Add a configure option to disable pcre JIT compilation
[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11  *                (which apparently is no longer maintained).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 'D': *flags |= PCRS_DYNAMIC; break;
172          case 'U': rc |= PCRE_UNGREEDY; break;
173          case 'T': *flags |= PCRS_TRIVIAL; break;
174          default: break;
175       }
176    }
177    return rc;
178
179 }
180
181
182 #ifdef FUZZ
183 /*********************************************************************
184  *
185  * Function    :  pcrs_compile_fuzzed_replacement
186  *
187  * Description :  Wrapper around pcrs_compile_replacement() for
188  *                fuzzing purposes.
189  *
190  * Parameters  :
191  *          1  :  replacement = replacement part of s/// operator
192  *                              in perl syntax
193  *          2  :  errptr = pointer to an integer in which error
194  *                         conditions can be returned.
195  *
196  * Returns     :  pcrs_substitute data structure, or NULL if an
197  *                error is encountered. In that case, *errptr has
198  *                the reason.
199  *
200  *********************************************************************/
201 extern pcrs_substitute *pcrs_compile_fuzzed_replacement(const char *replacement, int *errptr)
202 {
203    int capturecount = PCRS_MAX_SUBMATCHES; /* XXX: fuzzworthy? */
204    int trivial_flag = 0; /* We don't want to fuzz strncpy() */
205
206    *errptr = 0; /* XXX: Should pcrs_compile_replacement() do this? */
207
208    return pcrs_compile_replacement(replacement, trivial_flag, capturecount, errptr);
209
210 }
211 #endif
212
213
214 /*********************************************************************
215  *
216  * Function    :  pcrs_compile_replacement
217  *
218  * Description :  This function takes a Perl-style replacement (2nd argument
219  *                to the s/// operator and returns a compiled pcrs_substitute,
220  *                or NULL if memory allocation for the substitute structure
221  *                fails.
222  *
223  * Parameters  :
224  *          1  :  replacement = replacement part of s/// operator
225  *                              in perl syntax
226  *          2  :  trivialflag = Flag that causes backreferences to be
227  *                              ignored.
228  *          3  :  capturecount = Number of capturing subpatterns in
229  *                               the pattern. Needed for $+ handling.
230  *          4  :  errptr = pointer to an integer in which error
231  *                         conditions can be returned.
232  *
233  * Returns     :  pcrs_substitute data structure, or NULL if an
234  *                error is encountered. In that case, *errptr has
235  *                the reason.
236  *
237  *********************************************************************/
238 static pcrs_substitute *pcrs_compile_replacement(const char *replacement, int trivialflag, int capturecount, int *errptr)
239 {
240    int i, k, l, quoted;
241    char *text;
242    pcrs_substitute *r;
243 #ifndef FUZZ
244    size_t length;
245 #else
246    static size_t length;
247 #endif
248    i = k = l = quoted = 0;
249
250    /*
251     * Sanity check
252     */
253    if (NULL == replacement)
254    {
255       replacement = "";
256    }
257
258    /*
259     * Get memory or fail
260     */
261    if (NULL == (r = (pcrs_substitute *)malloc(sizeof(pcrs_substitute))))
262    {
263       *errptr = PCRS_ERR_NOMEM;
264       return NULL;
265    }
266    memset(r, '\0', sizeof(pcrs_substitute));
267
268    length = strlen(replacement);
269
270    if (NULL == (text = (char *)malloc(length + 1)))
271    {
272       free(r);
273       *errptr = PCRS_ERR_NOMEM;
274       return NULL;
275    }
276    memset(text, '\0', length + 1);
277
278
279    /*
280     * In trivial mode, just copy the substitute text
281     */
282    if (trivialflag)
283    {
284       strlcpy(text, replacement, length + 1);
285       k = (int)length;
286    }
287
288    /*
289     * Else, parse, cut out and record all backreferences
290     */
291    else
292    {
293       while (i < (int)length)
294       {
295          /* Quoting */
296          if (replacement[i] == '\\')
297          {
298             if (quoted)
299             {
300                text[k++] = replacement[i++];
301                quoted = 0;
302             }
303             else
304             {
305                if (replacement[i+1] && strchr("tnrfae0", replacement[i+1]))
306                {
307                   switch (replacement[++i])
308                   {
309                   case 't':
310                      text[k++] = '\t';
311                      break;
312                   case 'n':
313                      text[k++] = '\n';
314                      break;
315                   case 'r':
316                      text[k++] = '\r';
317                      break;
318                   case 'f':
319                      text[k++] = '\f';
320                      break;
321                   case 'a':
322                      text[k++] = 7;
323                      break;
324                   case 'e':
325                      text[k++] = 27;
326                      break;
327                   case '0':
328                      text[k++] = '\0';
329                      break;
330                   }
331                   i++;
332                }
333                else if (is_hex_sequence(&replacement[i]))
334                {
335                   /*
336                    * Replace a hex sequence with a single
337                    * character with the sequence's ascii value.
