re_filterfile

   1 # ********************************************************************
   2 #
   3 #  File        :  $Source: /cvsroot/ijbswa/current/re_filterfile,v $
   4 #
   5 #  Purpose     :  Rules to process the content of web pages
   6 #
   7 #  Copyright   :  Written by and Copyright (C) 2001 the SourceForge
   8 #                 IJBSWA team.  http://ijbswa.sourceforge.net
   9 #
  10 #                 This program is free software; you can redistribute it
  11 #                 and/or modify it under the terms of the GNU General
  12 #                 Public License as published by the Free Software
  13 #                 Foundation; either version 2 of the License, or (at
  14 #                 your option) any later version.
  15 #
  16 #                 This program is distributed in the hope that it will
  17 #                 be useful, but WITHOUT ANY WARRANTY; without even the
  18 #                 implied warranty of MERCHANTABILITY or FITNESS FOR A
  19 #                 PARTICULAR PURPOSE.  See the GNU General Public
  20 #                 License for more details.
  21 #
  22 #                 The GNU General Public License should be included with
  23 #                 this file.  If not, you can view it at
  24 #                 http://www.gnu.org/copyleft/gpl.html
  25 #                 or write to the Free Software Foundation, Inc., 59
  26 #                 Temple Place - Suite 330, Boston, MA  02111-1307, USA.
  27 #
  28 #  Revisions   :
  29 #     $Log: re_filterfile,v $
  30 #     Revision 1.14  2001/12/09 18:55:11  david__schmidt
  31 #     Updated CODE_STATUS to beta, commented out microsuck line in re_filterfile
  32 #     for 2.9.10 beta
  33 #
  34 #     Revision 1.13  2001/10/13 13:11:20  joergs
  35 #     Fixed WebBug filter.
  36 #
  37 #     Revision 1.12  2001/10/07 15:46:42  oes
  38 #     Followed Guy's proposal to change the document.cookie job
  39 #
  40 #     Revision 1.11  2001/09/21 12:34:00  joergs
  41 #     Added filter to replace "Nimda" code by a warning.
  42 #
  43 #     Revision 1.10  2001/07/20 11:04:26  oes
  44 #     Added Rodneys javascript cookie filter
  45 #
  46 #     Revision 1.9  2001/07/13 14:03:48  oes
  47 #     Elimiated yet another bug in the banner-by-size jobs. Shame on me!
  48 #
  49 #     Revision 1.8  2001/06/29 13:34:00  oes
  50 #     - Added explanation for U and T options
  51 #     - Added hint on image replacement by CGI call
  52 #     - Fixed bug in banner-by-size jobs
  53 #
  54 #     Revision 1.7  2001/06/19 14:21:56  oes
  55 #     Fixed microsuck line
  56 #
  57 #     Revision 1.6  2001/06/09 14:01:57  swa
  58 #     header. cosmetics. default: no messing ala microsuck.
  59 #
  60 #
  61 #
  62 # ********************************************************************/
  63 #
  64 # Syntax: One Perl-Style substitution per line.
  65 # For Details see the perlre, perlop and pcre manpages.
  66 # Note that you are free to choose the delimter as you see fit.
  67 #
  68 # Note: In addidion to the Perl options egimosx, the following nonstandard
  69 # options are supported:
  70 #
  71 # 'U' turns the default to ungreedy matching.  Add ? to quantifiers to
  72 #     switch back to greedy.
  73 # 'T' (trivial) prevents parsing for backreferences in the substitute.
  74 #     Use if you want to include text like '$&' in your substitute without
  75 #     quoting.
  76 #
  77
  78 # ********************************************************************/
  79 #
  80 # Kill OnUnload popups. Yummy.
  81 # check it out on http://www.zdnet.com/zdsubs/yahoo/tree/yfs.html
  82 #
  83 # ********************************************************************/
  84 s/(<body .*?)onunload(.*?>)/$1never$2/i
  85
  86 # ********************************************************************/
  87 #
  88 # Kill refresh tags. I like to refresh myself. Manually.
