Developer manual: Optimize Debian build instructions.
[privoxy.git] / encode.c
1 /*********************************************************************
2  *
3  * File        :  $Source: /cvsroot/ijbswa/current/encode.c,v $
4  *
5  * Purpose     :  Functions to encode and decode URLs, and also to
6  *                encode cookies and HTML text.
7  *
8  * Copyright   :  Written by and Copyright (C) 2001 the
9  *                Privoxy team. https://www.privoxy.org/
10  *
11  *                Based on the Internet Junkbuster originally written
12  *                by and Copyright (C) 1997 Anonymous Coders and
13  *                Junkbusters Corporation.  http://www.junkbusters.com
14  *
15  *                This program is free software; you can redistribute it
16  *                and/or modify it under the terms of the GNU General
17  *                Public License as published by the Free Software
18  *                Foundation; either version 2 of the License, or (at
19  *                your option) any later version.
20  *
21  *                This program is distributed in the hope that it will
22  *                be useful, but WITHOUT ANY WARRANTY; without even the
23  *                implied warranty of MERCHANTABILITY or FITNESS FOR A
24  *                PARTICULAR PURPOSE.  See the GNU General Public
25  *                License for more details.
26  *
27  *                The GNU General Public License should be included with
28  *                this file.  If not, you can view it at
29  *                http://www.gnu.org/copyleft/gpl.html
30  *                or write to the Free Software Foundation, Inc., 59
31  *                Temple Place - Suite 330, Boston, MA  02111-1307, USA.
32  *
33  *********************************************************************/
34
35
36 #include "config.h"
37
38 #include <stdio.h>
39 #include <stdlib.h>
40 #include <string.h>
41 #include <assert.h>
42
43 #include "miscutil.h"
44 #include "encode.h"
45
46 /* Maps special characters in a URL to their equivalent % codes. */
47 static const char url_code_map[256][4] = {
48    "",    "%01", "%02", "%03", "%04", "%05", "%06", "%07", "%08", "%09",
49    "%0A", "%0B", "%0C", "%0D", "%0E", "%0F", "%10", "%11", "%12", "%13",
50    "%14", "%15", "%16", "%17", "%18", "%19", "%1A", "%1B", "%1C", "%1D",
51    "%1E", "%1F", "%20", "%21", "%22", "%23", "%24", "%25", "%26", "%27",
52    "%28", "%29", "",    "%2B", "%2C", "",    "",    "%2F", "",    "",
53    "",    "",    "",    "",    "",    "",    "",    "",    "%3A", "%3B",
54    "%3C", "%3D", "%3E", "%3F", "",    "",    "",    "",    "",    "",
55    "",    "",    "",    "",    "",    "",    "",    "",    "",    "",
56    "",    "",    "",    "",    "",    "",    "",    "",    "",    "",
57    "",    "%5B", "%5C", "%5D", "%5E", "",    "%60", "",    "",    "",
58    "",    "",    "",    "",    "",    "",    "",    "",    "",    "",
59    "",    "",    "",    "",    "",    "",    "",    "",    "",    "",
60    "",    "",    "",    "%7B", "%7C", "%7D", "%7E", "%7F", "%80", "%81",
61    "%82", "%83", "%84", "%85", "%86", "%87", "%88", "%89", "%8A", "%8B",
62    "%8C", "%8D", "%8E", "%8F", "%90", "%91", "%92", "%93", "%94", "%95",
63    "%96", "%97", "%98", "%99", "%9A", "%9B", "%9C", "%9D", "%9E", "%9F",
64    "%A0", "%A1", "%A2", "%A3", "%A4", "%A5", "%A6", "%A7", "%A8", "%A9",
65    "%AA", "%AB", "%AC", "%AD", "%AE", "%AF", "%B0", "%B1", "%B2", "%B3",
66    "%B4", "%B5", "%B6", "%B7", "%B8", "%B9", "%BA", "%BB", "%BC", "%BD",
67    "%BE", "%BF", "%C0", "%C1", "%C2", "%C3", "%C4", "%C5", "%C6", "%C7",
68    "%C8", "%C9", "%CA", "%CB", "%CC", "%CD", "%CE", "%CF", "%D0", "%D1",
69    "%D2", "%D3", "%D4", "%D5", "%D6", "%D7", "%D8", "%D9", "%DA", "%DB",
70    "%DC", "%DD", "%DE", "%DF", "%E0", "%E1", "%E2", "%E3", "%E4", "%E5",
71    "%E6", "%E7", "%E8", "%E9", "%EA", "%EB", "%EC", "%ED", "%EE", "%EF",
72    "%F0", "%F1", "%F2", "%F3", "%F4", "%F5", "%F6", "%F7", "%F8", "%F9",
73    "%FA", "%FB", "%FC", "%FD", "%FE", "%FF"
74 };
75
76 /* Maps special characters in HTML to their equivalent entities. */
