urlmatch.c

   1 const char urlmatch_rcs[] = "$Id: urlmatch.c,v 1.37 2008/04/17 14:53:29 fabiankeil Exp $";
   2 /*********************************************************************
   3  *
   4  * File        :  $Source: /cvsroot/ijbswa/current/urlmatch.c,v $
   5  *
   6  * Purpose     :  Declares functions to match URLs against URL
   7  *                patterns.
   8  *
   9  * Copyright   :  Written by and Copyright (C) 2001-2003, 2006-2008 the SourceForge
  10  *                Privoxy team. http://www.privoxy.org/
  11  *
  12  *                Based on the Internet Junkbuster originally written
  13  *                by and Copyright (C) 1997 Anonymous Coders and
  14  *                Junkbusters Corporation.  http://www.junkbusters.com
  15  *
  16  *                This program is free software; you can redistribute it
  17  *                and/or modify it under the terms of the GNU General
  18  *                Public License as published by the Free Software
  19  *                Foundation; either version 2 of the License, or (at
  20  *                your option) any later version.
  21  *
  22  *                This program is distributed in the hope that it will
  23  *                be useful, but WITHOUT ANY WARRANTY; without even the
  24  *                implied warranty of MERCHANTABILITY or FITNESS FOR A
  25  *                PARTICULAR PURPOSE.  See the GNU General Public
  26  *                License for more details.
  27  *
  28  *                The GNU General Public License should be included with
  29  *                this file.  If not, you can view it at
  30  *                http://www.gnu.org/copyleft/gpl.html
  31  *                or write to the Free Software Foundation, Inc., 59
  32  *                Temple Place - Suite 330, Boston, MA  02111-1307, USA.
  33  *
  34  * Revisions   :
  35  *    $Log: urlmatch.c,v $
  36  *    Revision 1.37  2008/04/17 14:53:29  fabiankeil
  37  *    Move simplematch() into urlmatch.c as it's only
  38  *    used to match (old-school) domain patterns.
  39  *
  40  *    Revision 1.36  2008/04/14 18:19:48  fabiankeil
  41  *    Remove now-pointless cast in create_url_spec().
  42  *
  43  *    Revision 1.35  2008/04/14 18:11:21  fabiankeil
  44  *    The compiler might not notice it, but the buffer passed to
  45  *    create_url_spec() is modified later on and thus shouldn't
  46  *    be declared immutable.
  47  *
  48  *    Revision 1.34  2008/04/13 13:32:07  fabiankeil
  49  *    Factor URL pattern compilation out of create_url_spec().
  50  *
  51  *    Revision 1.33  2008/04/12 14:03:13  fabiankeil
  52  *    Remove an obvious comment and improve another one.
  53  *
  54  *    Revision 1.32  2008/04/12 12:38:06  fabiankeil
  55  *    Factor out duplicated code to compile host, path and tag patterns.
  56  *
  57  *    Revision 1.31  2008/04/10 14:41:04  fabiankeil
  58  *    Ditch url_spec's path member now that it's no longer used.
  59  *
  60  *    Revision 1.30  2008/04/10 04:24:24  fabiankeil
  61  *    Stop duplicating the plain text representation of the path regex
  62  *    (and keeping the copy around). Once the regex is compiled it's no
  63  *    longer useful.
  64  *
  65  *    Revision 1.29  2008/04/10 04:17:56  fabiankeil
  66  *    In url_match(), check the right member for NULL when determining
  67  *    whether there's a path regex to execute. Looking for a plain-text
  68  *    representation works as well, but it looks "interesting" and that
  69  *    member will be removed soonish anyway.
  70  *
  71  *    Revision 1.28  2008/04/08 16:07:39  fabiankeil
  72  *    Make it harder to mistake url_match()'s
  73  *    second parameter for an url_spec.
  74  *
  75  *    Revision 1.27  2008/04/08 15:44:33  fabiankeil
  76  *    Save a bit of memory (and a few cpu cycles) by not bothering to
  77  *    compile slash-only path regexes that don't affect the result.
  78  *
  79  *    Revision 1.26  2008/04/07 16:57:18  fabiankeil
  80  *    - Use free_url_spec() more consistently.
  81  *    - Let it reset url->dcount just in case.
  82  *
  83  *    Revision 1.25  2008/04/06 15:18:38  fabiankeil
  84  *    Oh well, rename the --enable-pcre-host-patterns option to
  85  *    --enable-extended-host-patterns as it's not really PCRE syntax.
  86  *
  87  *    Revision 1.24  2008/04/06 14:54:26  fabiankeil
  88  *    Use PCRE syntax in host patterns when configured
  89  *    with --enable-pcre-host-patterns.
  90  *
  91  *    Revision 1.23  2008/04/05 12:19:20  fabiankeil
  92  *    Factor compile_host_pattern() out of create_url_spec().
  93  *
  94  *    Revision 1.22  2008/03/30 15:02:32  fabiankeil
  95  *    SZitify unknown_method().
  96  *
  97  *    Revision 1.21  2007/12/24 16:34:23  fabiankeil
  98  *    Band-aid (and micro-optimization) that makes it less likely to run out of
  99  *    stack space with overly-complex path patterns. Probably masks the problem
 100  *    reported by Lee in #1856679. Hohoho.
 101  *
 102  *    Revision 1.20  2007/09/02 15:31:20  fabiankeil
 103  *    Move match_portlist() from filter.c to urlmatch.c.
 104  *    It's used for url matching, not for filtering.
 105  *
 106  *    Revision 1.19  2007/09/02 13:42:11  fabiankeil
 107  *    - Allow port lists in url patterns.
 108  *    - Ditch unused url_spec member pathlen.
 109  *
 110  *    Revision 1.18  2007/07/30 16:42:21  fabiankeil
 111  *    Move the method check into unknown_method()
 112  *    and loop through the known methods instead
 113  *    of using a screen-long OR chain.
 114  *
 115  *    Revision 1.17  2007/04/15 16:39:21  fabiankeil
 116  *    Introduce tags as alternative way to specify which
 117  *    actions apply to a request. At the moment tags can be
 118  *    created based on client and server headers.