  89 # check it out on http://www.airport-cgn.de/ and go to the arrivals page.
  90 #
  91 # ********************************************************************/
  92 # only if content value isn't 0..1
  93 # FIXME: second line like first line for content value
  94 s/<meta[^>]*http-equiv[^>]*refresh.*([0-9]+[0-9]|"[2-9]);URL=([^>]*?)"?>/<link rev="x-refresh" href=$2>/i
  95 s/<meta[^>]*http-equiv="?page-enter"?[^>]*content=[^>]*>/<!--no page enter for me-->/i
  96
  97 # ********************************************************************/
  98 #
  99 # If I allow popups, I want them to be resizeable and have a location
 100 # and status bar: check it out on http://www.airport-cgn.de/ and go to
 101 # the arrivals page.
 102 #
 103 # ********************************************************************/
 104 # s/resizable="?(no|0)"?/resizable=1/ig s/noresize/yesresize/ig
 105 # s/location="?(no|0)"?/location=1/ig s/status="?(no|0)"?/status=1/ig
 106 # s/scrolling="?(no|0|Auto)"?/scrolling=1/ig
 107 # s/menubar="?(no|0)"?/menubar=1/ig #s/framespacing="?(no|0)"?//ig
 108 # #s/margin(height|width)=[0-9]*//gi
 109
 110 # ********************************************************************/
 111 #
 112 # Remove frameborder=0 and border=0 from framesets
 113 #
 114 # ********************************************************************/
 115 s/(<frameset[^>]+?)border=['"]?(no|0)['"]?/$1/ig
 116 s/(<frameset[^>]+?)frameborder=['"]?(no|0)['"]?/$1/ig
 117
 118 # ********************************************************************/
 119 #
 120 # The status bar is for displaying link targets, not pointless descriptions.
 121 # Again, check it out on http://www.airport-cgn.de/
 122 #
 123 # ********************************************************************/
 124 s/status='.*?';*//ig
 125
 126 # ********************************************************************/
 127 #
 128 # Get rid of Javascript cookies, like found on privacy.net:
 129 #
 130 # ********************************************************************/
 131
 132 s|(document\.cookie)([ \t\r\n]*=)|documenZapCooky$2|g
 133
 134 # ********************************************************************/
 135 #
 136 # Kill *all* popups a la popup.c. (But for *all* sites, so I wouldn't do that.)
 137 #
 138 # JavaScript: s/window\.open\(/who_wants_this_to.open(/ig
 139 # HTML      : s/target=['"]?_blank['"]?/target_who/g
 140 #
 141 # Kill banners by size:
 142 # (Sizes from http://www.iab.net/iab_banner_standards/bannersizes.html)
 143 # Note: Use http://i.j.b/send-banner?type=trans for a transparent 1x1 gif
 144 # ********************************************************************/
 145 s|<img\s+[^>]*?(width=['"]?468\D)[^>]*(height=['"]?60[^>]*?)>|<img src=http://i.j.b/send-banner $1 $2>|sig
 146 s|<img\s+[^>]*?(width=['"]?234\D)[^>]*(height=['"]?60[^>]*?)>|<img src=http://i.j.b/send-banner $1 $2>|sig
 147 s|<img\s+[^>]*?(width=['"]?88\D)[^>]*(height=['"]?31[^>]*?)>|<img src=http://i.j.b/send-banner $1 $2>|sig
 148 s|<img\s+[^>]*?(width=['"]?120\D)[^>]*(height=['"]?90[^>]*?)>|<img src=http://i.j.b/send-banner $1 $2>|sig