77 static const char * const html_code_map[256] = {
78    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
79    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
80    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
81    NULL, NULL, NULL, NULL,"&quot;",NULL,NULL,NULL,"&amp;","&#39;",
82    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
83    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
84    "&lt;",NULL,"&gt;",NULL,NULL, NULL, NULL, NULL, NULL, NULL,
85    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
86    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
87    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
88    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
89    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
90    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
91    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
92    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
93    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
94    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
95    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
96    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
97    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
98    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
99    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
100    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
101    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
102    NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL, NULL,
103    NULL, NULL, NULL, NULL, NULL, NULL
104 };
105
106
107 /*********************************************************************
108  *
109  * Function    :  html_encode
110  *
111  * Description :  Encodes a string so it's not interpreted as
112  *                containing HTML tags or entities.
113  *                Replaces <, >, &, and " with the appropriate HTML
114  *                entities.
115  *
116  * Parameters  :
117  *          1  :  s = String to encode.  Null-terminated.
118  *
119  * Returns     :  Encoded string, newly allocated on the heap.
120  *                Caller is responsible for freeing it with free().
121  *                If s is NULL, or on out-of memory, returns NULL.
122  *
123  *********************************************************************/
124 char * html_encode(const char *s)
125 {
126    char * buf;
127    size_t buf_size;
128
129    if (s == NULL)
130    {
131       return NULL;
132    }
133
134    /* each input char can expand to at most 6 chars */
135    buf_size = (strlen(s) * 6) + 1;
136    buf = (char *) malloc(buf_size);
137
138    if (buf)
139    {
140       char c;
141       char * p = buf;
142       while ((c = *s++) != '\0')
143       {
144          const char * replace_with = html_code_map[(unsigned char) c];
145          if (replace_with != NULL)
146          {
147             const size_t bytes_written = (size_t)(p - buf);
148             assert(bytes_written < buf_size);
149             p += strlcpy(p, replace_with, buf_size - bytes_written);
150          }
151          else
152          {
153             *p++ = c;
154          }
155       }
156
157       *p = '\0';
158
159       assert(strlen(buf) < buf_size);
160    }
161
162    return(buf);
163 }
164
165
166 /*********************************************************************
167  *
168  * Function    :  html_encode_and_free_original
169  *
170  * Description :  Encodes a string so it's not interpreted as
171  *                containing HTML tags or entities.
172  *                Replaces <, >, &, and " with the appropriate HTML
173  *                entities.  Free()s original string.
174  *                If original string is NULL, simply returns NULL.
175  *
176  * Parameters  :
177  *          1  :  s = String to encode.  Null-terminated.
178  *
179  * Returns     :  Encoded string, newly allocated on the heap.
180  *                Caller is responsible for freeing it with free().
181  *                If s is NULL, or on out-of memory, returns NULL.