338                    * e.g.: '\x7e' => '~'
339                    */
340                   const int ascii_value = xtoi(&replacement[i+2]);
341
342                   assert(ascii_value >= 0);
343                   assert(ascii_value < 256);
344                   text[k++] = (char)ascii_value;
345                   i += 4;
346                }
347                else
348                {
349                   quoted = 1;
350                   i++;
351                }
352             }
353             continue;
354          }
355
356          /* Backreferences */
357          if (replacement[i] == '$' && !quoted && i < (int)(length - 1))
358          {
359             char *symbol, symbols[] = "'`+&";
360             if (l >= PCRS_MAX_SUBMATCHES)
361             {
362                freez(text);
363                freez(r);
364                *errptr = PCRS_WARN_BADREF;
365                return NULL;
366             }
367             r->block_length[l] = (size_t)(k - r->block_offset[l]);
368
369             /* Numerical backreferences */
370             if (isdigit((int)replacement[i + 1]))
371             {
372                while (i < (int)length && isdigit((int)replacement[++i]))
373                {
374                   r->backref[l] = r->backref[l] * 10 + replacement[i] - 48;
375                }
376                if (r->backref[l] > capturecount)
377                {
378                   freez(text);
379                   freez(r);
380                   *errptr = PCRS_WARN_BADREF;
381                   return NULL;
382                }
383             }
384
385             /* Symbolic backreferences: */
386             else if (NULL != (symbol = strchr(symbols, replacement[i + 1])))
387             {
388
389                if (symbol - symbols == 2) /* $+ */
390                {
391                   r->backref[l] = capturecount;
392                }
393                else if (symbol - symbols == 3) /* $& */
394                {
395                   r->backref[l] = 0;
396                }
397                else /* $' or $` */
398                {
399                   r->backref[l] = (int)(PCRS_MAX_SUBMATCHES + 1 - (symbol - symbols));
400                }
401                i += 2;
402             }
403
404             /* Invalid backref -> plain '$' */
405             else
406             {
407                goto plainchar;
408             }
409
410             assert(r->backref[l] < PCRS_MAX_SUBMATCHES + 2);
411             /* Valid and in range? -> record */
412             if ((0 <= r->backref[l]) &&
413                (r->backref[l] < PCRS_MAX_SUBMATCHES + 2) &&
414                (l < PCRS_MAX_SUBMATCHES - 1))
415             {
416                r->backref_count[r->backref[l]] += 1;
417                r->block_offset[++l] = k;
418             }
419             else
420             {
421                freez(text);
422                freez(r);
423                *errptr = PCRS_WARN_BADREF;
424                return NULL;
425             }
426             continue;
427          }
428
429 plainchar:
430          /* Plain chars are copied */
431          text[k++] = replacement[i++];
432          quoted = 0;
433       }
434    } /* -END- if (!trivialflag) */
435
436    /*
437     * Finish & return
438     */
439    r->text = text;
440    r->backrefs = l;
441    r->length = (size_t)k;
442    r->block_length[l] = (size_t)(k - r->block_offset[l]);
443
444    return r;
445
446 }
447
448
449 /*********************************************************************
450  *
451  * Function    :  pcrs_free_job
452  *
453  * Description :  Frees the memory used by a pcrs_job struct and its
454  *                dependent structures.
