想要扫描的域名。
  - 根据需求在 **"选项"** 区域调整搜索页数、是否显示浏览器等。
  - 点击 **[开始扫描]**。
- **批量目标扫描**：
  - 创建一个 `.txt` 文件，将所有需要扫描的域名逐行写入并保存。
  - 点击 **[浏览文件]** 按钮，选择您刚刚创建的 `.txt` 文件。输入框将自动填充文件路径。
  - 点击 **[开始扫描]**，程序将依次扫描文件中的所有域名。
- **高级设置**：
  - 点击 **[设置]** 按钮，可以打开一个新窗口，用于自定义搜索关键词、标题黑/白名单等，以优化扫描的精准度。
  - 勾选 **[收集联系方式]** 复选框，程序将在扫描过程中额外提取并保存手机号和邮箱信息。
- **查看结果**：
  - 扫描过程中发现的敏感文件，会自动保存在程序同目录下的 `Desktop/sfz_scan/sensitive_files` 文件夹内，并按域名和泄露类型分好类。
  - 您可以随时点击 **[打开结果文件夹]** 按钮快速访问这些文件。

## 										🔧 检测模块

Fir-Fetch 内置了多个高度专业化的检测模块，以应对不同类型的敏感信息泄露场景。

| 名称                | 类型     | 说明                                                         |
| ------------------- | -------- | ------------------------------------------------------------ |
| **学号检测**        | 核心模块 | 针对教育行业场景深度优化，通过上下文（如“学号”、“姓名”等）和数据格式，有效识别学生学号信息，支持表格和“姓名+学号”文本模式匹配。 |
| **联系方式检测**    | 可选模块 | 可检测手机号码和电子邮箱地址。支持从表格的“联系方式”列提取，或从文本中直接匹配姓名与联系方式的组合，结果将单独汇总。 |
| **PDF文件解析器**   | 核心模块 | 强大的PDF解析引擎，能够提取PDF中的表格和纯文本内容，支持多页文档扫描，并从中应用其他检测模块进行分析。 |
| **Excel文件解析器** | 核心模块 | 兼容`.xls`和`.xlsx`两种格式，能够读取多个工作表（Sheet），并智能识别包含敏感信息的表头（Header）和数据列。 |
| **HTML网页解析器**  | 核心模块 | 采用Pandas和BeautifulSoup双引擎。优先尝试从HTML表格中提取结构化数据，若失败则降级为对整个网页的纯文本进行正则匹配，确保不遗漏任何信息。 |
| **智能过滤引擎**    | 辅助模块 | 通过可自定义的黑白名单关键词，对搜索结果的标题和摘要进行预过滤，剔除大量无关信息（如招聘、采购），专注于高价值目标。 |


## /img/image-20250818171149337.png

Binary file available at https://raw.githubusercontent.com/11firefly11/Fir-Fetch/refs/heads/main/img/image-20250818171149337.png

## /img/image-20250819073537748.png

Binary file available at https://raw.githubusercontent.com/11firefly11/Fir-Fetch/refs/heads/main/img/image-20250819073537748.png


The better and more specific the context, the better the LLM can follow instructions. If the context seems verbose, the user can refine the filter using uithub. Thank you for using https://uithub.com - Perfect LLM context for any GitHub repo.