urlmatch.c

   1 const char urlmatch_rcs[] = "$Id: urlmatch.c,v 1.45 2008/06/21 21:19:18 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) 2001-2009
  10  *                the 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 1.45  2008/06/21 21:19:18  fabiankeil
  37  *    Silence bogus compiler warning.
  38  *
  39  *    Revision 1.44  2008/05/04 16:18:32  fabiankeil
  40  *    Provide parse_http_url() with a third parameter to specify
  41  *    whether or not URLs without protocol are acceptable.
  42  *
  43  *    Revision 1.43  2008/05/04 13:30:55  fabiankeil
  44  *    Streamline parse_http_url()'s prototype.
  45  *
  46  *    Revision 1.42  2008/05/04 13:24:16  fabiankeil
  47  *    If the method isn't CONNECT, reject URLs without protocol.
  48  *
  49  *    Revision 1.41  2008/05/02 09:51:34  fabiankeil
  50  *    In parse_http_url(), don't muck around with values
  51  *    that are none of its business: require an initialized
  52  *    http structure and never unset http->ssl.
  53  *
  54  *    Revision 1.40  2008/04/23 16:12:28  fabiankeil
  55  *    Free with freez().
  56  *
  57  *    Revision 1.39  2008/04/22 16:27:42  fabiankeil
  58  *    In parse_http_request(), remove a pointless
  59  *    temporary variable and free the buffer earlier.
  60  *
  61  *    Revision 1.38  2008/04/18 05:17:18  fabiankeil
  62  *    Mark simplematch()'s parameters as immutable.
  63  *
  64  *    Revision 1.37  2008/04/17 14:53:29  fabiankeil
  65  *    Move simplematch() into urlmatch.c as it's only
  66  *    used to match (old-school) domain patterns.
  67  *
  68  *    Revision 1.36  2008/04/14 18:19:48  fabiankeil
  69  *    Remove now-pointless cast in create_url_spec().
  70  *
  71  *    Revision 1.35  2008/04/14 18:11:21  fabiankeil
  72  *    The compiler might not notice it, but the buffer passed to
  73  *    create_url_spec() is modified later on and thus shouldn't
  74  *    be declared immutable.
  75  *
  76  *    Revision 1.34  2008/04/13 13:32:07  fabiankeil
  77  *    Factor URL pattern compilation out of create_url_spec().
  78  *
  79  *    Revision 1.33  2008/04/12 14:03:13  fabiankeil
  80  *    Remove an obvious comment and improve another one.
  81  *
  82  *    Revision 1.32  2008/04/12 12:38:06  fabiankeil
  83  *    Factor out duplicated code to compile host, path and tag patterns.
  84  *
  85  *    Revision 1.31  2008/04/10 14:41:04  fabiankeil
  86  *    Ditch url_spec's path member now that it's no longer used.
  87  *
  88  *    Revision 1.30  2008/04/10 04:24:24  fabiankeil
  89  *    Stop duplicating the plain text representation of the path regex
  90  *    (and keeping the copy around). Once the regex is compiled it's no
  91  *    longer useful.
  92  *
  93  *    Revision 1.29  2008/04/10 04:17:56  fabiankeil
  94  *    In url_match(), check the right member for NULL when determining
  95  *    whether there's a path regex to execute. Looking for a plain-text
  96  *    representation works as well, but it looks "interesting" and that
  97  *    member will be removed soonish anyway.
  98  *
  99  *    Revision 1.28  2008/04/08 16:07:39  fabiankeil
 100  *    Make it harder to mistake url_match()'s
 101  *    second parameter for an url_spec.
 102  *
 103  *    Revision 1.27  2008/04/08 15:44:33  fabiankeil
 104  *    Save a bit of memory (and a few cpu cycles) by not bothering to
 105  *    compile slash-only path regexes that don't affect the result.
 106  *
 107  *    Revision 1.26  2008/04/07 16:57:18  fabiankeil
 108  *    - Use free_url_spec() more consistently.
 109  *    - Let it reset url->dcount just in case.
 110  *
 111  *    Revision 1.25  2008/04/06 15:18:38  fabiankeil
 112  *    Oh well, rename the --enable-pcre-host-patterns option to
 113  *    --enable-extended-host-patterns as it's not really PCRE syntax.
 114  *
 115  *    Revision 1.24  2008/04/06 14:54:26  fabiankeil
 116  *    Use PCRE syntax in host patterns when configured
 117  *    with --enable-pcre-host-patterns.
 118  *
 119  *    Revision 1.23  2008/04/05 12:19:20  fabiankeil
 120  *    Factor compile_host_pattern() out of create_url_spec().
 121  *
 122  *    Revision 1.22  2008/03/30 15:02:32  fabiankeil
 123  *    SZitify unknown_method().
 124  *
 125  *    Revision 1.21  2007/12/24 16:34:23  fabiankeil
 126  *    Band-aid (and micro-optimization) that makes it less likely to run out of
 127  *    stack space with overly-complex path patterns. Probably masks the problem
 128  *    reported by Lee in #1856679. Hohoho.
 129  *
 130  *    Revision 1.20  2007/09/02 15:31:20  fabiankeil
 131  *    Move match_portlist() from filter.c to urlmatch.c.
 132  *    It's used for url matching, not for filtering.