455  *
456  * Parameters  :
457  *          1  :  job = pointer to the pcrs_job structure to be freed
458  *
459  * Returns     :  a pointer to the next job, if there was any, or
460  *                NULL otherwise.
461  *
462  *********************************************************************/
463 pcrs_job *pcrs_free_job(pcrs_job *job)
464 {
465    pcrs_job *next;
466
467    if (job == NULL)
468    {
469       return NULL;
470    }
471    else
472    {
473       next = job->next;
474       if (job->pattern != NULL) free(job->pattern);
475       if (job->hints != NULL)
476       {
477 #ifdef PCRE_CONFIG_JIT
478          pcre_free_study(job->hints);
479 #else
480          free(job->hints);
481 #endif
482       }
483       if (job->substitute != NULL)
484       {
485          if (job->substitute->text != NULL) free(job->substitute->text);
486          free(job->substitute);
487       }
488       free(job);
489    }
490    return next;
491
492 }
493
494
495 /*********************************************************************
496  *
497  * Function    :  pcrs_free_joblist
498  *
499  * Description :  Iterates through a chained list of pcrs_job's and
500  *                frees them using pcrs_free_job.
501  *
502  * Parameters  :
503  *          1  :  joblist = pointer to the first pcrs_job structure to
504  *                be freed
505  *
506  * Returns     :  N/A
507  *
508  *********************************************************************/
509 void pcrs_free_joblist(pcrs_job *joblist)
510 {
511    while (NULL != (joblist = pcrs_free_job(joblist))) {};
512
513    return;
514
515 }
516
517
518 /*********************************************************************
519  *
520  * Function    :  pcrs_compile_command
521  *
522  * Description :  Parses a string with a Perl-style s/// command,
523  *                calls pcrs_compile, and returns a corresponding
524  *                pcrs_job, or NULL if parsing or compiling the job
525  *                fails.
526  *
527  * Parameters  :
528  *          1  :  command = string with perl-style s/// command
529  *          2  :  errptr = pointer to an integer in which error
530  *                         conditions can be returned.
531  *
532  * Returns     :  a corresponding pcrs_job data structure, or NULL
533  *                if an error was encountered. In that case, *errptr
534  *                has the reason.
535  *
536  *********************************************************************/
537 pcrs_job *pcrs_compile_command(const char *command, int *errptr)
538 {
539    int i, k, l, quoted = FALSE;
540    size_t limit;
541    char delimiter;
542    char *tokens[4];
543    pcrs_job *newjob;
544
545    k = l = 0;
546
547    /*
548     * Tokenize the perl command
549     */
550    limit = strlen(command);
551    if (limit < 4)
552    {
553       *errptr = PCRS_ERR_CMDSYNTAX;
554       return NULL;
555    }
556    else
557    {
558       delimiter = command[1];
559    }
560
561    tokens[l] = (char *) malloc(limit + 1);
562
563    for (i = 0; i <= (int)limit; i++)
564    {
565
566       if (command[i] == delimiter && !quoted)
567       {
568          if (l == 3)
569          {
570             l = -1;
571             break;
572          }
573          tokens[0][k++] = '\0';
574          tokens[++l] = tokens[0] + k;
575          continue;
576       }
577
578       else if (command[i] == '\\' && !quoted)
579       {
580          quoted = TRUE;
581          if (command[i+1] == delimiter) continue;
582       }
583       else
584       {
585          quoted = FALSE;
586       }
587       tokens[0][k++] = command[i];
588    }
589
590    /*
591     * Syntax error ?
592     */
593    if (l != 3)
594    {
595       *errptr = PCRS_ERR_CMDSYNTAX;
596       free(tokens[0]);
597       return NULL;
598    }
599
600    newjob = pcrs_compile(tokens[1], tokens[2], tokens[3], errptr);
601    free(tokens[0]);
602    return newjob;
603
604 }
605
606
607 /*********************************************************************
608  *
609  * Function    :  pcrs_compile
610  *
611  * Description :  Takes the three arguments to a perl s/// command
612  *                and compiles a pcrs_job structure from them.
