Remove stray space
[privoxy.git] / pcrs.c
1 /*********************************************************************
2  *
3  * File        :  $Source: /cvsroot/ijbswa/current/pcrs.c,v $
4  *
5  * Purpose     :  pcrs is a supplement to the pcre library by Philip Hazel
6  *                <ph10@cam.ac.uk> and adds Perl-style substitution. That
7  *                is, it mimics Perl's 's' operator. See pcrs(3) for details.
8  *
9  *                WARNING: This file contains additional functions and bug
10  *                fixes that aren't part of the latest official pcrs package
11  *                (which apparently is no longer maintained).
12  *
13  * Copyright   :  Written and Copyright (C) 2000, 2001 by Andreas S. Oesterhelt
14  *                <andreas@oesterhelt.org>
15  *
16  *                Copyright (C) 2006, 2007 Fabian Keil <fk@fabiankeil.de>
17  *
18  *                This program is free software; you can redistribute it
19  *                and/or modify it under the terms of the GNU General
20  *                Public License as published by the Free Software
21  *                Foundation; either version 2 of the License, or (at
22  *                your option) any later version.
23  *
24  *                This program is distributed in the hope that it will
25  *                be useful, but WITHOUT ANY WARRANTY; without even the
26  *                implied warranty of MERCHANTABILITY or FITNESS FOR A
27  *                PARTICULAR PURPOSE.  See the GNU General Public
28  *                License for more details.
29  *
30  *                The GNU General Public License should be included with
31  *                this file.  If not, you can view it at
32  *                http://www.gnu.org/copyleft/gpl.html
33  *                or write to the Free Software Foundation, Inc., 59
34  *                Temple Place - Suite 330, Boston, MA  02111-1307, USA.
35  *
36  *********************************************************************/
37
38
39 #include <string.h>
40 #include <ctype.h>
41 #include <assert.h>
42
43 /*
44  * Include project.h just so that the right pcre.h gets
45  * included from there
46  */
47 #include "project.h"
48
49 /* For snprintf only */
50 #include "miscutil.h"
51 /* For xtoi */
52 #include "encode.h"
53
54 #include "pcrs.h"
55
56 /*
57  * Internal prototypes
58  */
59
60 static int              pcrs_parse_perl_options(const char *optstring, int *flags);
61 static pcrs_substitute *pcrs_compile_replacement(const char *replacement, int trivialflag,
62                         int capturecount, int *errptr);
63 static int              is_hex_sequence(const char *sequence);
64
65 /*********************************************************************
66  *
67  * Function    :  pcrs_strerror
68  *
69  * Description :  Return a string describing a given error code.
70  *
71  * Parameters  :
72  *          1  :  error = the error code
73  *
74  * Returns     :  char * to the descriptive string
75  *
76  *********************************************************************/
77 const char *pcrs_strerror(const int error)
78 {
79    static char buf[100];
80
81    if (error != 0)
82    {
83       switch (error)
84       {
85          /* Passed-through PCRE error: */
86          case PCRE_ERROR_NOMEMORY:     return "(pcre:) No memory";
87
88          /* Shouldn't happen unless PCRE or PCRS bug, or user messed with compiled job: */
89          case PCRE_ERROR_NULL:         return "(pcre:) NULL code or subject or ovector";
90          case PCRE_ERROR_BADOPTION:    return "(pcre:) Unrecognized option bit";
91          case PCRE_ERROR_BADMAGIC:     return "(pcre:) Bad magic number in code";
92          case PCRE_ERROR_UNKNOWN_NODE: return "(pcre:) Bad node in pattern";
93
94          /* Can't happen / not passed: */
95          case PCRE_ERROR_NOSUBSTRING:  return "(pcre:) Fire in power supply";
96          case PCRE_ERROR_NOMATCH:      return "(pcre:) Water in power supply";
97
98 #ifdef PCRE_ERROR_MATCHLIMIT
99          /*
100           * Only reported by PCRE versions newer than our own.
101           */
102          case PCRE_ERROR_MATCHLIMIT:   return "(pcre:) Match limit reached";
103 #endif /* def PCRE_ERROR_MATCHLIMIT */
104
105          /* PCRS errors: */
106          case PCRS_ERR_NOMEM:          return "(pcrs:) No memory";
107          case PCRS_ERR_CMDSYNTAX:      return "(pcrs:) Syntax error while parsing command";
108          case PCRS_ERR_STUDY:          return "(pcrs:) PCRE error while studying the pattern";
109          case PCRS_ERR_BADJOB:         return "(pcrs:) Bad job - NULL job, pattern or substitute";
110          case PCRS_WARN_BADREF:        return "(pcrs:) Backreference out of range";
111          case PCRS_WARN_TRUNCATION:
112             return "(pcrs:) At least one variable was too big and has been truncated before compilation";
113
114          /*
115           * XXX: With the exception of PCRE_ERROR_MATCHLIMIT we
116           * only catch PCRE errors that can happen with our internal
117           * version. If Privoxy is linked against a newer
118           * PCRE version all bets are off ...