 133  *
 134  *    Revision 1.19  2007/09/02 13:42:11  fabiankeil
 135  *    - Allow port lists in url patterns.
 136  *    - Ditch unused url_spec member pathlen.
 137  *
 138  *    Revision 1.18  2007/07/30 16:42:21  fabiankeil
 139  *    Move the method check into unknown_method()
 140  *    and loop through the known methods instead
 141  *    of using a screen-long OR chain.
 142  *
 143  *    Revision 1.17  2007/04/15 16:39:21  fabiankeil
 144  *    Introduce tags as alternative way to specify which
 145  *    actions apply to a request. At the moment tags can be
 146  *    created based on client and server headers.
 147  *
 148  *    Revision 1.16  2007/02/13 13:59:24  fabiankeil
 149  *    Remove redundant log message.
 150  *
 151  *    Revision 1.15  2007/01/28 16:11:23  fabiankeil
 152  *    Accept WebDAV methods for subversion
 153  *    in parse_http_request(). Closes FR 1581425.
 154  *
 155  *    Revision 1.14  2007/01/06 14:23:56  fabiankeil
 156  *    Fix gcc43 warnings. Mark *csp as immutable
 157  *    for parse_http_url() and url_match().
 158  *    Replace a sprintf call with snprintf.
 159  *
 160  *    Revision 1.13  2006/12/06 19:50:54  fabiankeil
 161  *    parse_http_url() now handles intercepted
 162  *    HTTP request lines as well. Moved parts
 163  *    of parse_http_url()'s code into
 164  *    init_domain_components() so that it can
 165  *    be reused in chat().
 166  *
 167  *    Revision 1.12  2006/07/18 14:48:47  david__schmidt
 168  *    Reorganizing the repository: swapping out what was HEAD (the old 3.1 branch)
 169  *    with what was really the latest development (the v_3_0_branch branch)
 170  *
 171  *    Revision 1.10.2.7  2003/05/17 15:57:24  oes
 172  *     - parse_http_url now checks memory allocation failure for
 173  *       duplication of "*" URL and rejects "*something" URLs
 174  *       Closes bug #736344
 175  *     - Added a comment to what might look like a bug in
 176  *       create_url_spec (see !bug #736931)
 177  *     - Comment cosmetics
 178  *
 179  *    Revision 1.10.2.6  2003/05/07 12:39:48  oes
 180  *    Fix typo: Default port for https URLs is 443, not 143.
 181  *    Thanks to Scott Tregear for spotting this one.
 182  *
 183  *    Revision 1.10.2.5  2003/02/28 13:09:29  oes
 184  *    Fixed a rare double free condition as per Bug #694713
 185  *
 186  *    Revision 1.10.2.4  2003/02/28 12:57:44  oes
 187  *    Moved freeing of http request structure to its owner
 188  *    as per Dan Price's observations in Bug #694713
 189  *
 190  *    Revision 1.10.2.3  2002/11/12 16:50:40  oes
 191  *    Fixed memory leak in parse_http_request() reported by Oliver Stoeneberg. Fixes bug #637073
 192  *
 193  *    Revision 1.10.2.2  2002/09/25 14:53:15  oes
 194  *    Added basic support for OPTIONS and TRACE HTTP methods:
 195  *    parse_http_url now recognizes the "*" URI as well as
 196  *    the OPTIONS and TRACE method keywords.
 197  *
 198  *    Revision 1.10.2.1  2002/06/06 19:06:44  jongfoster
 199  *    Adding support for proprietary Microsoft WebDAV extensions
 200  *
 201  *    Revision 1.10  2002/05/12 21:40:37  jongfoster
 202  *    - Removing some unused code
 203  *
 204  *    Revision 1.9  2002/04/04 00:36:36  gliptak
 205  *    always use pcre for matching
 206  *
 207  *    Revision 1.8  2002/04/03 23:32:47  jongfoster
 208  *    Fixing memory leak on error
 209  *
 210  *    Revision 1.7  2002/03/26 22:29:55  swa
 211  *    we have a new homepage!
 212  *
 213  *    Revision 1.6  2002/03/24 13:25:43  swa
 214  *    name change related issues
 215  *
 216  *    Revision 1.5  2002/03/13 00:27:05  jongfoster
 217  *    Killing warnings
 218  *
 219  *    Revision 1.4  2002/03/07 03:46:17  oes
 220  *    Fixed compiler warnings
 221  *
 222  *    Revision 1.3  2002/03/03 14:51:11  oes
 223  *    Fixed CLF logging: Added ocmd member for client's request to struct http_request
 224  *
 225  *    Revision 1.2  2002/01/21 00:14:09  jongfoster
 226  *    Correcting comment style
 227  *    Fixing an uninitialized memory bug in create_url_spec()
 228  *
 229  *    Revision 1.1  2002/01/17 20:53:46  jongfoster
 230  *    Moving all our URL and URL pattern parsing code to the same file - it
 231  *    was scattered around in filters.c, loaders.c and parsers.c.
 232  *
 233  *    Providing a single, simple url_match(pattern,url) function - rather than
 234  *    the 3-line match routine which was repeated all over the place.
 235  *
 236  *    Renaming free_url to free_url_spec, since it frees a struct url_spec.
