urlmatch.c

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