182  *
183  *********************************************************************/
184 char * html_encode_and_free_original(char *s)
185 {
186    char * result;
187
188    if (s == NULL)
189    {
190       return NULL;
191    }
192
193    result = html_encode(s);
194    free(s);
195
196    return result;
197 }
198
199
200 /*********************************************************************
201  *
202  * Function    :  url_encode
203  *
204  * Description :  Encodes a string so it can be used in a URL
205  *                query string.  Replaces special characters with
206  *                the appropriate %xx codes.
207  *
208  *                XXX: url_query_encode() would be a more fitting
209  *                     name.
210  *
211  * Parameters  :
212  *          1  :  s = String to encode.  Null-terminated.
213  *
214  * Returns     :  Encoded string, newly allocated on the heap.
215  *                Caller is responsible for freeing it with free().
216  *                If s is NULL, or on out-of memory, returns NULL.
217  *
218  *********************************************************************/
219 char * url_encode(const char *s)
220 {
221    char * buf;
222    size_t buf_size;
223
224    if (s == NULL)
225    {
226       return NULL;
227    }
228
229    /* each input char can expand to at most 3 chars */
230    buf_size = (strlen(s) * 3) + 1;
231    buf = (char *) malloc(buf_size);
232
233    if (buf)
234    {
235       char c;
236       char * p = buf;
237       while((c = *s++) != '\0')
238       {
239          const char *replace_with = url_code_map[(unsigned char) c];
240          if (*replace_with != '\0')
241          {
242             const size_t bytes_written = (size_t)(p - buf);
243             assert(bytes_written < buf_size);
244             p += strlcpy(p, replace_with, buf_size - bytes_written);
245          }
246          else
247          {
248             *p++ = c;
249          }
250       }
251
252       *p = '\0';
253
254       assert(strlen(buf) < buf_size);
255    }
256
257    return(buf);
258 }
259
260
261 /*********************************************************************
262  *
263  * Function    :  xdtoi
264  *
265  * Description :  Converts a single hex digit to an integer.
266  *
267  * Parameters  :
268  *          1  :  d = in the range of ['0'..'9', 'A'..'F', 'a'..'f']
269  *
270  * Returns     :  The integer value, or -1 for non-hex characters.
271  *
272  *********************************************************************/
273 static int xdtoi(const int d)
274 {
275    if ((d >= '0') && (d <= '9'))
276    {
277       return(d - '0');
278    }
279    else if ((d >= 'a') && (d <= 'f'))
280    {
281       return(d - 'a' + 10);
282    }
283    else if ((d >= 'A') && (d <= 'F'))
284    {
285       return(d - 'A' + 10);
286    }
287    else
288    {
289       return(-1);
290    }
291 }
292
293
294 /*********************************************************************
295  *
296  * Function    :  xtoi
297  *
298  * Description :  Hex string to integer conversion.
299  *
300  * Parameters  :
301  *          1  :  s = a 2 digit hex string (e.g. "1f").  Only the
302  *                    first two characters will be looked at.
303  *
304  * Returns     :  The integer value, or 0 for non-hex strings.
305  *
306  *********************************************************************/
307 int xtoi(const char *s)
308 {
309    int d1;
310
311    d1 = xdtoi(*s);
312    if (d1 >= 0)
313    {
314       int d2 = xdtoi(*(s+1));
315       if (d2 >= 0)
316       {
317          return (d1 << 4) + d2;
318       }
319    }
320
321    return 0;
322 }
323
324
325 /*********************************************************************
326  *
327  * Function    :  url_decode
328  *
329  * Description :  Decodes a URL query string, replacing %xx codes
330  *                with their decoded form.
331  *
332  * Parameters  :
333  *          1  :  s = String to decode.  Null-terminated.
334  *
335  * Returns     :  Decoded string, newly allocated on the heap.
336  *                Caller is responsible for freeing it with free().