 237  *
 238  *    Providing parse_http_url() so that URLs can be parsed without faking a
 239  *    HTTP request line for parse_http_request() or repeating the parsing
 240  *    code (both of which were techniques that were actually in use).
 241  *
 242  *    Standardizing that struct http_request is used to represent a URL, and
 243  *    struct url_spec is used to represent a URL pattern.  (Before, URLs were
 244  *    represented as seperate variables and a partially-filled-in url_spec).
 245  *
 246  *
 247  *********************************************************************/
 248 \f
 249
 250 #include "config.h"
 251
 252 #ifndef _WIN32
 253 #include <stdio.h>
 254 #include <sys/types.h>
 255 #endif
 256
 257 #include <stdlib.h>
 258 #include <ctype.h>
 259 #include <assert.h>
 260 #include <string.h>
 261
 262 #if !defined(_WIN32) && !defined(__OS2__)
 263 #include <unistd.h>
 264 #endif
 265
 266 #include "project.h"
 267 #include "urlmatch.h"
 268 #include "ssplit.h"
 269 #include "miscutil.h"
 270 #include "errlog.h"
 271
 272 const char urlmatch_h_rcs[] = URLMATCH_H_VERSION;
 273
 274 enum regex_anchoring {NO_ANCHORING, LEFT_ANCHORED, RIGHT_ANCHORED};
 275 static jb_err compile_host_pattern(struct url_spec *url, const char *host_pattern);
 276
 277 /*********************************************************************
 278  *
 279  * Function    :  free_http_request
 280  *
 281  * Description :  Freez a http_request structure
 282  *
 283  * Parameters  :
 284  *          1  :  http = points to a http_request structure to free
 285  *
 286  * Returns     :  N/A
 287  *
 288  *********************************************************************/
 289 void free_http_request(struct http_request *http)
 290 {
 291    assert(http);
 292
 293    freez(http->cmd);
 294    freez(http->ocmd);
 295    freez(http->gpc);
 296    freez(http->host);
 297    freez(http->url);
 298    freez(http->hostport);
 299    freez(http->path);
 300    freez(http->ver);
 301    freez(http->host_ip_addr_str);
 302    freez(http->dbuffer);
 303    freez(http->dvec);
 304    http->dcount = 0;
 305 }
 306
 307
 308 /*********************************************************************
 309  *
 310  * Function    :  init_domain_components
 311  *
 312  * Description :  Splits the domain name so we can compare it
 313  *                against wildcards. It used to be part of
 314  *                parse_http_url, but was separated because the
 315  *                same code is required in chat in case of
 316  *                intercepted requests.
 317  *
 318  * Parameters  :
 319  *          1  :  http = pointer to the http structure to hold elements.
 320  *
 321  * Returns     :  JB_ERR_OK on success
 322  *                JB_ERR_MEMORY on out of memory
 323  *                JB_ERR_PARSE on malformed command/URL
 324  *                             or >100 domains deep.
 325  *
 326  *********************************************************************/
 327 jb_err init_domain_components(struct http_request *http)
 328 {
 329    char *vec[BUFFER_SIZE];
 330    size_t size;
 331    char *p;
 332
 333    http->dbuffer = strdup(http->host);
 334    if (NULL == http->dbuffer)
 335    {
 336       return JB_ERR_MEMORY;
 337    }
 338
 339    /* map to lower case */
 340    for (p = http->dbuffer; *p ; p++)
 341    {
 342       *p = (char)tolower((int)(unsigned char)*p);
 343    }
 344
 345    /* split the domain name into components */
 346    http->dcount = ssplit(http->dbuffer, ".", vec, SZ(vec), 1, 1);
 347
 348    if (http->dcount <= 0)
 349    {
 350       /*
 351        * Error: More than SZ(vec) components in domain
 352        *    or: no components in domain
 353        */
 354       log_error(LOG_LEVEL_ERROR, "More than SZ(vec) components in domain or none at all.");
 355       return JB_ERR_PARSE;
 356    }
 357
 358    /* save a copy of the pointers in dvec */
 359    size = (size_t)http->dcount * sizeof(*http->dvec);
 360
 361    http->dvec = (char **)malloc(size);
 362    if (NULL == http->dvec)
 363    {
 364       return JB_ERR_MEMORY;
 365    }
 366
 367    memcpy(http->dvec, vec, size);
 368
 369    return JB_ERR_OK;
 370 }
 371
 372
 373 /*********************************************************************
 374  *
 375  * Function    :  parse_http_url
 376  *
 377  * Description :  Parse out the host and port from the URL.  Find the
 378  *                hostname & path, port (if ':'), and/or password (if '@')
 379  *
 380  * Parameters  :
 381  *          1  :  url = URL (or is it URI?) to break down
 382  *          2  :  http = pointer to the http structure to hold elements.
 383  *                       Must be initialized with valid values (like NULLs).
 384  *          3  :  require_protocol = Whether or not URLs without
 385  *                                   protocol are acceptable.
 386  *
 387  * Returns     :  JB_ERR_OK on success
 388  *                JB_ERR_MEMORY on out of memory
 389  *                JB_ERR_PARSE on malformed command/URL
 390  *                             or >100 domains deep.