 119  *
 120  *    Revision 1.16  2007/02/13 13:59:24  fabiankeil
 121  *    Remove redundant log message.
 122  *
 123  *    Revision 1.15  2007/01/28 16:11:23  fabiankeil
 124  *    Accept WebDAV methods for subversion
 125  *    in parse_http_request(). Closes FR 1581425.
 126  *
 127  *    Revision 1.14  2007/01/06 14:23:56  fabiankeil
 128  *    Fix gcc43 warnings. Mark *csp as immutable
 129  *    for parse_http_url() and url_match().
 130  *    Replace a sprintf call with snprintf.
 131  *
 132  *    Revision 1.13  2006/12/06 19:50:54  fabiankeil
 133  *    parse_http_url() now handles intercepted
 134  *    HTTP request lines as well. Moved parts
 135  *    of parse_http_url()'s code into
 136  *    init_domain_components() so that it can
 137  *    be reused in chat().
 138  *
 139  *    Revision 1.12  2006/07/18 14:48:47  david__schmidt
 140  *    Reorganizing the repository: swapping out what was HEAD (the old 3.1 branch)
 141  *    with what was really the latest development (the v_3_0_branch branch)
 142  *
 143  *    Revision 1.10.2.7  2003/05/17 15:57:24  oes
 144  *     - parse_http_url now checks memory allocation failure for
 145  *       duplication of "*" URL and rejects "*something" URLs
 146  *       Closes bug #736344
 147  *     - Added a comment to what might look like a bug in
 148  *       create_url_spec (see !bug #736931)
 149  *     - Comment cosmetics
 150  *
 151  *    Revision 1.10.2.6  2003/05/07 12:39:48  oes
 152  *    Fix typo: Default port for https URLs is 443, not 143.
 153  *    Thanks to Scott Tregear for spotting this one.
 154  *
 155  *    Revision 1.10.2.5  2003/02/28 13:09:29  oes
 156  *    Fixed a rare double free condition as per Bug #694713
 157  *
 158  *    Revision 1.10.2.4  2003/02/28 12:57:44  oes
 159  *    Moved freeing of http request structure to its owner
 160  *    as per Dan Price's observations in Bug #694713
 161  *
 162  *    Revision 1.10.2.3  2002/11/12 16:50:40  oes
 163  *    Fixed memory leak in parse_http_request() reported by Oliver Stoeneberg. Fixes bug #637073
 164  *
 165  *    Revision 1.10.2.2  2002/09/25 14:53:15  oes
 166  *    Added basic support for OPTIONS and TRACE HTTP methods:
 167  *    parse_http_url now recognizes the "*" URI as well as
 168  *    the OPTIONS and TRACE method keywords.
 169  *
 170  *    Revision 1.10.2.1  2002/06/06 19:06:44  jongfoster
 171  *    Adding support for proprietary Microsoft WebDAV extensions
 172  *
 173  *    Revision 1.10  2002/05/12 21:40:37  jongfoster
 174  *    - Removing some unused code
 175  *
 176  *    Revision 1.9  2002/04/04 00:36:36  gliptak
 177  *    always use pcre for matching
 178  *
 179  *    Revision 1.8  2002/04/03 23:32:47  jongfoster
 180  *    Fixing memory leak on error
 181  *
 182  *    Revision 1.7  2002/03/26 22:29:55  swa
 183  *    we have a new homepage!
 184  *
 185  *    Revision 1.6  2002/03/24 13:25:43  swa
 186  *    name change related issues
 187  *
 188  *    Revision 1.5  2002/03/13 00:27:05  jongfoster
 189  *    Killing warnings
 190  *
 191  *    Revision 1.4  2002/03/07 03:46:17  oes
 192  *    Fixed compiler warnings
 193  *
 194  *    Revision 1.3  2002/03/03 14:51:11  oes
 195  *    Fixed CLF logging: Added ocmd member for client's request to struct http_request
 196  *
 197  *    Revision 1.2  2002/01/21 00:14:09  jongfoster
 198  *    Correcting comment style
 199  *    Fixing an uninitialized memory bug in create_url_spec()
 200  *
 201  *    Revision 1.1  2002/01/17 20:53:46  jongfoster
 202  *    Moving all our URL and URL pattern parsing code to the same file - it
 203  *    was scattered around in filters.c, loaders.c and parsers.c.
 204  *
 205  *    Providing a single, simple url_match(pattern,url) function - rather than
 206  *    the 3-line match routine which was repeated all over the place.
 207  *
 208  *    Renaming free_url to free_url_spec, since it frees a struct url_spec.
 209  *
 210  *    Providing parse_http_url() so that URLs can be parsed without faking a
 211  *    HTTP request line for parse_http_request() or repeating the parsing
 212  *    code (both of which were techniques that were actually in use).
 213  *
 214  *    Standardizing that struct http_request is used to represent a URL, and
 215  *    struct url_spec is used to represent a URL pattern.  (Before, URLs were
 216  *    represented as seperate variables and a partially-filled-in url_spec).