613  *
614  * Parameters  :
615  *          1  :  pattern = string with perl-style pattern
616  *          2  :  substitute = string with perl-style substitute
617  *          3  :  options = string with perl-style options
618  *          4  :  errptr = pointer to an integer in which error
619  *                         conditions can be returned.
620  *
621  * Returns     :  a corresponding pcrs_job data structure, or NULL
622  *                if an error was encountered. In that case, *errptr
623  *                has the reason.
624  *
625  *********************************************************************/
626 pcrs_job *pcrs_compile(const char *pattern, const char *substitute, const char *options, int *errptr)
627 {
628    pcrs_job *newjob;
629    int flags;
630    int capturecount;
631    const char *error;
632    int pcre_study_options = 0;
633
634    *errptr = 0;
635
636    /*
637     * Handle NULL arguments
638     */
639    if (pattern == NULL) pattern = "";
640    if (substitute == NULL) substitute = "";
641
642
643    /*
644     * Get and init memory
645     */
646    if (NULL == (newjob = (pcrs_job *)malloc(sizeof(pcrs_job))))
647    {
648       *errptr = PCRS_ERR_NOMEM;
649       return NULL;
650    }
651    memset(newjob, '\0', sizeof(pcrs_job));
652
653
654    /*
655     * Evaluate the options
656     */
657    newjob->options = pcrs_parse_perl_options(options, &flags);
658    newjob->flags = flags;
659
660
661    /*
662     * Compile the pattern
663     */
664    newjob->pattern = pcre_compile(pattern, newjob->options, &error, errptr, NULL);
665    if (newjob->pattern == NULL)
666    {
667       pcrs_free_job(newjob);
668       return NULL;
669    }
670
671
672 #ifdef PCRE_STUDY_JIT_COMPILE
673 #ifdef DISABLE_PCRE_JIT_COMPILATION
674 #warning PCRE_STUDY_JIT_COMPILE is supported but Privoxy has been configured not to use it
675 #else
676    if (!(flags & PCRS_DYNAMIC))
677    {
678       pcre_study_options = PCRE_STUDY_JIT_COMPILE;
679    }
680 #endif
681 #endif
682
683    /*
684     * Generate hints. This has little overhead, since the
685     * hints will be NULL for a boring pattern anyway.
686     */
687    newjob->hints = pcre_study(newjob->pattern, pcre_study_options, &error);
688    if (error != NULL)
689    {
690       *errptr = PCRS_ERR_STUDY;
691       pcrs_free_job(newjob);
692       return NULL;
693    }
694
695
696    /*
697     * Determine the number of capturing subpatterns.
698     * This is needed for handling $+ in the substitute.
699     */
700    if (0 > (*errptr = pcre_fullinfo(newjob->pattern, newjob->hints, PCRE_INFO_CAPTURECOUNT, &capturecount)))
701    {
702       pcrs_free_job(newjob);
703       return NULL;
704    }
705
706
707    /*
708     * Compile the substitute
709     */
710    if (NULL == (newjob->substitute = pcrs_compile_replacement(substitute, newjob->flags & PCRS_TRIVIAL, capturecount, errptr)))
711    {
712       pcrs_free_job(newjob);
713       return NULL;
714    }
715
716    return newjob;
717
718 }
719
720
721 /*********************************************************************
722  *
723  * Function    :  pcrs_execute_list
724  *
725  * Description :  This is a multiple job wrapper for pcrs_execute().
726  *                Apply the regular substitutions defined by the jobs in
727  *                the joblist to the subject.
728  *                The subject itself is left untouched, memory for the result
729  *                is malloc()ed and it is the caller's responsibility to free
730  *                the result when it's no longer needed.
731  *
732  *                Note: For convenient string handling, a null byte is
733  *                      appended to the result. It does not count towards the
734  *                      result_length, though.
735  *
736  *
737  * Parameters  :
738  *          1  :  joblist = the chained list of pcrs_jobs to be executed
739  *          2  :  subject = the subject string
740  *          3  :  subject_length = the subject's length
741  *          4  :  result = char** for returning  the result
742  *          5  :  result_length = size_t* for returning the result's length
743  *
744  * Returns     :  On success, the number of substitutions that were made.