337  *
338  *********************************************************************/
339 char *url_decode(const char * s)
340 {
341    char *buf = malloc(strlen(s) + 1);
342    char *q = buf;
343
344    if (buf)
345    {
346       while (*s)
347       {
348          switch (*s)
349          {
350             case '+':
351                s++;
352                *q++ = ' ';
353                break;
354
355             case '%':
356                if ((*q = (char)xtoi(s + 1)) != '\0')
357                {
358                   s += 3;
359                   q++;
360                }
361                else
362                {
363                   /* malformed, just use it */
364                   *q++ = *s++;
365                }
366                break;
367
368             default:
369                *q++ = *s++;
370                break;
371          }
372       }
373       *q = '\0';
374    }
375
376    return(buf);
377
378 }
379
380
381 /*********************************************************************
382  *
383  * Function    :  percent_encode_url
384  *
385  * Description :  Percent-encodes a string so it no longer contains
386  *                any characters that aren't valid in an URL according
387  *                to RFC 3986.
388  *
389  *                XXX: Do not confuse with encode_url()
390  *
391  * Parameters  :
392  *          1  :  s = String to encode.  Null-terminated.
393  *
394  * Returns     :  Encoded string, newly allocated on the heap.
395  *                Caller is responsible for freeing it with free().
396  *                If s is NULL, or on out-of memory, returns NULL.
397  *
398  *********************************************************************/
399 char *percent_encode_url(const char *s)
400 {
401    static const char allowed_characters[128] = {
402       '\0', '\0', '\0', '\0', '\0', '\0', '\0', '\0', '\0', '\0',
403       '\0', '\0', '\0', '\0', '\0', '\0', '\0', '\0', '\0', '\0',
404       '\0', '\0', '\0', '\0', '\0', '\0', '\0', '\0', '\0', '\0',
405       '\0', '\0', '\0', '!',  '\0', '#',  '$',  '%',  '&',  '\'',
406       '(',  ')',  '*',  '+',  ',',  '-',  '.',  '/',  '0',  '1',
407       '2',  '3',  '4',  '5',  '6',  '7',  '8',  '9',  ':',  ';',
408       '\0', '=',  '\0', '?',  '@',  'A',  'B',  'C',  'D',  'E',
409       'F',  'G',  'H',  'I',  'J',  'K',  'L',  'M',  'N',  'O',
410       'P',  'Q',  'R',  'S',  'T',  'U',  'V',  'W',  'X',  'Y',
411       'Z',  '[',  '\0', ']',  '\0', '_',  '\0', 'a',  'b',  'c',
412       'd',  'e',  'f',  'g',  'h',  'i',  'j',  'k',  'l',  'm',
413       'n',  'o',  'p',  'q',  'r',  's',  't',  'u',  'v',  'w',
414       'x',  'y',  'z',  '\0', '\0', '\0', '~',  '\0'
415    };
416    char *buf;
417    size_t buf_size;
418
419    assert(s != NULL);
420
421    /* Each input char can expand to at most 3 chars. */
422    buf_size = (strlen(s) * 3) + 1;
423    buf = (char *)malloc(buf_size);
424
425    if (buf != NULL)
426    {
427       char c;
428       char *p = buf;
429       while ((c = *s++) != '\0')
430       {
431          const unsigned int i = (unsigned char)c;
432          if (i >= sizeof(allowed_characters) || '\0' == allowed_characters[i])
433          {
434             const char *replace_with = url_code_map[i];
435             assert(*replace_with != '\0');
436             if (*replace_with != '\0')
437             {
438                const size_t bytes_written = (size_t)(p - buf);
439                assert(bytes_written < buf_size);
440                p += strlcpy(p, replace_with, buf_size - bytes_written);
441             }
442          }
443          else
444          {
445             *p++ = c;
446          }
447       }
448       *p = '\0';
449
450       assert(strlen(buf) < buf_size);
451    }
452
453    return(buf);
454
455 }
456
457
458 /*
459   Local Variables:
460   tab-width: 3
461   end:
462 */