 217  *
 218  *
 219  *********************************************************************/
 220 \f
 221
 222 #include "config.h"
 223
 224 #ifndef _WIN32
 225 #include <stdio.h>
 226 #include <sys/types.h>
 227 #endif
 228
 229 #include <stdlib.h>
 230 #include <ctype.h>
 231 #include <assert.h>
 232 #include <string.h>
 233
 234 #if !defined(_WIN32) && !defined(__OS2__)
 235 #include <unistd.h>
 236 #endif
 237
 238 #include "project.h"
 239 #include "urlmatch.h"
 240 #include "ssplit.h"
 241 #include "miscutil.h"
 242 #include "errlog.h"
 243
 244 const char urlmatch_h_rcs[] = URLMATCH_H_VERSION;
 245
 246 enum regex_anchoring {NO_ANCHORING, LEFT_ANCHORED, RIGHT_ANCHORED};
 247 static jb_err compile_host_pattern(struct url_spec *url, const char *host_pattern);
 248
 249 /*********************************************************************
 250  *
 251  * Function    :  free_http_request
 252  *
 253  * Description :  Freez a http_request structure
 254  *
 255  * Parameters  :
 256  *          1  :  http = points to a http_request structure to free
 257  *
 258  * Returns     :  N/A
 259  *
 260  *********************************************************************/
 261 void free_http_request(struct http_request *http)
 262 {
 263    assert(http);
 264
 265    freez(http->cmd);
 266    freez(http->ocmd);
 267    freez(http->gpc);
 268    freez(http->host);
 269    freez(http->url);
 270    freez(http->hostport);
 271    freez(http->path);
 272    freez(http->ver);
 273    freez(http->host_ip_addr_str);
 274    freez(http->dbuffer);
 275    freez(http->dvec);
 276    http->dcount = 0;
 277 }
 278
 279
 280 /*********************************************************************
 281  *
 282  * Function    :  init_domain_components
 283  *
 284  * Description :  Splits the domain name so we can compare it
 285  *                against wildcards. It used to be part of
 286  *                parse_http_url, but was separated because the
 287  *                same code is required in chat in case of
 288  *                intercepted requests.
 289  *
 290  * Parameters  :
 291  *          1  :  http = pointer to the http structure to hold elements.
 292  *
 293  * Returns     :  JB_ERR_OK on success
 294  *                JB_ERR_MEMORY on out of memory
 295  *                JB_ERR_PARSE on malformed command/URL
 296  *                             or >100 domains deep.
 297  *
 298  *********************************************************************/
 299 jb_err init_domain_components(struct http_request *http)
 300 {
 301    char *vec[BUFFER_SIZE];
 302    size_t size;
 303    char *p;
 304
 305    http->dbuffer = strdup(http->host);
 306    if (NULL == http->dbuffer)
 307    {
 308       return JB_ERR_MEMORY;
 309    }
 310
 311    /* map to lower case */
 312    for (p = http->dbuffer; *p ; p++)
 313    {
 314       *p = (char)tolower((int)(unsigned char)*p);
 315    }
 316
 317    /* split the domain name into components */
 318    http->dcount = ssplit(http->dbuffer, ".", vec, SZ(vec), 1, 1);
 319
 320    if (http->dcount <= 0)
 321    {
 322       /*
 323        * Error: More than SZ(vec) components in domain
 324        *    or: no components in domain
 325        */
 326       log_error(LOG_LEVEL_ERROR, "More than SZ(vec) components in domain or none at all.");
 327       return JB_ERR_PARSE;
 328    }
 329
 330    /* save a copy of the pointers in dvec */
 331    size = (size_t)http->dcount * sizeof(*http->dvec);
 332
 333    http->dvec = (char **)malloc(size);
 334    if (NULL == http->dvec)
 335    {
 336       return JB_ERR_MEMORY;
 337    }
 338
 339    memcpy(http->dvec, vec, size);
 340
 341    return JB_ERR_OK;
 342 }
 343
 344
 345 /*********************************************************************
 346  *
 347  * Function    :  parse_http_url
 348  *
 349  * Description :  Parse out the host and port from the URL.  Find the
 350  *                hostname & path, port (if ':'), and/or password (if '@')
 351  *
 352  * Parameters  :
 353  *          1  :  url = URL (or is it URI?) to break down
 354  *          2  :  http = pointer to the http structure to hold elements.
 355  *                       Will be zeroed before use.  Note that this
 356  *                       function sets the http->gpc and http->ver
 357  *                       members to NULL.
 358  *          3  :  csp = Current client state (buffers, headers, etc...)
 359  *
 360  * Returns     :  JB_ERR_OK on success
 361  *                JB_ERR_MEMORY on out of memory
 362  *                JB_ERR_PARSE on malformed command/URL
 363  *                             or >100 domains deep.
 364  *
 365  *********************************************************************/
 366 jb_err parse_http_url(const char * url,
 367                       struct http_request *http,
 368                       const struct client_state *csp)
 369 {
 370    int host_available = 1; /* A proxy can dream. */
 371
 372    /*
 373     * Zero out the results structure
 374     */
 375    memset(http, '\0', sizeof(*http));
 376
 377
 378    /*
 379     * Save our initial URL
 380     */
 381    http->url = strdup(url);
 382    if (http->url == NULL)
 383    {
 384       return JB_ERR_MEMORY;
 385    }
 386
 387
 388    /*
 389     * Check for * URI. If found, we're done.
 390     */
 391    if (*http->url == '*')
 392    {
 393       if  ( NULL == (http->path = strdup("*"))
 394          || NULL == (http->hostport = strdup("")) )
 395       {
 396          return JB_ERR_MEMORY;
 397       }
 398       if (http->url[1] != '\0')
 399       {
 400          return JB_ERR_PARSE;
 401       }
 402       return JB_ERR_OK;
 403    }
 404
 405
 406    /*
 407     * Split URL into protocol,hostport,path.
 408     */
 409    {
 410       char *buf;
 411       char *url_noproto;
 412       char *url_path;
 413
 414       buf = strdup(url);
 415       if (buf == NULL)
 416       {
 417          return JB_ERR_MEMORY;
 418       }
 419
 420       /* Find the start of the URL in our scratch space */
 421       url_noproto = buf;
 422       if (strncmpic(url_noproto, "http://",  7) == 0)
 423       {
 424          url_noproto += 7;
 425          http->ssl = 0;
 426       }
 427       else if (strncmpic(url_noproto, "https://", 8) == 0)
 428       {
 429          url_noproto += 8;
 430          http->ssl = 1;
 431       }
 432       else if (*url_noproto == '/')
 433       {
 434         /*
 435          * Short request line without protocol and host.
 436          * Most likely because the client's request
 437          * was intercepted and redirected into Privoxy.
 438          */
 439          http->ssl = 0;
 440          http->host = NULL;
 441          host_available = 0;
 442       }
 443       else
 444       {
 445          http->ssl = 0;
 446       }
 447
 448       url_path = strchr(url_noproto, '/');
 449       if (url_path != NULL)
 450       {
 451          /*
 452           * Got a path.