119           */
120          default:
121             snprintf(buf, sizeof(buf),
122                "Error code %d. For details, check the pcre documentation.",
123                error);
124             return buf;
125       }
126    }
127    /* error >= 0: No error */
128    return "(pcrs:) Everything's just fine. Thanks for asking.";
129
130 }
131
132
133 /*********************************************************************
134  *
135  * Function    :  pcrs_parse_perl_options
136  *
137  * Description :  This function parses a string containing the options to
138  *                Perl's s/// operator. It returns an integer that is the
139  *                pcre equivalent of the symbolic optstring.
140  *                Since pcre doesn't know about Perl's 'g' (global) or pcrs',
141  *                'T' (trivial) options but pcrs needs them, the corresponding
142  *                flags are set if 'g'or 'T' is encountered.
143  *                Note: The 'T' and 'U' options do not conform to Perl.
144  *
145  * Parameters  :
146  *          1  :  optstring = string with options in perl syntax
147  *          2  :  flags = see description
148  *
149  * Returns     :  option integer suitable for pcre
150  *
151  *********************************************************************/
152 static int pcrs_parse_perl_options(const char *optstring, int *flags)
153 {
154    size_t i;
155    int rc = 0;
156    *flags = 0;
157
158    if (NULL == optstring) return 0;
159
160    for (i = 0; i < strlen(optstring); i++)
161    {
162       switch(optstring[i])
163       {
164          case 'e': break; /* ToDo ;-) */
165          case 'g': *flags |= PCRS_GLOBAL; break;
166          case 'i': rc |= PCRE_CASELESS; break;
167          case 'm': rc |= PCRE_MULTILINE; break;
168          case 'o': break;
169          case 's': rc |= PCRE_DOTALL; break;
170          case 'x': rc |= PCRE_EXTENDED; break;
171          case 'U': rc |= PCRE_UNGREEDY; break;
172          case 'T': *flags |= PCRS_TRIVIAL; break;
173          default: break;
174       }
175    }
176    return rc;
177
178 }
179
180
181 #ifdef FUZZ
182 /*********************************************************************
183  *
184  * Function    :  pcrs_compile_fuzzed_replacement
185  *
186  * Description :  Wrapper around pcrs_compile_replacement() for
187  *                fuzzing purposes.
188  *
189  * Parameters  :
190  *          1  :  replacement = replacement part of s/// operator
191  *                              in perl syntax
192  *          2  :  errptr = pointer to an integer in which error
193  *                         conditions can be returned.
194  *
195  * Returns     :  pcrs_substitute data structure, or NULL if an
196  *                error is encountered. In that case, *errptr has
197  *                the reason.
198  *
199  *********************************************************************/
200 extern pcrs_substitute *pcrs_compile_fuzzed_replacement(const char *replacement, int *errptr)
201 {
202    int capturecount = PCRS_MAX_SUBMATCHES; /* XXX: fuzzworthy? */
203    int trivial_flag = 0; /* We don't want to fuzz strncpy() */
204
205    *errptr = 0; /* XXX: Should pcrs_compile_replacement() do this? */
206
207    return pcrs_compile_replacement(replacement, trivial_flag, capturecount, errptr);
208
209 }
210 #endif
211
212
213 /*********************************************************************
214  *
215  * Function    :  pcrs_compile_replacement
216  *
217  * Description :  This function takes a Perl-style replacement (2nd argument
218  *                to the s/// operator and returns a compiled pcrs_substitute,
219  *                or NULL if memory allocation for the substitute structure
220  *                fails.
221  *
222  * Parameters  :
223  *          1  :  replacement = replacement part of s/// operator
224  *                              in perl syntax
225  *          2  :  trivialflag = Flag that causes backreferences to be
226  *                              ignored.
227  *          3  :  capturecount = Number of capturing subpatterns in
228  *                               the pattern. Needed for $+ handling.
229  *          4  :  errptr = pointer to an integer in which error
230  *                         conditions can be returned.
231  *
232  * Returns     :  pcrs_substitute data structure, or NULL if an
233  *                error is encountered. In that case, *errptr has
234  *                the reason.