745  *                 May be > 1 if job->flags contained PCRS_GLOBAL
746  *                On failure, the (negative) pcre error code describing the
747  *                 failure, which may be translated to text using pcrs_strerror().
748  *
749  *********************************************************************/
750 int pcrs_execute_list(pcrs_job *joblist, char *subject, size_t subject_length, char **result, size_t *result_length)
751 {
752    pcrs_job *job;
753    char *old, *new = NULL;
754    int hits, total_hits;
755
756    old = subject;
757    *result_length = subject_length;
758    total_hits = 0;
759
760    for (job = joblist; job != NULL; job = job->next)
761    {
762       hits = pcrs_execute(job, old, *result_length, &new, result_length);
763
764       if (old != subject) free(old);
765
766       if (hits < 0)
767       {
768          return(hits);
769       }
770       else
771       {
772          total_hits += hits;
773          old = new;
774       }
775    }
776
777    *result = new;
778    return(total_hits);
779
780 }
781
782
783 /*********************************************************************
784  *
785  * Function    :  pcrs_execute
786  *
787  * Description :  Apply the regular substitution defined by the job to the
788  *                subject.
789  *                The subject itself is left untouched, memory for the result
790  *                is malloc()ed and it is the caller's responsibility to free
791  *                the result when it's no longer needed.
792  *
793  *                Note: For convenient string handling, a null byte is
794  *                      appended to the result. It does not count towards the
795  *                      result_length, though.
796  *
797  * Parameters  :
798  *          1  :  job = the pcrs_job to be executed
799  *          2  :  subject = the subject (== original) string
800  *          3  :  subject_length = the subject's length
801  *          4  :  result = char** for returning the result (NULL on error)
802  *          5  :  result_length = size_t* for returning the result's length
803  *
804  * Returns     :  On success, the number of substitutions that were made.
805  *                 May be > 1 if job->flags contained PCRS_GLOBAL
806  *                On failure, the (negative) pcre error code describing the
807  *                 failure, which may be translated to text using pcrs_strerror().
808  *
809  *********************************************************************/
810 int pcrs_execute(pcrs_job *job, const char *subject, size_t subject_length, char **result, size_t *result_length)
811 {
812    int offsets[3 * PCRS_MAX_SUBMATCHES],
813        offset,
814        i, k,
815        matches_found,
816        submatches,
817        max_matches = PCRS_MAX_MATCH_INIT;
818    size_t newsize;
819    pcrs_match *matches, *dummy;
820    char *result_offset;
821
822    offset = i = 0;
823    *result = NULL;
824
825    /*
826     * Sanity check & memory allocation
827     */
828    if (job == NULL || job->pattern == NULL || job->substitute == NULL || NULL == subject)
829    {
830       return(PCRS_ERR_BADJOB);
831    }
832
833    if (NULL == (matches = (pcrs_match *)malloc((size_t)max_matches * sizeof(pcrs_match))))
834    {
835       return(PCRS_ERR_NOMEM);
836    }
837    memset(matches, '\0', (size_t)max_matches * sizeof(pcrs_match));
838
839
840    /*
841     * Find the pattern and calculate the space
842     * requirements for the result
843     */
844    newsize = subject_length;
845
846    while ((submatches = pcre_exec(job->pattern, job->hints, subject, (int)subject_length, offset, 0, offsets, 3 * PCRS_MAX_SUBMATCHES)) > 0)
847    {
848       job->flags |= PCRS_SUCCESS;
849       matches[i].submatches = submatches;
850
851       for (k = 0; k < submatches; k++)
852       {
853          matches[i].submatch_offset[k] = offsets[2 * k];
854
855          /* Note: Non-found optional submatches have length -1-(-1)==0 */
856          matches[i].submatch_length[k] = (size_t)(offsets[2 * k + 1] - offsets[2 * k]);
857
858          /* reserve mem for each submatch as often as it is ref'd */
859          newsize += matches[i].submatch_length[k] * (size_t)job->substitute->backref_count[k];
860       }
861       /* plus replacement text size minus match text size */
862       newsize += job->substitute->length - matches[i].submatch_length[0];