 453           *
 454           * NOTE: The following line ignores the path for HTTPS URLS.
 455           * This means that you get consistent behaviour if you type a
 456           * https URL in and it's parsed by the function.  (When the
 457           * URL is actually retrieved, SSL hides the path part).
 458           */
 459          http->path = strdup(http->ssl ? "/" : url_path);
 460          *url_path = '\0';
 461          http->hostport = strdup(url_noproto);
 462       }
 463       else
 464       {
 465          /*
 466           * Repair broken HTTP requests that don't contain a path,
 467           * or CONNECT requests
 468           */
 469          http->path = strdup("/");
 470          http->hostport = strdup(url_noproto);
 471       }
 472
 473       freez(buf);
 474
 475       if ( (http->path == NULL)
 476         || (http->hostport == NULL))
 477       {
 478          return JB_ERR_MEMORY;
 479       }
 480    }
 481
 482    if (!host_available)
 483    {
 484       /* Without host, there is nothing left to do here */
 485       return JB_ERR_OK;
 486    }
 487
 488    /*
 489     * Split hostport into user/password (ignored), host, port.
 490     */
 491    {
 492       char *buf;
 493       char *host;
 494       char *port;
 495
 496       buf = strdup(http->hostport);
 497       if (buf == NULL)
 498       {
 499          return JB_ERR_MEMORY;
 500       }
 501
 502       /* check if url contains username and/or password */
 503       host = strchr(buf, '@');
 504       if (host != NULL)
 505       {
 506          /* Contains username/password, skip it and the @ sign. */
 507          host++;
 508       }
 509       else
 510       {
 511          /* No username or password. */
 512          host = buf;
 513       }
 514
 515       /* check if url contains port */
 516       port = strchr(host, ':');
 517       if (port != NULL)
 518       {
 519          /* Contains port */
 520          /* Terminate hostname and point to start of port string */
 521          *port++ = '\0';
 522          http->port = atoi(port);
 523       }
 524       else
 525       {
 526          /* No port specified. */
 527          http->port = (http->ssl ? 443 : 80);
 528       }
 529
 530       http->host = strdup(host);
 531
 532       free(buf);
 533
 534       if (http->host == NULL)
 535       {
 536          return JB_ERR_MEMORY;
 537       }
 538    }
 539
 540    /*
 541     * Split domain name so we can compare it against wildcards
 542     */
 543    return init_domain_components(http);
 544
 545 }
 546
 547
 548 /*********************************************************************
 549  *
 550  * Function    :  unknown_method
 551  *
 552  * Description :  Checks whether a method is unknown.
 553  *
 554  * Parameters  :
 555  *          1  :  method = points to a http method
 556  *
 557  * Returns     :  TRUE if it's unknown, FALSE otherwise.
 558  *
 559  *********************************************************************/
 560 static int unknown_method(const char *method)
 561 {
 562    static const char *known_http_methods[] = {
 563       /* Basic HTTP request type */
 564       "GET", "HEAD", "POST", "PUT", "DELETE", "OPTIONS", "TRACE", "CONNECT",
 565       /* webDAV extensions (RFC2518) */
 566       "PROPFIND", "PROPPATCH", "MOVE", "COPY", "MKCOL", "LOCK", "UNLOCK",
 567       /*
 568        * Microsoft webDAV extension for Exchange 2000.  See:
 569        * http://lists.w3.org/Archives/Public/w3c-dist-auth/2002JanMar/0001.html
 570        * http://msdn.microsoft.com/library/en-us/wss/wss/_webdav_methods.asp
 571        */
 572       "BCOPY", "BMOVE", "BDELETE", "BPROPFIND", "BPROPPATCH",
 573       /*
 574        * Another Microsoft webDAV extension for Exchange 2000.  See:
 575        * http://systems.cs.colorado.edu/grunwald/MobileComputing/Papers/draft-cohen-gena-p-base-00.txt
 576        * http://lists.w3.org/Archives/Public/w3c-dist-auth/2002JanMar/0001.html
 577        * http://msdn.microsoft.com/library/en-us/wss/wss/_webdav_methods.asp
 578        */
 579       "SUBSCRIBE", "UNSUBSCRIBE", "NOTIFY", "POLL",
 580       /*
 581        * Yet another WebDAV extension, this time for
 582        * Web Distributed Authoring and Versioning (RFC3253)
 583        */
 584       "VERSION-CONTROL", "REPORT", "CHECKOUT", "CHECKIN", "UNCHECKOUT",
 585       "MKWORKSPACE", "UPDATE", "LABEL", "MERGE", "BASELINE-CONTROL", "MKACTIVITY",
 586    };
 587    int i;
 588
 589    for (i = 0; i < SZ(known_http_methods); i++)
 590    {
 591       if (0 == strcmpic(method, known_http_methods[i]))
 592       {
 593          return FALSE;
 594       }
 595    }
 596
 597    return TRUE;
 598
 599 }
 600
 601
 602 /*********************************************************************
 603  *
 604  * Function    :  parse_http_request
 605  *
 606  * Description :  Parse out the host and port from the URL.  Find the
 607  *                hostname & path, port (if ':'), and/or password (if '@')
 608  *
 609  * Parameters  :
 610  *          1  :  req = HTTP request line to break down
 611  *          2  :  http = pointer to the http structure to hold elements
 612  *          3  :  csp = Current client state (buffers, headers, etc...)
 613  *
 614  * Returns     :  JB_ERR_OK on success
 615  *                JB_ERR_MEMORY on out of memory
 616  *                JB_ERR_CGI_PARAMS on malformed command/URL
 617  *                                  or >100 domains deep.