235  *
236  *********************************************************************/
237 static pcrs_substitute *pcrs_compile_replacement(const char *replacement, int trivialflag, int capturecount, int *errptr)
238 {
239    int i, k, l, quoted;
240    char *text;
241    pcrs_substitute *r;
242 #ifndef FUZZ
243    size_t length;
244 #else
245    static size_t length;
246 #endif
247    i = k = l = quoted = 0;
248
249    /*
250     * Sanity check
251     */
252    if (NULL == replacement)
253    {
254       replacement = "";
255    }
256
257    /*
258     * Get memory or fail
259     */
260    if (NULL == (r = (pcrs_substitute *)malloc(sizeof(pcrs_substitute))))
261    {
262       *errptr = PCRS_ERR_NOMEM;
263       return NULL;
264    }
265    memset(r, '\0', sizeof(pcrs_substitute));
266
267    length = strlen(replacement);
268
269    if (NULL == (text = (char *)malloc(length + 1)))
270    {
271       free(r);
272       *errptr = PCRS_ERR_NOMEM;
273       return NULL;
274    }
275    memset(text, '\0', length + 1);
276
277
278    /*
279     * In trivial mode, just copy the substitute text
280     */
281    if (trivialflag)
282    {
283       text = strncpy(text, replacement, length + 1);
284       k = (int)length;
285    }
286
287    /*
288     * Else, parse, cut out and record all backreferences
289     */
290    else
291    {
292       while (i < (int)length)
293       {
294          /* Quoting */
295          if (replacement[i] == '\\')
296          {
297             if (quoted)
298             {
299                text[k++] = replacement[i++];
300                quoted = 0;
301             }
302             else
303             {
304                if (replacement[i+1] && strchr("tnrfae0", replacement[i+1]))
305                {
306                   switch (replacement[++i])
307                   {
308                   case 't':
309                      text[k++] = '\t';
310                      break;
311                   case 'n':
312                      text[k++] = '\n';
313                      break;
314                   case 'r':
315                      text[k++] = '\r';
316                      break;
317                   case 'f':
318                      text[k++] = '\f';
319                      break;
320                   case 'a':
321                      text[k++] = 7;
322                      break;
323                   case 'e':
324                      text[k++] = 27;
325                      break;
326                   case '0':
327                      text[k++] = '\0';
328                      break;
329                   }
330                   i++;
331                }
332                else if (is_hex_sequence(&replacement[i]))
333                {
334                   /*
335                    * Replace a hex sequence with a single
336                    * character with the sequence's ascii value.
337                    * e.g.: '\x7e' => '~'
338                    */
339                   const int ascii_value = xtoi(&replacement[i+2]);
340
341                   assert(ascii_value >= 0);
342                   assert(ascii_value < 256);
343                   text[k++] = (char)ascii_value;
344                   i += 4;
345                }
346                else
347                {
348                   quoted = 1;
349                   i++;
350                }
351             }
352             continue;
353          }
354
355          /* Backreferences */
356          if (replacement[i] == '$' && !quoted && i < (int)(length - 1))
357          {
358             char *symbol, symbols[] = "'`+&";
359             if (l >= PCRS_MAX_SUBMATCHES)
360             {
361                freez(text);
362                freez(r);
363                *errptr = PCRS_WARN_BADREF;
364                return NULL;
365             }
366             r->block_length[l] = (size_t)(k - r->block_offset[l]);
367
368             /* Numerical backreferences */
369             if (isdigit((int)replacement[i + 1]))
370             {
371                while (i < (int)length && isdigit((int)replacement[++i]))
372                {
373                   r->backref[l] = r->backref[l] * 10 + replacement[i] - 48;
374                }
375                if (r->backref[l] > capturecount)
376                {
377                   freez(text);
378                   freez(r);
379                   *errptr = PCRS_WARN_BADREF;
380                   return NULL;
381                }
382             }
383
384             /* Symbolic backreferences: */
385             else if (NULL != (symbol = strchr(symbols, replacement[i + 1])))
386             {
387
388                if (symbol - symbols == 2) /* $+ */
389                {
390                   r->backref[l] = capturecount;
391                }
392                else if (symbol - symbols == 3) /* $& */
393                {
394                   r->backref[l] = 0;
395                }
396                else /* $' or $` */
397                {
398                   r->backref[l] = (int)(PCRS_MAX_SUBMATCHES + 1 - (symbol - symbols));
399                }
400                i += 2;
401             }
402
403             /* Invalid backref -> plain '$' */
404             else
405             {
406                goto plainchar;
407             }
408
409             assert(r->backref[l] < PCRS_MAX_SUBMATCHES + 2);
410             /* Valid and in range? -> record */
411             if ((0 <= r->backref[l]) &&
412                (r->backref[l] < PCRS_MAX_SUBMATCHES + 2) &&
413                (l < PCRS_MAX_SUBMATCHES - 1))
414             {
415                r->backref_count[r->backref[l]] += 1;
416                r->block_offset[++l] = k;
417             }
418             else
419             {
420                freez(text);
421                freez(r);
422                *errptr = PCRS_WARN_BADREF;
423                return NULL;
424             }
425             continue;
426          }
427
428 plainchar:
429          /* Plain chars are copied */
430          text[k++] = replacement[i++];
431          quoted = 0;
432       }
433    } /* -END- if (!trivialflag) */
434
435    /*
436     * Finish & return
437     */
438    r->text = text;
439    r->backrefs = l;
440    r->length = (size_t)k;
441    r->block_length[l] = (size_t)(k - r->block_offset[l]);
442
443    return r;
444
445 }
446
447
448 /*********************************************************************
449  *
450  * Function    :  pcrs_free_job
451  *
452  * Description :  Frees the memory used by a pcrs_job struct and its
453  *                dependent structures.