 391  *
 392  *********************************************************************/
 393 jb_err parse_http_url(const char *url, struct http_request *http, int require_protocol)
 394 {
 395    int host_available = 1; /* A proxy can dream. */
 396
 397    /*
 398     * Save our initial URL
 399     */
 400    http->url = strdup(url);
 401    if (http->url == NULL)
 402    {
 403       return JB_ERR_MEMORY;
 404    }
 405
 406
 407    /*
 408     * Check for * URI. If found, we're done.
 409     */
 410    if (*http->url == '*')
 411    {
 412       if  ( NULL == (http->path = strdup("*"))
 413          || NULL == (http->hostport = strdup("")) )
 414       {
 415          return JB_ERR_MEMORY;
 416       }
 417       if (http->url[1] != '\0')
 418       {
 419          return JB_ERR_PARSE;
 420       }
 421       return JB_ERR_OK;
 422    }
 423
 424
 425    /*
 426     * Split URL into protocol,hostport,path.
 427     */
 428    {
 429       char *buf;
 430       char *url_noproto;
 431       char *url_path;
 432
 433       buf = strdup(url);
 434       if (buf == NULL)
 435       {
 436          return JB_ERR_MEMORY;
 437       }
 438
 439       /* Find the start of the URL in our scratch space */
 440       url_noproto = buf;
 441       if (strncmpic(url_noproto, "http://",  7) == 0)
 442       {
 443          url_noproto += 7;
 444       }
 445       else if (strncmpic(url_noproto, "https://", 8) == 0)
 446       {
 447          /*
 448           * Should only happen when called from cgi_show_url_info().
 449           */
 450          url_noproto += 8;
 451          http->ssl = 1;
 452       }
 453       else if (*url_noproto == '/')
 454       {
 455         /*
 456          * Short request line without protocol and host.
 457          * Most likely because the client's request
 458          * was intercepted and redirected into Privoxy.
 459          */
 460          http->host = NULL;
 461          host_available = 0;
 462       }
 463       else if (require_protocol)
 464       {
 465          freez(buf);
 466          return JB_ERR_PARSE;
 467       }
 468
 469       url_path = strchr(url_noproto, '/');
 470       if (url_path != NULL)
 471       {
 472          /*
 473           * Got a path.
 474           *
 475           * NOTE: The following line ignores the path for HTTPS URLS.
 476           * This means that you get consistent behaviour if you type a
 477           * https URL in and it's parsed by the function.  (When the
 478           * URL is actually retrieved, SSL hides the path part).
 479           */
 480          http->path = strdup(http->ssl ? "/" : url_path);
 481          *url_path = '\0';
 482          http->hostport = strdup(url_noproto);
 483       }
 484       else
 485       {
 486          /*
 487           * Repair broken HTTP requests that don't contain a path,
 488           * or CONNECT requests
 489           */
 490          http->path = strdup("/");
 491          http->hostport = strdup(url_noproto);
 492       }
 493
 494       freez(buf);
 495
 496       if ( (http->path == NULL)
 497         || (http->hostport == NULL))
 498       {
 499          return JB_ERR_MEMORY;
 500       }
 501    }
 502
 503    if (!host_available)
 504    {
 505       /* Without host, there is nothing left to do here */
 506       return JB_ERR_OK;
 507    }
 508
 509    /*
 510     * Split hostport into user/password (ignored), host, port.
 511     */
 512    {
 513       char *buf;
 514       char *host;
 515       char *port;
 516
 517       buf = strdup(http->hostport);
 518       if (buf == NULL)
 519       {
 520          return JB_ERR_MEMORY;
 521       }
 522
 523       /* check if url contains username and/or password */
 524       host = strchr(buf, '@');
 525       if (host != NULL)
 526       {
 527          /* Contains username/password, skip it and the @ sign. */
 528          host++;
 529       }
 530       else
 531       {
 532          /* No username or password. */
 533          host = buf;
 534       }
 535
 536       /* check if url contains port */
 537       port = strchr(host, ':');
 538       if (port != NULL)
 539       {
 540          /* Contains port */
 541          /* Terminate hostname and point to start of port string */
 542          *port++ = '\0';
 543          http->port = atoi(port);
 544       }
 545       else
 546       {
 547          /* No port specified. */
 548          http->port = (http->ssl ? 443 : 80);
 549       }
 550
 551       http->host = strdup(host);
 552
 553       freez(buf);
 554
 555       if (http->host == NULL)
 556       {
 557          return JB_ERR_MEMORY;
 558       }
 559    }
 560
 561    /*
 562     * Split domain name so we can compare it against wildcards
 563     */
 564    return init_domain_components(http);
 565
 566 }
 567
 568
 569 /*********************************************************************
 570  *
 571  * Function    :  unknown_method
 572  *
 573  * Description :  Checks whether a method is unknown.
 574  *
 575  * Parameters  :
 576  *          1  :  method = points to a http method
 577  *
 578  * Returns     :  TRUE if it's unknown, FALSE otherwise.