 618  *
 619  *********************************************************************/
 620 jb_err parse_http_request(const char *req,
 621                           struct http_request *http,
 622                           const struct client_state *csp)
 623 {
 624    char *buf;
 625    char *v[10]; /* XXX: Why 10? We should only need three. */
 626    int n;
 627    jb_err err;
 628    int is_connect = 0;
 629
 630    memset(http, '\0', sizeof(*http));
 631
 632    buf = strdup(req);
 633    if (buf == NULL)
 634    {
 635       return JB_ERR_MEMORY;
 636    }
 637
 638    n = ssplit(buf, " \r\n", v, SZ(v), 1, 1);
 639    if (n != 3)
 640    {
 641       free(buf);
 642       return JB_ERR_PARSE;
 643    }
 644
 645    /*
 646     * Fail in case of unknown methods
 647     * which we might not handle correctly.
 648     *
 649     * XXX: There should be a config option
 650     * to forward requests with unknown methods
 651     * anyway. Most of them don't need special
 652     * steps.
 653     */
 654    if (unknown_method(v[0]))
 655    {
 656       log_error(LOG_LEVEL_ERROR, "Unknown HTTP method detected: %s", v[0]);
 657       free(buf);
 658       return JB_ERR_PARSE;
 659    }
 660
 661    if (strcmpic(v[0], "CONNECT") == 0)
 662    {
 663       is_connect = 1;
 664    }
 665
 666    err = parse_http_url(v[1], http, csp);
 667    if (err)
 668    {
 669       free(buf);
 670       return err;
 671    }
 672
 673    /*
 674     * Copy the details into the structure
 675     */
 676    http->ssl = is_connect;
 677    http->cmd = strdup(req);
 678    http->gpc = strdup(v[0]);
 679    http->ver = strdup(v[2]);
 680
 681    if ( (http->cmd == NULL)
 682      || (http->gpc == NULL)
 683      || (http->ver == NULL) )
 684    {
 685       free(buf);
 686       return JB_ERR_MEMORY;
 687    }
 688
 689    free(buf);
 690    return JB_ERR_OK;
 691
 692 }
 693
 694
 695 /*********************************************************************
 696  *
 697  * Function    :  compile_pattern
 698  *
 699  * Description :  Compiles a host, domain or TAG pattern.
 700  *
 701  * Parameters  :
 702  *          1  :  pattern = The pattern to compile.
 703  *          2  :  anchoring = How the regex should be anchored.
 704  *                            Can be either one of NO_ANCHORING,
 705  *                            LEFT_ANCHORED or RIGHT_ANCHORED.
 706  *          3  :  url     = In case of failures, the spec member is
 707  *                          logged and the structure freed.
 708  *          4  :  regex   = Where the compiled regex should be stored.
 709  *
 710  * Returns     :  JB_ERR_OK - Success
 711  *                JB_ERR_MEMORY - Out of memory
 712  *                JB_ERR_PARSE - Cannot parse regex
 713  *
 714  *********************************************************************/
 715 static jb_err compile_pattern(const char *pattern, enum regex_anchoring anchoring,
 716                               struct url_spec *url, regex_t **regex)
 717 {
 718    int errcode;
 719    char rebuf[BUFFER_SIZE];
 720    const char *fmt;
 721
 722    assert(pattern);
 723    assert(strlen(pattern) < sizeof(rebuf) - 2);
 724
 725    if (pattern[0] == '\0')
 726    {
 727       *regex = NULL;
 728       return JB_ERR_OK;
 729    }
 730
 731    switch (anchoring)
 732    {
 733       case NO_ANCHORING:
 734          fmt = "%s";
 735          break;
 736       case RIGHT_ANCHORED:
 737          fmt = "%s$";
 738          break;
 739       case LEFT_ANCHORED:
 740          fmt = "^%s";
 741          break;
 742       default:
 743          log_error(LOG_LEVEL_FATAL,
 744             "Invalid anchoring in compile_pattern %d", anchoring);
 745    }
 746
 747    *regex = zalloc(sizeof(**regex));
 748    if (NULL == *regex)
 749    {
 750       free_url_spec(url);
 751       return JB_ERR_MEMORY;
 752    }
 753
 754    snprintf(rebuf, sizeof(rebuf), fmt, pattern);
 755
 756    errcode = regcomp(*regex, rebuf, (REG_EXTENDED|REG_NOSUB|REG_ICASE));
 757
 758    if (errcode)
 759    {
 760       size_t errlen = regerror(errcode, *regex, rebuf, sizeof(rebuf));
 761       if (errlen > (sizeof(rebuf) - (size_t)1))
 762       {
 763          errlen = sizeof(rebuf) - (size_t)1;
 764       }
 765       rebuf[errlen] = '\0';
 766       log_error(LOG_LEVEL_ERROR, "error compiling %s from %s: %s",
 767          pattern, url->spec, rebuf);
 768       free_url_spec(url);
 769
 770       return JB_ERR_PARSE;
 771    }
 772
 773    return JB_ERR_OK;
 774
 775 }
 776
 777
 778 /*********************************************************************
 779  *
 780  * Function    :  compile_url_pattern
 781  *
 782  * Description :  Compiles the three parts of an URL pattern.
 783  *
 784  * Parameters  :
 785  *          1  :  url = Target url_spec to be filled in.
 786  *          2  :  buf = The url pattern to compile. Will be messed up.
 787  *
 788  * Returns     :  JB_ERR_OK - Success
 789  *                JB_ERR_MEMORY - Out of memory
 790  *                JB_ERR_PARSE - Cannot parse regex
 791  *
 792  *********************************************************************/
 793 static jb_err compile_url_pattern(struct url_spec *url, char *buf)
 794 {
 795    char *p;
 796
 797    p = strchr(buf, '/');
 798    if (NULL != p)
 799    {
 800       /*
 801        * Only compile the regex if it consists of more than
 802        * a single slash, otherwise it wouldn't affect the result.
 803        */
 804       if (p[1] != '\0')
 805       {
 806          /*
 807           * XXX: does it make sense to compile the slash at the beginning?