454  *
455  * Parameters  :
456  *          1  :  job = pointer to the pcrs_job structure to be freed
457  *
458  * Returns     :  a pointer to the next job, if there was any, or
459  *                NULL otherwise.
460  *
461  *********************************************************************/
462 pcrs_job *pcrs_free_job(pcrs_job *job)
463 {
464    pcrs_job *next;
465
466    if (job == NULL)
467    {
468       return NULL;
469    }
470    else
471    {
472       next = job->next;
473       if (job->pattern != NULL) free(job->pattern);
474       if (job->hints != NULL) free(job->hints);
475       if (job->substitute != NULL)
476       {
477          if (job->substitute->text != NULL) free(job->substitute->text);
478          free(job->substitute);
479       }
480       free(job);
481    }
482    return next;
483
484 }
485
486
487 /*********************************************************************
488  *
489  * Function    :  pcrs_free_joblist
490  *
491  * Description :  Iterates through a chained list of pcrs_job's and
492  *                frees them using pcrs_free_job.
493  *
494  * Parameters  :
495  *          1  :  joblist = pointer to the first pcrs_job structure to
496  *                be freed
497  *
498  * Returns     :  N/A
499  *
500  *********************************************************************/
501 void pcrs_free_joblist(pcrs_job *joblist)
502 {
503    while (NULL != (joblist = pcrs_free_job(joblist))) {};
504
505    return;
506
507 }
508
509
510 /*********************************************************************
511  *
512  * Function    :  pcrs_compile_command
513  *
514  * Description :  Parses a string with a Perl-style s/// command,
515  *                calls pcrs_compile, and returns a corresponding
516  *                pcrs_job, or NULL if parsing or compiling the job
517  *                fails.
518  *
519  * Parameters  :
520  *          1  :  command = string with perl-style s/// command
521  *          2  :  errptr = pointer to an integer in which error
522  *                         conditions can be returned.
523  *
524  * Returns     :  a corresponding pcrs_job data structure, or NULL
525  *                if an error was encountered. In that case, *errptr
526  *                has the reason.
527  *
528  *********************************************************************/
529 pcrs_job *pcrs_compile_command(const char *command, int *errptr)
530 {
531    int i, k, l, quoted = FALSE;
532    size_t limit;
533    char delimiter;
534    char *tokens[4];
535    pcrs_job *newjob;
536
537    k = l = 0;
538
539    /*
540     * Tokenize the perl command
541     */
542    limit = strlen(command);
543    if (limit < 4)
544    {
545       *errptr = PCRS_ERR_CMDSYNTAX;
546       return NULL;
547    }
548    else
549    {
550       delimiter = command[1];
551    }
552
553    tokens[l] = (char *) malloc(limit + 1);
554
555    for (i = 0; i <= (int)limit; i++)
556    {
557
558       if (command[i] == delimiter && !quoted)
559       {
560          if (l == 3)
561          {
562             l = -1;
563             break;
564          }
565          tokens[0][k++] = '\0';
566          tokens[++l] = tokens[0] + k;
567          continue;
568       }
569
570       else if (command[i] == '\\' && !quoted)
571       {
572          quoted = TRUE;
573          if (command[i+1] == delimiter) continue;
574       }
575       else
576       {
577          quoted = FALSE;
578       }
579       tokens[0][k++] = command[i];
580    }
581
582    /*
583     * Syntax error ?
584     */
585    if (l != 3)
586    {
587       *errptr = PCRS_ERR_CMDSYNTAX;
588       free(tokens[0]);
589       return NULL;
590    }
591
592    newjob = pcrs_compile(tokens[1], tokens[2], tokens[3], errptr);
593    free(tokens[0]);
594    return newjob;
595
596 }
597
598
599 /*********************************************************************
600  *
601  * Function    :  pcrs_compile
602  *
603  * Description :  Takes the three arguments to a perl s/// command
604  *                and compiles a pcrs_job structure from them.
605  *
606  * Parameters  :
607  *          1  :  pattern = string with perl-style pattern
608  *          2  :  substitute = string with perl-style substitute
609  *          3  :  options = string with perl-style options
610  *          4  :  errptr = pointer to an integer in which error
611  *                         conditions can be returned.
612  *
613  * Returns     :  a corresponding pcrs_job data structure, or NULL
614  *                if an error was encountered. In that case, *errptr
615  *                has the reason.