 579  *
 580  *********************************************************************/
 581 static int unknown_method(const char *method)
 582 {
 583    static const char *known_http_methods[] = {
 584       /* Basic HTTP request type */
 585       "GET", "HEAD", "POST", "PUT", "DELETE", "OPTIONS", "TRACE", "CONNECT",
 586       /* webDAV extensions (RFC2518) */
 587       "PROPFIND", "PROPPATCH", "MOVE", "COPY", "MKCOL", "LOCK", "UNLOCK",
 588       /*
 589        * Microsoft webDAV extension for Exchange 2000.  See:
 590        * http://lists.w3.org/Archives/Public/w3c-dist-auth/2002JanMar/0001.html
 591        * http://msdn.microsoft.com/library/en-us/wss/wss/_webdav_methods.asp
 592        */
 593       "BCOPY", "BMOVE", "BDELETE", "BPROPFIND", "BPROPPATCH",
 594       /*
 595        * Another Microsoft webDAV extension for Exchange 2000.  See:
 596        * http://systems.cs.colorado.edu/grunwald/MobileComputing/Papers/draft-cohen-gena-p-base-00.txt
 597        * http://lists.w3.org/Archives/Public/w3c-dist-auth/2002JanMar/0001.html
 598        * http://msdn.microsoft.com/library/en-us/wss/wss/_webdav_methods.asp
 599        */
 600       "SUBSCRIBE", "UNSUBSCRIBE", "NOTIFY", "POLL",
 601       /*
 602        * Yet another WebDAV extension, this time for
 603        * Web Distributed Authoring and Versioning (RFC3253)
 604        */
 605       "VERSION-CONTROL", "REPORT", "CHECKOUT", "CHECKIN", "UNCHECKOUT",
 606       "MKWORKSPACE", "UPDATE", "LABEL", "MERGE", "BASELINE-CONTROL", "MKACTIVITY",
 607    };
 608    int i;
 609
 610    for (i = 0; i < SZ(known_http_methods); i++)
 611    {
 612       if (0 == strcmpic(method, known_http_methods[i]))
 613       {
 614          return FALSE;
 615       }
 616    }
 617
 618    return TRUE;
 619
 620 }
 621
 622
 623 /*********************************************************************
 624  *
 625  * Function    :  parse_http_request
 626  *
 627  * Description :  Parse out the host and port from the URL.  Find the
 628  *                hostname & path, port (if ':'), and/or password (if '@')
 629  *
 630  * Parameters  :
 631  *          1  :  req = HTTP request line to break down
 632  *          2  :  http = pointer to the http structure to hold elements
 633  *          3  :  csp = Current client state (buffers, headers, etc...)
 634  *
 635  * Returns     :  JB_ERR_OK on success
 636  *                JB_ERR_MEMORY on out of memory
 637  *                JB_ERR_CGI_PARAMS on malformed command/URL
 638  *                                  or >100 domains deep.
 639  *
 640  *********************************************************************/
 641 jb_err parse_http_request(const char *req,
 642                           struct http_request *http,
 643                           const struct client_state *csp)
 644 {
 645    char *buf;
 646    char *v[10]; /* XXX: Why 10? We should only need three. */
 647    int n;
 648    jb_err err;
 649
 650    memset(http, '\0', sizeof(*http));
 651
 652    buf = strdup(req);
 653    if (buf == NULL)
 654    {
 655       return JB_ERR_MEMORY;
 656    }
 657
 658    n = ssplit(buf, " \r\n", v, SZ(v), 1, 1);
 659    if (n != 3)
 660    {
 661       freez(buf);
 662       return JB_ERR_PARSE;
 663    }
 664
 665    /*
 666     * Fail in case of unknown methods
 667     * which we might not handle correctly.
 668     *
 669     * XXX: There should be a config option
 670     * to forward requests with unknown methods
 671     * anyway. Most of them don't need special
 672     * steps.
 673     */
 674    if (unknown_method(v[0]))
 675    {
 676       log_error(LOG_LEVEL_ERROR, "Unknown HTTP method detected: %s", v[0]);
 677       freez(buf);
 678       return JB_ERR_PARSE;
 679    }
 680
 681    if (strcmpic(v[2], "HTTP/1.1") && strcmpic(v[2], "HTTP/1.0"))
 682    {
 683       log_error(LOG_LEVEL_ERROR, "The only supported HTTP "
 684          "versions are 1.0 and 1.1. This rules out: %s", v[2]);
 685       freez(buf);
 686       return JB_ERR_PARSE;
 687    }
 688
 689    http->ssl = !strcmpic(v[0], "CONNECT");
 690
 691    err = parse_http_url(v[1], http, !http->ssl);
 692    if (err)
 693    {
 694       freez(buf);
 695       return err;
 696    }
 697
 698    /*
 699     * Copy the details into the structure
 700     */
 701    http->cmd = strdup(req);
 702    http->gpc = strdup(v[0]);
 703    http->ver = strdup(v[2]);
 704
 705    freez(buf);
 706
 707    if ( (http->cmd == NULL)
 708      || (http->gpc == NULL)
 709      || (http->ver == NULL) )
 710    {
 711       return JB_ERR_MEMORY;
 712    }
 713
 714    return JB_ERR_OK;
 715
 716 }
 717
 718
 719 /*********************************************************************
 720  *
 721  * Function    :  compile_pattern
 722  *
 723  * Description :  Compiles a host, domain or TAG pattern.
 724  *
 725  * Parameters  :
 726  *          1  :  pattern = The pattern to compile.
 727  *          2  :  anchoring = How the regex should be anchored.
 728  *                            Can be either one of NO_ANCHORING,
 729  *                            LEFT_ANCHORED or RIGHT_ANCHORED.