 808           */
 809          jb_err err = compile_pattern(p, LEFT_ANCHORED, url, &url->preg);
 810
 811          if (JB_ERR_OK != err)
 812          {
 813             return err;
 814          }
 815       }
 816       *p = '\0';
 817    }
 818
 819    p = strchr(buf, ':');
 820    if (NULL != p)
 821    {
 822       *p++ = '\0';
 823       url->port_list = strdup(p);
 824       if (NULL == url->port_list)
 825       {
 826          return JB_ERR_MEMORY;
 827       }
 828    }
 829    else
 830    {
 831       url->port_list = NULL;
 832    }
 833
 834    if (buf[0] != '\0')
 835    {
 836       return compile_host_pattern(url, buf);
 837    }
 838
 839    return JB_ERR_OK;
 840
 841 }
 842
 843
 844 #ifdef FEATURE_EXTENDED_HOST_PATTERNS
 845 /*********************************************************************
 846  *
 847  * Function    :  compile_host_pattern
 848  *
 849  * Description :  Parses and compiles a host pattern..
 850  *
 851  * Parameters  :
 852  *          1  :  url = Target url_spec to be filled in.
 853  *          2  :  host_pattern = Host pattern to compile.
 854  *
 855  * Returns     :  JB_ERR_OK - Success
 856  *                JB_ERR_MEMORY - Out of memory
 857  *                JB_ERR_PARSE - Cannot parse regex
 858  *
 859  *********************************************************************/
 860 static jb_err compile_host_pattern(struct url_spec *url, const char *host_pattern)
 861 {
 862    return compile_pattern(host_pattern, RIGHT_ANCHORED, url, &url->host_regex);
 863 }
 864
 865 #else
 866
 867 /*********************************************************************
 868  *
 869  * Function    :  compile_host_pattern
 870  *
 871  * Description :  Parses and "compiles" an old-school host pattern.
 872  *
 873  * Parameters  :
 874  *          1  :  url = Target url_spec to be filled in.
 875  *          2  :  host_pattern = Host pattern to parse.
 876  *
 877  * Returns     :  JB_ERR_OK - Success
 878  *                JB_ERR_MEMORY - Out of memory
 879  *                JB_ERR_PARSE - Cannot parse regex
 880  *
 881  *********************************************************************/
 882 static jb_err compile_host_pattern(struct url_spec *url, const char *host_pattern)
 883 {
 884    char *v[150];
 885    size_t size;
 886    char *p;
 887
 888    /*
 889     * Parse domain part
 890     */
 891    if (host_pattern[strlen(host_pattern) - 1] == '.')
 892    {
 893       url->unanchored |= ANCHOR_RIGHT;
 894    }
 895    if (host_pattern[0] == '.')
 896    {
 897       url->unanchored |= ANCHOR_LEFT;
 898    }
 899
 900    /*
 901     * Split domain into components
 902     */
 903    url->dbuffer = strdup(host_pattern);
 904    if (NULL == url->dbuffer)
 905    {
 906       free_url_spec(url);
 907       return JB_ERR_MEMORY;
 908    }
 909
 910    /*
 911     * Map to lower case
 912     */
 913    for (p = url->dbuffer; *p ; p++)
 914    {
 915       *p = (char)tolower((int)(unsigned char)*p);
 916    }
 917
 918    /*
 919     * Split the domain name into components
 920     */
 921    url->dcount = ssplit(url->dbuffer, ".", v, SZ(v), 1, 1);
 922
 923    if (url->dcount < 0)
 924    {
 925       free_url_spec(url);
 926       return JB_ERR_MEMORY;
 927    }
 928    else if (url->dcount != 0)
 929    {
 930       /*
 931        * Save a copy of the pointers in dvec
 932        */
 933       size = (size_t)url->dcount * sizeof(*url->dvec);
 934
 935       url->dvec = (char **)malloc(size);
 936       if (NULL == url->dvec)
 937       {
 938          free_url_spec(url);
 939          return JB_ERR_MEMORY;
 940       }
 941
 942       memcpy(url->dvec, v, size);
 943    }
 944    /*
 945     * else dcount == 0 in which case we needn't do anything,
 946     * since dvec will never be accessed and the pattern will
 947     * match all domains.
 948     */
 949    return JB_ERR_OK;
 950 }
 951
 952
 953 /*********************************************************************
 954  *
 955  * Function    :  simplematch
 956  *
 957  * Description :  String matching, with a (greedy) '*' wildcard that
 958  *                stands for zero or more arbitrary characters and
 959  *                character classes in [], which take both enumerations
 960  *                and ranges.
 961  *
 962  * Parameters  :
 963  *          1  :  pattern = pattern for matching
 964  *          2  :  text    = text to be matched
 965  *
 966  * Returns     :  0 if match, else nonzero
 967  *
 968  *********************************************************************/
 969 static int simplematch(const char *pattern, const char *text)
 970 {
 971    const unsigned char *pat = (const unsigned char *)pattern;
 972    const unsigned char *txt = (const unsigned char *)text;
 973    const unsigned char *fallback = pat;
 974    int wildcard = 0;
 975
 976    unsigned char lastchar = 'a';
 977    unsigned i;
 978    unsigned char charmap[32];
 979
 980    while (*txt)
 981    {
 982
 983       /* EOF pattern but !EOF text? */
 984       if (*pat == '\0')
 985       {
 986          if (wildcard)
 987          {
 988             pat = fallback;
 989          }
 990          else
 991          {
 992             return 1;
 993          }
 994       }
 995
 996       /* '*' in the pattern?  */
 997       if (*pat == '*')
 998       {
 999
1000          /* The pattern ends afterwards? Speed up the return. */
1001          if (*++pat == '\0')
1002          {
1003             return 0;
1004          }
1005
1006          /* Else, set wildcard mode and remember position after '*' */
1007          wildcard = 1;
1008          fallback = pat;
1009       }
1010
1011       /* Character range specification? */
1012       if (*pat == '[')
1013       {
1014          memset(charmap, '\0', sizeof(charmap));
1015
1016          while (*++pat != ']')
1017          {
1018             if (!*pat)
1019             {
1020                return 1;
1021             }
1022             else if (*pat == '-')
1023             {
1024                if ((*++pat == ']') || *pat == '\0')
1025                {
1026                   return(1);
1027                }
1028                for (i = lastchar; i <= *pat; i++)
1029                {
1030                   charmap[i / 8] |= (unsigned char)(1 << (i % 8));
1031                }
1032             }
1033             else
1034             {
1035                charmap[*pat / 8] |= (unsigned char)(1 << (*pat % 8));
1036                lastchar = *pat;
1037             }
1038          }
1039       } /* -END- if Character range specification */
1040
1041
1042       /*
1043        * Char match, or char range match?