616  *
617  *********************************************************************/
618 pcrs_job *pcrs_compile(const char *pattern, const char *substitute, const char *options, int *errptr)
619 {
620    pcrs_job *newjob;
621    int flags;
622    int capturecount;
623    const char *error;
624
625    *errptr = 0;
626
627    /*
628     * Handle NULL arguments
629     */
630    if (pattern == NULL) pattern = "";
631    if (substitute == NULL) substitute = "";
632
633
634    /*
635     * Get and init memory
636     */
637    if (NULL == (newjob = (pcrs_job *)malloc(sizeof(pcrs_job))))
638    {
639       *errptr = PCRS_ERR_NOMEM;
640       return NULL;
641    }
642    memset(newjob, '\0', sizeof(pcrs_job));
643
644
645    /*
646     * Evaluate the options
647     */
648    newjob->options = pcrs_parse_perl_options(options, &flags);
649    newjob->flags = flags;
650
651
652    /*
653     * Compile the pattern
654     */
655    newjob->pattern = pcre_compile(pattern, newjob->options, &error, errptr, NULL);
656    if (newjob->pattern == NULL)
657    {
658       pcrs_free_job(newjob);
659       return NULL;
660    }
661
662
663    /*
664     * Generate hints. This has little overhead, since the
665     * hints will be NULL for a boring pattern anyway.
666     */
667    newjob->hints = pcre_study(newjob->pattern, 0, &error);
668    if (error != NULL)
669    {
670       *errptr = PCRS_ERR_STUDY;
671       pcrs_free_job(newjob);
672       return NULL;
673    }
674
675
676    /*
677     * Determine the number of capturing subpatterns.
678     * This is needed for handling $+ in the substitute.
679     */
680    if (0 > (*errptr = pcre_fullinfo(newjob->pattern, newjob->hints, PCRE_INFO_CAPTURECOUNT, &capturecount)))
681    {
682       pcrs_free_job(newjob);
683       return NULL;
684    }
685
686
687    /*
688     * Compile the substitute
689     */
690    if (NULL == (newjob->substitute = pcrs_compile_replacement(substitute, newjob->flags & PCRS_TRIVIAL, capturecount, errptr)))
691    {
692       pcrs_free_job(newjob);
693       return NULL;
694    }
695
696    return newjob;
697
698 }
699
700
701 /*********************************************************************
702  *
703  * Function    :  pcrs_execute_list
704  *
705  * Description :  This is a multiple job wrapper for pcrs_execute().
706  *                Apply the regular substitutions defined by the jobs in
707  *                the joblist to the subject.
708  *                The subject itself is left untouched, memory for the result
709  *                is malloc()ed and it is the caller's responsibility to free
710  *                the result when it's no longer needed.
711  *
712  *                Note: For convenient string handling, a null byte is
713  *                      appended to the result. It does not count towards the
714  *                      result_length, though.
715  *
716  *
717  * Parameters  :
718  *          1  :  joblist = the chained list of pcrs_jobs to be executed
719  *          2  :  subject = the subject string
720  *          3  :  subject_length = the subject's length
721  *          4  :  result = char** for returning  the result
722  *          5  :  result_length = size_t* for returning the result's length
723  *
724  * Returns     :  On success, the number of substitutions that were made.
725  *                 May be > 1 if job->flags contained PCRS_GLOBAL
726  *                On failure, the (negative) pcre error code describing the
727  *                 failure, which may be translated to text using pcrs_strerror().
728  *
729  *********************************************************************/
730 int pcrs_execute_list(pcrs_job *joblist, char *subject, size_t subject_length, char **result, size_t *result_length)
731 {
732    pcrs_job *job;
733    char *old, *new = NULL;
734    int hits, total_hits;
735
736    old = subject;
737    *result_length = subject_length;
738    total_hits = 0;
739
740    for (job = joblist; job != NULL; job = job->next)
741    {
742       hits = pcrs_execute(job, old, *result_length, &new, result_length);
743
744       if (old != subject) free(old);
745
746       if (hits < 0)
747       {
748          return(hits);
749       }
750       else
751       {
752          total_hits += hits;
753          old = new;
754       }
755    }
756
757    *result = new;
758    return(total_hits);
759
760 }
761
762
763 /*********************************************************************
764  *
765  * Function    :  pcrs_execute
766  *
767  * Description :  Apply the regular substitution defined by the job to the
768  *                subject.
769  *                The subject itself is left untouched, memory for the result
770  *                is malloc()ed and it is the caller's responsibility to free
771  *                the result when it's no longer needed.
772  *
773  *                Note: For convenient string handling, a null byte is
774  *                      appended to the result. It does not count towards the
775  *                      result_length, though.
776  *
777  * Parameters  :
778  *          1  :  job = the pcrs_job to be executed
779  *          2  :  subject = the subject (== original) string
780  *          3  :  subject_length = the subject's length
781  *          4  :  result = char** for returning the result (NULL on error)
782  *          5  :  result_length = size_t* for returning the result's length
783  *
784  * Returns     :  On success, the number of substitutions that were made.