863
864       /* chunk before match */
865       matches[i].submatch_offset[PCRS_MAX_SUBMATCHES] = 0;
866       matches[i].submatch_length[PCRS_MAX_SUBMATCHES] = (size_t)offsets[0];
867       newsize += (size_t)offsets[0] * (size_t)job->substitute->backref_count[PCRS_MAX_SUBMATCHES];
868
869       /* chunk after match */
870       matches[i].submatch_offset[PCRS_MAX_SUBMATCHES + 1] = offsets[1];
871       matches[i].submatch_length[PCRS_MAX_SUBMATCHES + 1] = subject_length - (size_t)offsets[1] - 1;
872       newsize += (subject_length - (size_t)offsets[1]) * (size_t)job->substitute->backref_count[PCRS_MAX_SUBMATCHES + 1];
873
874       /* Storage for matches exhausted? -> Extend! */
875       if (++i >= max_matches)
876       {
877          max_matches = (int)(max_matches * PCRS_MAX_MATCH_GROW);
878          if (NULL == (dummy = (pcrs_match *)realloc(matches, (size_t)max_matches * sizeof(pcrs_match))))
879          {
880             free(matches);
881             return(PCRS_ERR_NOMEM);
882          }
883          matches = dummy;
884       }
885
886       /* Non-global search or limit reached? */
887       if (!(job->flags & PCRS_GLOBAL)) break;
888
889       /* Don't loop on empty matches */
890       if (offsets[1] == offset)
891          if ((size_t)offset < subject_length)
892             offset++;
893          else
894             break;
895       /* Go find the next one */
896       else
897          offset = offsets[1];
898    }
899    /* Pass pcre error through if (bad) failure */
900    if (submatches < PCRE_ERROR_NOMATCH)
901    {
902       free(matches);
903       return submatches;
904    }
905    matches_found = i;
906
907
908    /*
909     * Get memory for the result (must be freed by caller!)
910     * and append terminating null byte.
911     */
912    if ((*result = (char *)malloc(newsize + 1)) == NULL)
913    {
914       free(matches);
915       return PCRS_ERR_NOMEM;
916    }
917    else
918    {
919       (*result)[newsize] = '\0';
920    }
921
922
923    /*
924     * Replace
925     */
926    offset = 0;
927    result_offset = *result;
928
929    for (i = 0; i < matches_found; i++)
930    {
931       /* copy the chunk preceding the match */
932       memcpy(result_offset, subject + offset, (size_t)(matches[i].submatch_offset[0] - offset));
933       result_offset += matches[i].submatch_offset[0] - offset;
934
935       /* For every segment of the substitute.. */
936       for (k = 0; k <= job->substitute->backrefs; k++)
937       {
938          /* ...copy its text.. */
939          memcpy(result_offset, job->substitute->text + job->substitute->block_offset[k], job->substitute->block_length[k]);
940          result_offset += job->substitute->block_length[k];
941
942          /* ..plus, if it's not the last chunk, i.e.: There *is* a backref.. */
943          if (k != job->substitute->backrefs
944              /* ..in legal range.. */
945              && job->substitute->backref[k] < PCRS_MAX_SUBMATCHES + 2
946              /* ..and referencing a real submatch.. */
947              && job->substitute->backref[k] < matches[i].submatches
948              /* ..that is nonempty.. */
949              && matches[i].submatch_length[job->substitute->backref[k]] > 0)
950          {
951             /* ..copy the submatch that is ref'd. */
952             memcpy(
953                result_offset,
954                subject + matches[i].submatch_offset[job->substitute->backref[k]],
955                matches[i].submatch_length[job->substitute->backref[k]]
956             );
957             result_offset += matches[i].submatch_length[job->substitute->backref[k]];
958          }
959       }
960       offset =  matches[i].submatch_offset[0] + (int)matches[i].submatch_length[0];
961    }
962
963    /* Copy the rest. */
964    memcpy(result_offset, subject + offset, subject_length - (size_t)offset);
965
966    *result_length = newsize;
967    free(matches);
968    return matches_found;
969
970 }
971
972
973 #define is_hex_digit(x) ((x) && strchr("0123456789ABCDEF", toupper(x)))
974
975 /*********************************************************************
976  *
977  * Function    :  is_hex_sequence
978  *
979  * Description :  Checks the first four characters of a string
980  *                and decides if they are a valid hex sequence
981  *                (like '\x40').