 730  *          3  :  url     = In case of failures, the spec member is
 731  *                          logged and the structure freed.
 732  *          4  :  regex   = Where the compiled regex should be stored.
 733  *
 734  * Returns     :  JB_ERR_OK - Success
 735  *                JB_ERR_MEMORY - Out of memory
 736  *                JB_ERR_PARSE - Cannot parse regex
 737  *
 738  *********************************************************************/
 739 static jb_err compile_pattern(const char *pattern, enum regex_anchoring anchoring,
 740                               struct url_spec *url, regex_t **regex)
 741 {
 742    int errcode;
 743    char rebuf[BUFFER_SIZE];
 744    const char *fmt = NULL;
 745
 746    assert(pattern);
 747    assert(strlen(pattern) < sizeof(rebuf) - 2);
 748
 749    if (pattern[0] == '\0')
 750    {
 751       *regex = NULL;
 752       return JB_ERR_OK;
 753    }
 754
 755    switch (anchoring)
 756    {
 757       case NO_ANCHORING:
 758          fmt = "%s";
 759          break;
 760       case RIGHT_ANCHORED:
 761          fmt = "%s$";
 762          break;
 763       case LEFT_ANCHORED:
 764          fmt = "^%s";
 765          break;
 766       default:
 767          log_error(LOG_LEVEL_FATAL,
 768             "Invalid anchoring in compile_pattern %d", anchoring);
 769    }
 770
 771    *regex = zalloc(sizeof(**regex));
 772    if (NULL == *regex)
 773    {
 774       free_url_spec(url);
 775       return JB_ERR_MEMORY;
 776    }
 777
 778    snprintf(rebuf, sizeof(rebuf), fmt, pattern);
 779
 780    errcode = regcomp(*regex, rebuf, (REG_EXTENDED|REG_NOSUB|REG_ICASE));
 781
 782    if (errcode)
 783    {
 784       size_t errlen = regerror(errcode, *regex, rebuf, sizeof(rebuf));
 785       if (errlen > (sizeof(rebuf) - (size_t)1))
 786       {
 787          errlen = sizeof(rebuf) - (size_t)1;
 788       }
 789       rebuf[errlen] = '\0';
 790       log_error(LOG_LEVEL_ERROR, "error compiling %s from %s: %s",
 791          pattern, url->spec, rebuf);
 792       free_url_spec(url);
 793
 794       return JB_ERR_PARSE;
 795    }
 796
 797    return JB_ERR_OK;
 798
 799 }
 800
 801
 802 /*********************************************************************
 803  *
 804  * Function    :  compile_url_pattern
 805  *
 806  * Description :  Compiles the three parts of an URL pattern.
 807  *
 808  * Parameters  :
 809  *          1  :  url = Target url_spec to be filled in.
 810  *          2  :  buf = The url pattern to compile. Will be messed up.
 811  *
 812  * Returns     :  JB_ERR_OK - Success
 813  *                JB_ERR_MEMORY - Out of memory
 814  *                JB_ERR_PARSE - Cannot parse regex
 815  *
 816  *********************************************************************/
 817 static jb_err compile_url_pattern(struct url_spec *url, char *buf)
 818 {
 819    char *p;
 820
 821    p = strchr(buf, '/');
 822    if (NULL != p)
 823    {
 824       /*
 825        * Only compile the regex if it consists of more than
 826        * a single slash, otherwise it wouldn't affect the result.
 827        */
 828       if (p[1] != '\0')
 829       {
 830          /*
 831           * XXX: does it make sense to compile the slash at the beginning?
 832           */
 833          jb_err err = compile_pattern(p, LEFT_ANCHORED, url, &url->preg);
 834
 835          if (JB_ERR_OK != err)
 836          {
 837             return err;
 838          }
 839       }
 840       *p = '\0';
 841    }
 842
 843    p = strchr(buf, ':');
 844    if (NULL != p)
 845    {
 846       *p++ = '\0';
 847       url->port_list = strdup(p);
 848       if (NULL == url->port_list)
 849       {
 850          return JB_ERR_MEMORY;
 851       }
 852    }
 853    else
 854    {
 855       url->port_list = NULL;
 856    }
 857
 858    if (buf[0] != '\0')
 859    {
 860       return compile_host_pattern(url, buf);
 861    }
 862
 863    return JB_ERR_OK;
 864
 865 }
 866
 867
 868 #ifdef FEATURE_EXTENDED_HOST_PATTERNS
 869 /*********************************************************************
 870  *
 871  * Function    :  compile_host_pattern
 872  *
 873  * Description :  Parses and compiles a host pattern..
 874  *
 875  * Parameters  :
 876  *          1  :  url = Target url_spec to be filled in.
 877  *          2  :  host_pattern = Host pattern to compile.
 878  *
 879  * Returns     :  JB_ERR_OK - Success
 880  *                JB_ERR_MEMORY - Out of memory
 881  *                JB_ERR_PARSE - Cannot parse regex
 882  *
 883  *********************************************************************/
 884 static jb_err compile_host_pattern(struct url_spec *url, const char *host_pattern)
 885 {
 886    return compile_pattern(host_pattern, RIGHT_ANCHORED, url, &url->host_regex);
 887 }
 888
 889 #else
 890
 891 /*********************************************************************
 892  *
 893  * Function    :  compile_host_pattern
 894  *
 895  * Description :  Parses and "compiles" an old-school host pattern.