785  *                 May be > 1 if job->flags contained PCRS_GLOBAL
786  *                On failure, the (negative) pcre error code describing the
787  *                 failure, which may be translated to text using pcrs_strerror().
788  *
789  *********************************************************************/
790 int pcrs_execute(pcrs_job *job, const char *subject, size_t subject_length, char **result, size_t *result_length)
791 {
792    int offsets[3 * PCRS_MAX_SUBMATCHES],
793        offset,
794        i, k,
795        matches_found,
796        submatches,
797        max_matches = PCRS_MAX_MATCH_INIT;
798    size_t newsize;
799    pcrs_match *matches, *dummy;
800    char *result_offset;
801
802    offset = i = 0;
803    *result = NULL;
804
805    /*
806     * Sanity check & memory allocation
807     */
808    if (job == NULL || job->pattern == NULL || job->substitute == NULL || NULL == subject)
809    {
810       return(PCRS_ERR_BADJOB);
811    }
812
813    if (NULL == (matches = (pcrs_match *)malloc((size_t)max_matches * sizeof(pcrs_match))))
814    {
815       return(PCRS_ERR_NOMEM);
816    }
817    memset(matches, '\0', (size_t)max_matches * sizeof(pcrs_match));
818
819
820    /*
821     * Find the pattern and calculate the space
822     * requirements for the result
823     */
824    newsize = subject_length;
825
826    while ((submatches = pcre_exec(job->pattern, job->hints, subject, (int)subject_length, offset, 0, offsets, 3 * PCRS_MAX_SUBMATCHES)) > 0)
827    {
828       job->flags |= PCRS_SUCCESS;
829       matches[i].submatches = submatches;
830
831       for (k = 0; k < submatches; k++)
832       {
833          matches[i].submatch_offset[k] = offsets[2 * k];
834
835          /* Note: Non-found optional submatches have length -1-(-1)==0 */
836          matches[i].submatch_length[k] = (size_t)(offsets[2 * k + 1] - offsets[2 * k]);
837
838          /* reserve mem for each submatch as often as it is ref'd */
839          newsize += matches[i].submatch_length[k] * (size_t)job->substitute->backref_count[k];
840       }
841       /* plus replacement text size minus match text size */
842       newsize += job->substitute->length - matches[i].submatch_length[0];
843
844       /* chunk before match */
845       matches[i].submatch_offset[PCRS_MAX_SUBMATCHES] = 0;
846       matches[i].submatch_length[PCRS_MAX_SUBMATCHES] = (size_t)offsets[0];
847       newsize += (size_t)offsets[0] * (size_t)job->substitute->backref_count[PCRS_MAX_SUBMATCHES];
848
849       /* chunk after match */
850       matches[i].submatch_offset[PCRS_MAX_SUBMATCHES + 1] = offsets[1];
851       matches[i].submatch_length[PCRS_MAX_SUBMATCHES + 1] = subject_length - (size_t)offsets[1] - 1;
852       newsize += (subject_length - (size_t)offsets[1]) * (size_t)job->substitute->backref_count[PCRS_MAX_SUBMATCHES + 1];
853
854       /* Storage for matches exhausted? -> Extend! */
855       if (++i >= max_matches)
856       {
857          max_matches = (int)(max_matches * PCRS_MAX_MATCH_GROW);
858          if (NULL == (dummy = (pcrs_match *)realloc(matches, (size_t)max_matches * sizeof(pcrs_match))))
859          {
860             free(matches);
861             return(PCRS_ERR_NOMEM);
862          }
863          matches = dummy;
864       }
865
866       /* Non-global search or limit reached? */
867       if (!(job->flags & PCRS_GLOBAL)) break;
868
869       /* Don't loop on empty matches */
870       if (offsets[1] == offset)
871          if ((size_t)offset < subject_length)
872             offset++;
873          else
874             break;
875       /* Go find the next one */
876       else
877          offset = offsets[1];
878    }
879    /* Pass pcre error through if (bad) failure */
880    if (submatches < PCRE_ERROR_NOMATCH)
881    {
882       free(matches);
883       return submatches;
884    }
885    matches_found = i;
886
887
888    /*
889     * Get memory for the result (must be freed by caller!)
890     * and append terminating null byte.