1044        */
1045       if ( (*pat == *txt)
1046       ||   (*pat == '?')
1047       ||   ((*pat == ']') && (charmap[*txt / 8] & (1 << (*txt % 8)))) )
1048       {
1049          /*
1050           * Sucess: Go ahead
1051           */
1052          pat++;
1053       }
1054       else if (!wildcard)
1055       {
1056          /*
1057           * No match && no wildcard: No luck
1058           */
1059          return 1;
1060       }
1061       else if (pat != fallback)
1062       {
1063          /*
1064           * Increment text pointer if in char range matching
1065           */
1066          if (*pat == ']')
1067          {
1068             txt++;
1069          }
1070          /*
1071           * Wildcard mode && nonmatch beyond fallback: Rewind pattern
1072           */
1073          pat = fallback;
1074          /*
1075           * Restart matching from current text pointer
1076           */
1077          continue;
1078       }
1079       txt++;
1080    }
1081
1082    /* Cut off extra '*'s */
1083    if(*pat == '*')  pat++;
1084
1085    /* If this is the pattern's end, fine! */
1086    return(*pat);
1087
1088 }
1089
1090
1091 /*********************************************************************
1092  *
1093  * Function    :  simple_domaincmp
1094  *
1095  * Description :  Domain-wise Compare fqdn's.  The comparison is
1096  *                both left- and right-anchored.  The individual
1097  *                domain names are compared with simplematch().
1098  *                This is only used by domain_match.
1099  *
1100  * Parameters  :
1101  *          1  :  pv = array of patterns to compare
1102  *          2  :  fv = array of domain components to compare
1103  *          3  :  len = length of the arrays (both arrays are the
1104  *                      same length - if they weren't, it couldn't
1105  *                      possibly be a match).
1106  *
1107  * Returns     :  0 => domains are equivalent, else no match.
1108  *
1109  *********************************************************************/
1110 static int simple_domaincmp(char **pv, char **fv, int len)
1111 {
1112    int n;
1113
1114    for (n = 0; n < len; n++)
1115    {
1116       if (simplematch(pv[n], fv[n]))
1117       {
1118          return 1;
1119       }
1120    }
1121
1122    return 0;
1123
1124 }
1125
1126
1127 /*********************************************************************
1128  *
1129  * Function    :  domain_match
1130  *
1131  * Description :  Domain-wise Compare fqdn's. Governed by the bimap in
1132  *                pattern->unachored, the comparison is un-, left-,
1133  *                right-anchored, or both.
1134  *                The individual domain names are compared with
1135  *                simplematch().
1136  *
1137  * Parameters  :
1138  *          1  :  pattern = a domain that may contain a '*' as a wildcard.
1139  *          2  :  fqdn = domain name against which the patterns are compared.
1140  *
1141  * Returns     :  0 => domains are equivalent, else no match.
1142  *
1143  *********************************************************************/
1144 static int domain_match(const struct url_spec *pattern, const struct http_request *fqdn)
1145 {
1146    char **pv, **fv;  /* vectors  */
1147    int    plen, flen;
1148    int unanchored = pattern->unanchored & (ANCHOR_RIGHT | ANCHOR_LEFT);
1149
1150    plen = pattern->dcount;
1151    flen = fqdn->dcount;
1152
1153    if (flen < plen)
1154    {
1155       /* fqdn is too short to match this pattern */
1156       return 1;
1157    }
1158
1159    pv   = pattern->dvec;
1160    fv   = fqdn->dvec;
1161
1162    if (unanchored == ANCHOR_LEFT)
1163    {
1164       /*
1165        * Right anchored.
1166        *
1167        * Convert this into a fully anchored pattern with
1168        * the fqdn and pattern the same length
1169        */
1170       fv += (flen - plen); /* flen - plen >= 0 due to check above */
1171       return simple_domaincmp(pv, fv, plen);
1172    }
1173    else if (unanchored == 0)
1174    {
1175       /* Fully anchored, check length */
1176       if (flen != plen)
1177       {
1178          return 1;
1179       }
1180       return simple_domaincmp(pv, fv, plen);
1181    }
1182    else if (unanchored == ANCHOR_RIGHT)
1183    {
1184       /* Left anchored, ignore all extra in fqdn */
1185       return simple_domaincmp(pv, fv, plen);
1186    }
1187    else
1188    {
1189       /* Unanchored */
1190       int n;
1191       int maxn = flen - plen;
1192       for (n = 0; n <= maxn; n++)
1193       {
1194          if (!simple_domaincmp(pv, fv, plen))
1195          {
1196             return 0;
1197          }
1198          /*
1199           * Doesn't match from start of fqdn
1200           * Try skipping first part of fqdn
1201           */
1202          fv++;
1203       }
1204       return 1;
1205    }
1206
1207 }
1208 #endif /* def FEATURE_EXTENDED_HOST_PATTERNS */
1209
1210
1211 /*********************************************************************
1212  *
1213  * Function    :  create_url_spec
1214  *
1215  * Description :  Creates a "url_spec" structure from a string.
1216  *                When finished, free with free_url_spec().
1217  *
1218  * Parameters  :
1219  *          1  :  url = Target url_spec to be filled in.  Will be
1220  *                      zeroed before use.
1221  *          2  :  buf = Source pattern, null terminated.  NOTE: The
1222  *                      contents of this buffer are destroyed by this
1223  *                      function.  If this function succeeds, the
1224  *                      buffer is copied to url->spec.  If this
1225  *                      function fails, the contents of the buffer
1226  *                      are lost forever.