982  *
983  * Parameters  :
984  *          1  :  sequence = The string to check
985  *
986  * Returns     :  Non-zero if it's valid sequence, or
987  *                Zero if it isn't.
988  *
989  *********************************************************************/
990 static int is_hex_sequence(const char *sequence)
991 {
992    return (sequence[0] == '\\' &&
993            sequence[1] == 'x'  &&
994            is_hex_digit(sequence[2]) &&
995            is_hex_digit(sequence[3]));
996 }
997
998
999 /*
1000  * Functions below this line are only part of the pcrs version
1001  * included in Privoxy. If you use any of them you should not
1002  * try to dynamically link against external pcrs versions.
1003  */
1004
1005 /*********************************************************************
1006  *
1007  * Function    :  pcrs_job_is_dynamic
1008  *
1009  * Description :  Checks if a job has the "D" (dynamic) option set.
1010  *
1011  * Parameters  :
1012  *          1  :  job = The job to check
1013  *
1014  * Returns     :  TRUE if the job is indeed dynamic, otherwise
1015  *                FALSE
1016  *
1017  *********************************************************************/
1018 int pcrs_job_is_dynamic(char *job)
1019 {
1020    const char delimiter = job[1];
1021    const size_t length = strlen(job);
1022    char *option;
1023
1024    if (length < 5)
1025    {
1026       /*
1027        * The shortest valid (but useless)
1028        * dynamic pattern is "s@@@D"
1029        */
1030       return FALSE;
1031    }
1032
1033    /*
1034     * Everything between the last character
1035     * and the last delimiter is an option ...
1036     */
1037    for (option = job + length; *option != delimiter; option--)
1038    {
1039       if (*option == 'D')
1040       {
1041          /*
1042           * ... and if said option is 'D' the job is dynamic.
1043           */
1044          return TRUE;
1045       }
1046    }
1047    return FALSE;
1048
1049 }
1050
1051
1052 /*********************************************************************
1053  *
1054  * Function    :  pcrs_get_delimiter
1055  *
1056  * Description :  Tries to find a character that is safe to
1057  *                be used as a pcrs delimiter for a certain string.
1058  *
1059  * Parameters  :
1060  *          1  :  string = The string to search in
1061  *
1062  * Returns     :  A safe delimiter if one was found, otherwise '\0'.
1063  *
1064  *********************************************************************/
1065 char pcrs_get_delimiter(const char *string)
1066 {
1067    /*
1068     * Some characters that are unlikely to
1069     * be part of pcrs replacement strings.
1070     */
1071    static const char delimiters[] = "><#+*~%^-:;!@";
1072    const char *d = delimiters;
1073
1074    /* Take the first delimiter that isn't part of the string */
1075    while (*d && NULL != strchr(string, *d))
1076    {
1077       d++;
1078    }
1079    return *d;
1080
1081 }
1082
1083
1084 /*********************************************************************
1085  *
1086  * Function    :  pcrs_execute_single_command
1087  *
1088  * Description :  Apply single pcrs command to the subject.
1089  *                The subject itself is left untouched, memory for the result
1090  *                is malloc()ed and it is the caller's responsibility to free
1091  *                the result when it's no longer needed.
1092  *
1093  * Parameters  :
1094  *          1  :  subject = the subject (== original) string
1095  *          2  :  pcrs_command = the pcrs command as string (s@foo@bar@)
1096  *          3  :  hits = int* for returning  the number of modifications
1097  *
1098  * Returns     :  NULL in case of errors, otherwise the
1099  *                result of the pcrs command.