891     */
892    if ((*result = (char *)malloc(newsize + 1)) == NULL)
893    {
894       free(matches);
895       return PCRS_ERR_NOMEM;
896    }
897    else
898    {
899       (*result)[newsize] = '\0';
900    }
901
902
903    /*
904     * Replace
905     */
906    offset = 0;
907    result_offset = *result;
908
909    for (i = 0; i < matches_found; i++)
910    {
911       /* copy the chunk preceding the match */
912       memcpy(result_offset, subject + offset, (size_t)(matches[i].submatch_offset[0] - offset));
913       result_offset += matches[i].submatch_offset[0] - offset;
914
915       /* For every segment of the substitute.. */
916       for (k = 0; k <= job->substitute->backrefs; k++)
917       {
918          /* ...copy its text.. */
919          memcpy(result_offset, job->substitute->text + job->substitute->block_offset[k], job->substitute->block_length[k]);
920          result_offset += job->substitute->block_length[k];
921
922          /* ..plus, if it's not the last chunk, i.e.: There *is* a backref.. */
923          if (k != job->substitute->backrefs
924              /* ..in legal range.. */
925              && job->substitute->backref[k] < PCRS_MAX_SUBMATCHES + 2
926              /* ..and referencing a real submatch.. */
927              && job->substitute->backref[k] < matches[i].submatches
928              /* ..that is nonempty.. */
929              && matches[i].submatch_length[job->substitute->backref[k]] > 0)
930          {
931             /* ..copy the submatch that is ref'd. */
932             memcpy(
933                result_offset,
934                subject + matches[i].submatch_offset[job->substitute->backref[k]],
935                matches[i].submatch_length[job->substitute->backref[k]]
936             );
937             result_offset += matches[i].submatch_length[job->substitute->backref[k]];
938          }
939       }
940       offset =  matches[i].submatch_offset[0] + (int)matches[i].submatch_length[0];
941    }
942
943    /* Copy the rest. */
944    memcpy(result_offset, subject + offset, subject_length - (size_t)offset);
945
946    *result_length = newsize;
947    free(matches);
948    return matches_found;
949
950 }
951
952
953 #define is_hex_digit(x) ((x) && strchr("0123456789ABCDEF", toupper(x)))
954
955 /*********************************************************************
956  *
957  * Function    :  is_hex_sequence
958  *
959  * Description :  Checks the first four characters of a string
960  *                and decides if they are a valid hex sequence
961  *                (like '\x40').
962  *
963  * Parameters  :
964  *          1  :  sequence = The string to check
965  *
966  * Returns     :  Non-zero if it's valid sequence, or
967  *                Zero if it isn't.
968  *
969  *********************************************************************/
970 static int is_hex_sequence(const char *sequence)
971 {
972    return (sequence[0] == '\\' &&
973            sequence[1] == 'x'  &&
974            is_hex_digit(sequence[2]) &&
975            is_hex_digit(sequence[3]));
976 }
977
978
979 /*
980  * Functions below this line are only part of the pcrs version
981  * included in Privoxy. If you use any of them you should not
982  * try to dynamically link against external pcrs versions.
983  */
984
985 /*********************************************************************
986  *
987  * Function    :  pcrs_job_is_dynamic
988  *
989  * Description :  Checks if a job has the "D" (dynamic) option set.
990  *
991  * Parameters  :
992  *          1  :  job = The job to check
993  *
994  * Returns     :  TRUE if the job is indeed dynamic, otherwise
995  *                FALSE
996  *
997  *********************************************************************/
998 int pcrs_job_is_dynamic(char *job)
999 {
1000    const char delimiter = job[1];
1001    const size_t length = strlen(job);
1002    char *option;
1003
1004    if (length < 5)
1005    {
1006       /*
1007        * The shortest valid (but useless)
1008        * dynamic pattern is "s@@@D"
1009        */
1010       return FALSE;
1011    }
1012
1013    /*
1014     * Everything between the last character
1015     * and the last delimiter is an option ...
1016     */
1017    for (option = job + length; *option != delimiter; option--)
1018    {
1019       if (*option == 'D')
1020       {
1021          /*
1022           * ... and if said option is 'D' the job is dynamic.
1023           */
1024          return TRUE;
1025       }
1026    }
1027    return FALSE;
1028
1029 }
1030
1031
1032 /*********************************************************************
1033  *
1034  * Function    :  pcrs_get_delimiter
1035  *
1036  * Description :  Tries to find a character that is safe to
1037  *                be used as a pcrs delimiter for a certain string.
1038  *
1039  * Parameters  :
1040  *          1  :  string = The string to search in
1041  *
1042  * Returns     :  A safe delimiter if one was found, otherwise '\0'.
1043  *
1044  *********************************************************************/
1045 char pcrs_get_delimiter(const char *string)
1046 {
1047    /*
1048     * Some characters that are unlikely to
1049     * be part of pcrs replacement strings.
1050     */
1051    static const char delimiters[] = "><#+*~%^-:;!@";
1052    const char *d = delimiters;
1053
1054    /* Take the first delimiter that isn't part of the string */
1055    while (*d && NULL != strchr(string, *d))
1056    {
1057       d++;
1058    }
1059    return *d;
1060
1061 }
1062
1063
1064 /*********************************************************************
1065  *
1066  * Function    :  pcrs_execute_single_command
1067  *
1068  * Description :  Apply single pcrs command to the subject.
1069  *                The subject itself is left untouched, memory for the result
1070  *                is malloc()ed and it is the caller's responsibility to free
1071  *                the result when it's no longer needed.