1227  *
1228  * Returns     :  JB_ERR_OK - Success
1229  *                JB_ERR_MEMORY - Out of memory
1230  *                JB_ERR_PARSE - Cannot parse regex (Detailed message
1231  *                               written to system log)
1232  *
1233  *********************************************************************/
1234 jb_err create_url_spec(struct url_spec *url, char *buf)
1235 {
1236    assert(url);
1237    assert(buf);
1238
1239    memset(url, '\0', sizeof(*url));
1240
1241    /* Remember the original specification for the CGI pages. */
1242    url->spec = strdup(buf);
1243    if (NULL == url->spec)
1244    {
1245       return JB_ERR_MEMORY;
1246    }
1247
1248    /* Is it tag pattern? */
1249    if (0 == strncmpic("TAG:", url->spec, 4))
1250    {
1251       /* The pattern starts with the first character after "TAG:" */
1252       const char *tag_pattern = buf + 4;
1253       return compile_pattern(tag_pattern, NO_ANCHORING, url, &url->tag_regex);
1254    }
1255
1256    /* If it isn't a tag pattern it must be a URL pattern. */
1257    return compile_url_pattern(url, buf);
1258 }
1259
1260
1261 /*********************************************************************
1262  *
1263  * Function    :  free_url_spec
1264  *
1265  * Description :  Called from the "unloaders".  Freez the url
1266  *                structure elements.
1267  *
1268  * Parameters  :
1269  *          1  :  url = pointer to a url_spec structure.
1270  *
1271  * Returns     :  N/A
1272  *
1273  *********************************************************************/
1274 void free_url_spec(struct url_spec *url)
1275 {
1276    if (url == NULL) return;
1277
1278    freez(url->spec);
1279 #ifdef FEATURE_EXTENDED_HOST_PATTERNS
1280    if (url->host_regex)
1281    {
1282       regfree(url->host_regex);
1283       freez(url->host_regex);
1284    }
1285 #else
1286    freez(url->dbuffer);
1287    freez(url->dvec);
1288    url->dcount = 0;
1289 #endif /* ndef FEATURE_EXTENDED_HOST_PATTERNS */
1290    freez(url->port_list);
1291    if (url->preg)
1292    {
1293       regfree(url->preg);
1294       freez(url->preg);
1295    }
1296    if (url->tag_regex)
1297    {
1298       regfree(url->tag_regex);
1299       freez(url->tag_regex);
1300    }
1301 }
1302
1303
1304 /*********************************************************************
1305  *
1306  * Function    :  url_match
1307  *
1308  * Description :  Compare a URL against a URL pattern.
1309  *
1310  * Parameters  :
1311  *          1  :  pattern = a URL pattern
1312  *          2  :  url = URL to match
1313  *
1314  * Returns     :  Nonzero if the URL matches the pattern, else 0.
1315  *
1316  *********************************************************************/
1317 int url_match(const struct url_spec *pattern,
1318               const struct http_request *http)
1319 {
1320    /* XXX: these should probably be functions. */
1321 #define PORT_MATCHES ((NULL == pattern->port_list) || match_portlist(pattern->port_list, http->port))
1322 #ifdef FEATURE_EXTENDED_HOST_PATTERNS
1323 #define DOMAIN_MATCHES ((NULL == pattern->host_regex) || (0 == regexec(pattern->host_regex, http->host, 0, NULL, 0)))
1324 #else
1325 #define DOMAIN_MATCHES ((NULL == pattern->dbuffer) || (0 == domain_match(pattern, http)))
1326 #endif
1327 #define PATH_MATCHES ((NULL == pattern->preg) || (0 == regexec(pattern->preg, http->path, 0, NULL, 0)))
1328
1329    if (pattern->tag_regex != NULL)
1330    {
1331       /* It's a tag pattern and shouldn't be matched against URLs */
1332       return 0;
1333    }
1334
1335    return (PORT_MATCHES && DOMAIN_MATCHES && PATH_MATCHES);
1336
1337 }
1338
1339
1340 /*********************************************************************
1341  *
1342  * Function    :  match_portlist
1343  *
1344  * Description :  Check if a given number is covered by a comma
1345  *                separated list of numbers and ranges (a,b-c,d,..)
1346  *
1347  * Parameters  :
1348  *          1  :  portlist = String with list
1349  *          2  :  port = port to check
1350  *
1351  * Returns     :  0 => no match
1352  *                1 => match
1353  *
1354  *********************************************************************/
1355 int match_portlist(const char *portlist, int port)
1356 {
1357    char *min, *max, *next, *portlist_copy;
1358
1359    min = next = portlist_copy = strdup(portlist);
1360
1361    /*
1362     * Zero-terminate first item and remember offset for next
1363     */
1364    if (NULL != (next = strchr(portlist_copy, (int) ',')))
1365    {
1366       *next++ = '\0';
1367    }
1368
1369    /*
1370     * Loop through all items, checking for match
1371     */
1372    while(min)
1373    {
1374       if (NULL == (max = strchr(min, (int) '-')))
1375       {
1376          /*
1377           * No dash, check for equality
1378           */
1379          if (port == atoi(min))
1380          {
1381             free(portlist_copy);
1382             return(1);
1383          }
1384       }
1385       else
1386       {
1387          /*
1388           * This is a range, so check if between min and max,
1389           * or, if max was omitted, between min and 65K
1390           */
1391          *max++ = '\0';
1392          if(port >= atoi(min) && port <= (atoi(max) ? atoi(max) : 65535))
1393          {
1394             free(portlist_copy);
1395             return(1);
1396          }
1397
1398       }
1399
1400       /*
1401        * Jump to next item
1402        */
1403       min = next;
1404
1405       /*
1406        * Zero-terminate next item and remember offset for n+1
1407        */
1408       if ((NULL != next) && (NULL != (next = strchr(next, (int) ','))))
1409       {
1410          *next++ = '\0';
1411       }
1412    }
1413
1414    free(portlist_copy);
1415    return 0;
1416
1417 }
1418
1419
1420 /*
1421   Local Variables:
1422   tab-width: 3
1423   end:
1424 */