 896  *
 897  * Parameters  :
 898  *          1  :  url = Target url_spec to be filled in.
 899  *          2  :  host_pattern = Host pattern to parse.
 900  *
 901  * Returns     :  JB_ERR_OK - Success
 902  *                JB_ERR_MEMORY - Out of memory
 903  *                JB_ERR_PARSE - Cannot parse regex
 904  *
 905  *********************************************************************/
 906 static jb_err compile_host_pattern(struct url_spec *url, const char *host_pattern)
 907 {
 908    char *v[150];
 909    size_t size;
 910    char *p;
 911
 912    /*
 913     * Parse domain part
 914     */
 915    if (host_pattern[strlen(host_pattern) - 1] == '.')
 916    {
 917       url->unanchored |= ANCHOR_RIGHT;
 918    }
 919    if (host_pattern[0] == '.')
 920    {
 921       url->unanchored |= ANCHOR_LEFT;
 922    }
 923
 924    /*
 925     * Split domain into components
 926     */
 927    url->dbuffer = strdup(host_pattern);
 928    if (NULL == url->dbuffer)
 929    {
 930       free_url_spec(url);
 931       return JB_ERR_MEMORY;
 932    }
 933
 934    /*
 935     * Map to lower case
 936     */
 937    for (p = url->dbuffer; *p ; p++)
 938    {
 939       *p = (char)tolower((int)(unsigned char)*p);
 940    }
 941
 942    /*
 943     * Split the domain name into components
 944     */
 945    url->dcount = ssplit(url->dbuffer, ".", v, SZ(v), 1, 1);
 946
 947    if (url->dcount < 0)
 948    {
 949       free_url_spec(url);
 950       return JB_ERR_MEMORY;
 951    }
 952    else if (url->dcount != 0)
 953    {
 954       /*
 955        * Save a copy of the pointers in dvec
 956        */
 957       size = (size_t)url->dcount * sizeof(*url->dvec);
 958
 959       url->dvec = (char **)malloc(size);
 960       if (NULL == url->dvec)
 961       {
 962          free_url_spec(url);
 963          return JB_ERR_MEMORY;
 964       }
 965
 966       memcpy(url->dvec, v, size);
 967    }
 968    /*
 969     * else dcount == 0 in which case we needn't do anything,
 970     * since dvec will never be accessed and the pattern will
 971     * match all domains.
 972     */
 973    return JB_ERR_OK;
 974 }
 975
 976
 977 /*********************************************************************
 978  *
 979  * Function    :  simplematch
 980  *
 981  * Description :  String matching, with a (greedy) '*' wildcard that
 982  *                stands for zero or more arbitrary characters and
 983  *                character classes in [], which take both enumerations
 984  *                and ranges.
 985  *
 986  * Parameters  :
 987  *          1  :  pattern = pattern for matching
 988  *          2  :  text    = text to be matched
 989  *
 990  * Returns     :  0 if match, else nonzero
 991  *
 992  *********************************************************************/
 993 static int simplematch(const char *pattern, const char *text)
 994 {
 995    const unsigned char *pat = (const unsigned char *)pattern;
 996    const unsigned char *txt = (const unsigned char *)text;
 997    const unsigned char *fallback = pat;
 998    int wildcard = 0;
 999
1000    unsigned char lastchar = 'a';
1001    unsigned i;
1002    unsigned char charmap[32];
1003
1004    while (*txt)
1005    {
1006
1007       /* EOF pattern but !EOF text? */
1008       if (*pat == '\0')
1009       {
1010          if (wildcard)
1011          {
1012             pat = fallback;
1013          }
1014          else
1015          {
1016             return 1;
1017          }
1018       }
1019
1020       /* '*' in the pattern?  */
1021       if (*pat == '*')
1022       {
1023
1024          /* The pattern ends afterwards? Speed up the return. */
1025          if (*++pat == '\0')
1026          {
1027             return 0;
1028          }
1029
1030          /* Else, set wildcard mode and remember position after '*' */
1031          wildcard = 1;
1032          fallback = pat;
1033       }
1034
1035       /* Character range specification? */
1036       if (*pat == '[')
1037       {
1038          memset(charmap, '\0', sizeof(charmap));
1039
1040          while (*++pat != ']')
1041          {
1042             if (!*pat)
1043             {
1044                return 1;
1045             }
1046             else if (*pat == '-')
1047             {
1048                if ((*++pat == ']') || *pat == '\0')
1049                {
1050                   return(1);
1051                }
1052                for (i = lastchar; i <= *pat; i++)
1053                {
1054                   charmap[i / 8] |= (unsigned char)(1 << (i % 8));
1055                }
1056             }
1057             else
1058             {
1059                charmap[*pat / 8] |= (unsigned char)(1 << (*pat % 8));
1060                lastchar = *pat;
1061             }
1062          }
1063       } /* -END- if Character range specification */
1064
1065
1066       /*
1067        * Char match, or char range match?
1068        */
1069       if ( (*pat == *txt)
1070       ||   (*pat == '?')
