urlmatch.c

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