1100  *
1101  *********************************************************************/
1102 char *pcrs_execute_single_command(const char *subject, const char *pcrs_command, int *hits)
1103 {
1104    size_t size;
1105    char *result = NULL;
1106    pcrs_job *job;
1107
1108    assert(subject);
1109    assert(pcrs_command);
1110
1111    *hits = 0;
1112    size = strlen(subject);
1113
1114    job = pcrs_compile_command(pcrs_command, hits);
1115    if (NULL != job)
1116    {
1117       *hits = pcrs_execute(job, subject, size, &result, &size);
1118       if (*hits < 0)
1119       {
1120          freez(result);
1121       }
1122       pcrs_free_job(job);
1123    }
1124    return result;
1125
1126 }
1127
1128
1129 /*********************************************************************
1130  *
1131  * Function    :  pcrs_compile_dynamic_command
1132  *
1133  * Description :  Takes a dynamic pcrs command, fills in the
1134  *                values of the variables and compiles it.
1135  *
1136  * Parameters  :
1137  *          1  :  pcrs_command = The dynamic pcrs command to compile
1138  *          2  :  v = NULL terminated array of variables and their values.
1139  *          3  :  error = pcrs error code
1140  *
1141  * Returns     :  NULL in case of hard errors, otherwise the
1142  *                compiled pcrs job.
1143  *
1144  *********************************************************************/
1145 pcrs_job *pcrs_compile_dynamic_command(char *pcrs_command, const struct pcrs_variable v[], int *error)
1146 {
1147    char buf[PCRS_BUFFER_SIZE];
1148    const char *original_pcrs_command = pcrs_command;
1149    char *pcrs_command_tmp = NULL;
1150    pcrs_job *job = NULL;
1151    int truncation = 0;
1152    char d;
1153    int ret;
1154
1155    while ((NULL != v->name) && (NULL != pcrs_command))
1156    {
1157       assert(NULL != v->value);
1158
1159       if (NULL == strstr(pcrs_command, v->name))
1160       {
1161          /*
1162           * Skip the substitution if the variable
1163           * name isn't part of the pattern.
1164           */
1165          v++;
1166          continue;
1167       }
1168
1169       /* Use pcrs to replace the variable with its value. */
1170       d = pcrs_get_delimiter(v->value);
1171       if ('\0' == d)
1172       {
1173          /* No proper delimiter found */
1174          *error = PCRS_ERR_CMDSYNTAX;
1175          freez(pcrs_command_tmp);
1176          return NULL;
1177       }
1178
1179       /*
1180        * Variable names are supposed to contain alpha
1181        * numerical characters plus '_' only.
1182        */
1183       assert(NULL == strchr(v->name, d));
1184
1185       ret = snprintf(buf, sizeof(buf), "s%c\\$%s%c%s%cDgT", d, v->name, d, v->value, d);
1186       assert(ret >= 0);
1187       if (ret >= sizeof(buf))
1188       {
1189          /*
1190           * Value didn't completely fit into buffer,
1191           * overwrite the end of the substitution text
1192           * with a truncation message and close the pattern
1193           * properly.
1194           */
1195          static const char warning[] = "... [too long, truncated]";
1196          const size_t trailer_size = sizeof(warning) + 4; /* 4 for d + "DgT" */
1197          char *trailer_start = buf + sizeof(buf) - trailer_size;
1198
1199          ret = snprintf(trailer_start, trailer_size, "%s%cDgT", warning, d);
1200          assert(ret == trailer_size - 1);
1201          assert(sizeof(buf) == strlen(buf) + 1);
1202          truncation = 1;
1203       }
1204
1205       pcrs_command_tmp = pcrs_execute_single_command(pcrs_command, buf, error);
1206       if (NULL == pcrs_command_tmp)
1207       {
1208          return NULL;
1209       }
1210
1211       if (pcrs_command != original_pcrs_command)
1212       {
1213          freez(pcrs_command);
1214       }
1215       pcrs_command = pcrs_command_tmp;
1216
1217       v++;
1218    }
1219
1220    job = pcrs_compile_command(pcrs_command, error);
1221    if (pcrs_command != original_pcrs_command)
1222    {
1223       freez(pcrs_command);
1224    }
1225
1226    if (truncation)
1227    {
1228       *error = PCRS_WARN_TRUNCATION;
1229    }
1230
1231    return job;
1232
1233 }
1234
1235
1236 /*
1237   Local Variables:
1238   tab-width: 3
1239   end:
1240 */