 149 s|<img\s+[^>]*?(width=['"]?120\D)[^>]*(height=['"]?600[^>]*?)>|<img src=http://i.j.b/send-banner $1 $2>|sig
 150 s|<img\s+[^>]*?(width=['"]?120\D)[^>]*(height=['"]?60[^>]*?)>|<img src=http://i.j.b/send-banner $1 $2>|sig
 151 s|<img\s+[^>]*?(width=['"]?160\D)[^>]*(height=['"]?600[^>]*?)>|<img src=http://i.j.b/send-banner $1 $2>|sig
 152 s|<img\s+[^>]*?(width=['"]?125\D)[^>]*(height=['"]?125[^>]*?)>|<img src=http://i.j.b/send-banner $1 $2>|sig
 153 s|<img\s+[^>]*?(width=['"]?120\D)[^>]*(height=['"]?240[^>]*?)>|<img src=http://i.j.b/send-banner $1 $2>|sig
 154 s|<img\s+[^>]*?(width=['"]?180\D)[^>]*(height=['"]?150[^>]*?)>|<img src=http://i.j.b/send-banner $1 $2>|sig
 155 s|<img\s+[^>]*?(width=['"]?300\D)[^>]*(height=['"]?250[^>]*?)>|<img src=http://i.j.b/send-banner $1 $2>|sig
 156 s|<img\s+[^>]*?(width=['"]?250\D)[^>]*(height=['"]?250[^>]*?)>|<img src=http://i.j.b/send-banner $1 $2>|sig
 157 s|<img\s+[^>]*?(width=['"]?240\D)[^>]*(height=['"]?400[^>]*?)>|<img src=http://i.j.b/send-banner $1 $2>|sig
 158 s|<img\s+[^>]*?(width=['"]?336\D)[^>]*(height=['"]?280[^>]*?)>|<img src=http://i.j.b/send-banner $1 $2>|sig
 159
 160 # Where is that from?
 161 s|<img\s+[^>]*?(width=['"]?200\D)[^>]*(height=['"]?50[^>]*?)>|<img src=http://i.j.b/send-banner $1 $2>|sig
 162
 163 # ********************************************************************/
 164 #
 165 # Squish WebBugs:
 166 #
 167 # ********************************************************************/
 168 s/<img\s+[^>]*?(width|height)\s*=\s*['"]?1\D[^>]*?(width|height)\s*=\s*['"]?1(\D[^>]*?)?>/<!-- Squished WebBug -->/sig
 169
 170 # ********************************************************************/
 171 #
 172 # Fun stuff
 173 #
 174 # ********************************************************************/
 175 #s/microsoft(?!.com)/MicroSuck/ig
 176
 177 # ********************************************************************/
 178 #
 179 # Crude parental filtering?  (Use along with a suitable blocklist).
 180 # Shows how to deny access to whole page based on a keyword.
 181 #
 182 # (Note: Middlesex, Sussex and Essex are counties in the UK, not rude words)
 183 # (Note #2: Is 'sex' a rude word?!)
 184 #
 185 #s%^.*(?<!middle)(?<!sus)(?<!es)sex.*$%<html><head><title>Blocked</title></head><body><h3>Blocked due to possible adult content. Please see <a href="http://dmoz.org/Kids_and_Teens/">this site</a>.</h3></body></html>%is
 186 #s+^.*warez.*$+<html><head><title>No Warez</title></head><body><h3>You're not searching for illegal stuff, are you?</h3></body></html>+is
 187
 188 # ********************************************************************/
 189 #
 190 # Remove Nimda code.
 191 #
 192 # ********************************************************************/
 193 s%<script language="JavaScript">(window\.open|1;''\.concat)\("readme\.eml", null, "resizable=no,top=6000,left=6000"\)</script>%<br><hr><font size=7><b>Internet J</b></font><b><font size=6>UNK</font><font size=5 color="red"><i>BUSTER</i></font></b><font size=7> WARNING: This Server is infected with <a href="http://www.cert.org/advisories/CA-2001-26.html">Nimda</a>!</font>%g