1072  *
1073  * Parameters  :
1074  *          1  :  subject = the subject (== original) string
1075  *          2  :  pcrs_command = the pcrs command as string (s@foo@bar@)
1076  *          3  :  hits = int* for returning  the number of modifications
1077  *
1078  * Returns     :  NULL in case of errors, otherwise the
1079  *                result of the pcrs command.
1080  *
1081  *********************************************************************/
1082 char *pcrs_execute_single_command(const char *subject, const char *pcrs_command, int *hits)
1083 {
1084    size_t size;
1085    char *result = NULL;
1086    pcrs_job *job;
1087
1088    assert(subject);
1089    assert(pcrs_command);
1090
1091    *hits = 0;
1092    size = strlen(subject);
1093
1094    job = pcrs_compile_command(pcrs_command, hits);
1095    if (NULL != job)
1096    {
1097       *hits = pcrs_execute(job, subject, size, &result, &size);
1098       if (*hits < 0)
1099       {
1100          freez(result);
1101       }
1102       pcrs_free_job(job);
1103    }
1104    return result;
1105
1106 }
1107
1108
1109 /*********************************************************************
1110  *
1111  * Function    :  pcrs_compile_dynamic_command
1112  *
1113  * Description :  Takes a dynamic pcrs command, fills in the
1114  *                values of the variables and compiles it.
1115  *
1116  * Parameters  :
1117  *          1  :  pcrs_command = The dynamic pcrs command to compile
1118  *          2  :  v = NULL terminated array of variables and their values.
1119  *          3  :  error = pcrs error code
1120  *
1121  * Returns     :  NULL in case of hard errors, otherwise the
1122  *                compiled pcrs job.
1123  *
1124  *********************************************************************/
1125 pcrs_job *pcrs_compile_dynamic_command(char *pcrs_command, const struct pcrs_variable v[], int *error)
1126 {
1127    char buf[PCRS_BUFFER_SIZE];
1128    const char *original_pcrs_command = pcrs_command;
1129    char *pcrs_command_tmp = NULL;
1130    pcrs_job *job = NULL;
1131    int truncation = 0;
1132    char d;
1133    int ret;
1134
1135    while ((NULL != v->name) && (NULL != pcrs_command))
1136    {
1137       assert(NULL != v->value);
1138
1139       if (NULL == strstr(pcrs_command, v->name))
1140       {
1141          /*
1142           * Skip the substitution if the variable
1143           * name isn't part of the pattern.
1144           */
1145          v++;
1146          continue;
1147       }
1148
1149       /* Use pcrs to replace the variable with its value. */
1150       d = pcrs_get_delimiter(v->value);
1151       if ('\0' == d)
1152       {
1153          /* No proper delimiter found */
1154          *error = PCRS_ERR_CMDSYNTAX;
1155          freez(pcrs_command_tmp);
1156          return NULL;
1157       }
1158
1159       /*
1160        * Variable names are supposed to contain alpha
1161        * numerical characters plus '_' only.
1162        */
1163       assert(NULL == strchr(v->name, d));
1164
1165       ret = snprintf(buf, sizeof(buf), "s%c\\$%s%c%s%cgT", d, v->name, d, v->value, d);
1166       assert(ret >= 0);
1167       if (ret >= sizeof(buf))
1168       {
1169          /*
1170           * Value didn't completely fit into buffer,
1171           * overwrite the end of the substitution text
1172           * with a truncation message and close the pattern
1173           * properly.
1174           */
1175          static const char warning[] = "... [too long, truncated]";
1176          const size_t trailer_size = sizeof(warning) + 3; /* 3 for d + "gT" */
1177          char *trailer_start = buf + sizeof(buf) - trailer_size;
1178
1179          ret = snprintf(trailer_start, trailer_size, "%s%cgT", warning, d);
1180          assert(ret == trailer_size - 1);
1181          assert(sizeof(buf) == strlen(buf) + 1);
1182          truncation = 1;
1183       }
1184
1185       pcrs_command_tmp = pcrs_execute_single_command(pcrs_command, buf, error);
1186       if (NULL == pcrs_command_tmp)
1187       {
1188          return NULL;
1189       }
1190
1191       if (pcrs_command != original_pcrs_command)
1192       {
1193          freez(pcrs_command);
1194       }
1195       pcrs_command = pcrs_command_tmp;
1196
1197       v++;
1198    }
1199
1200    job = pcrs_compile_command(pcrs_command, error);
1201    if (pcrs_command != original_pcrs_command)
1202    {
1203       freez(pcrs_command);
1204    }
1205
1206    if (truncation)
1207    {
1208       *error = PCRS_WARN_TRUNCATION;
1209    }
1210
1211    return job;
1212
1213 }
1214
1215
1216 /*
1217   Local Variables:
1218   tab-width: 3
1219   end:
1220 */