1071       ||   ((*pat == ']') && (charmap[*txt / 8] & (1 << (*txt % 8)))) )
1072       {
1073          /*
1074           * Sucess: Go ahead
1075           */
1076          pat++;
1077       }
1078       else if (!wildcard)
1079       {
1080          /*
1081           * No match && no wildcard: No luck
1082           */
1083          return 1;
1084       }
1085       else if (pat != fallback)
1086       {
1087          /*
1088           * Increment text pointer if in char range matching
1089           */
1090          if (*pat == ']')
1091          {
1092             txt++;
1093          }
1094          /*
1095           * Wildcard mode && nonmatch beyond fallback: Rewind pattern
1096           */
1097          pat = fallback;
1098          /*
1099           * Restart matching from current text pointer
1100           */
1101          continue;
1102       }
1103       txt++;
1104    }
1105
1106    /* Cut off extra '*'s */
1107    if(*pat == '*')  pat++;
1108
1109    /* If this is the pattern's end, fine! */
1110    return(*pat);
1111
1112 }
1113
1114
1115 /*********************************************************************
1116  *
1117  * Function    :  simple_domaincmp
1118  *
1119  * Description :  Domain-wise Compare fqdn's.  The comparison is
1120  *                both left- and right-anchored.  The individual
1121  *                domain names are compared with simplematch().
1122  *                This is only used by domain_match.
1123  *
1124  * Parameters  :
1125  *          1  :  pv = array of patterns to compare
1126  *          2  :  fv = array of domain components to compare
1127  *          3  :  len = length of the arrays (both arrays are the
1128  *                      same length - if they weren't, it couldn't
1129  *                      possibly be a match).
1130  *
1131  * Returns     :  0 => domains are equivalent, else no match.
1132  *
1133  *********************************************************************/
1134 static int simple_domaincmp(char **pv, char **fv, int len)
1135 {
1136    int n;
1137
1138    for (n = 0; n < len; n++)
1139    {
1140       if (simplematch(pv[n], fv[n]))
1141       {
1142          return 1;
1143       }
1144    }
1145
1146    return 0;
1147
1148 }
1149
1150
1151 /*********************************************************************
1152  *
1153  * Function    :  domain_match
1154  *
1155  * Description :  Domain-wise Compare fqdn's. Governed by the bimap in
1156  *                pattern->unachored, the comparison is un-, left-,
1157  *                right-anchored, or both.
1158  *                The individual domain names are compared with
1159  *                simplematch().
1160  *
1161  * Parameters  :
1162  *          1  :  pattern = a domain that may contain a '*' as a wildcard.
1163  *          2  :  fqdn = domain name against which the patterns are compared.
1164  *
1165  * Returns     :  0 => domains are equivalent, else no match.
1166  *
1167  *********************************************************************/
1168 static int domain_match(const struct url_spec *pattern, const struct http_request *fqdn)
1169 {
1170    char **pv, **fv;  /* vectors  */
1171    int    plen, flen;
1172    int unanchored = pattern->unanchored & (ANCHOR_RIGHT | ANCHOR_LEFT);
1173
1174    plen = pattern->dcount;
1175    flen = fqdn->dcount;
1176
1177    if (flen < plen)
1178    {
1179       /* fqdn is too short to match this pattern */
1180       return 1;
1181    }
1182
1183    pv   = pattern->dvec;
1184    fv   = fqdn->dvec;
1185
1186    if (unanchored == ANCHOR_LEFT)
1187    {
1188       /*
1189        * Right anchored.
1190        *
1191        * Convert this into a fully anchored pattern with
1192        * the fqdn and pattern the same length
1193        */
1194       fv += (flen - plen); /* flen - plen >= 0 due to check above */
1195       return simple_domaincmp(pv, fv, plen);
1196    }
1197    else if (unanchored == 0)
1198    {
1199       /* Fully anchored, check length */
1200       if (flen != plen)
1201       {
1202          return 1;
1203       }
1204       return simple_domaincmp(pv, fv, plen);
1205    }
1206    else if (unanchored == ANCHOR_RIGHT)
1207    {
1208       /* Left anchored, ignore all extra in fqdn */
1209       return simple_domaincmp(pv, fv, plen);
1210    }
1211    else
1212    {
1213       /* Unanchored */
1214       int n;
1215       int maxn = flen - plen;
1216       for (n = 0; n <= maxn; n++)
1217       {
1218          if (!simple_domaincmp(pv, fv, plen))
1219          {
1220             return 0;
1221          }
1222          /*
1223           * Doesn't match from start of fqdn
1224           * Try skipping first part of fqdn
1225           */
1226          fv++;
1227       }
1228       return 1;
1229    }
1230
1231 }
1232 #endif /* def FEATURE_EXTENDED_HOST_PATTERNS */
1233
1234
1235 /*********************************************************************
1236  *
1237  * Function    :  create_url_spec
1238  *
1239  * Description :  Creates a "url_spec" structure from a string.
1240  *                When finished, free with free_url_spec().
1241  *
1242  * Parameters  :
1243  *          1  :  url = Target url_spec to be filled in.  Will be
1244  *                      zeroed before use.
1245  *          2  :  buf = Source pattern, null terminated.  NOTE: The
1246  *                      contents of this buffer are destroyed by this
1247  *                      function.  If this function succeeds, the
1248  *                      buffer is copied to url->spec.  If this
1249  *                      function fails, the contents of the buffer
1250  *                      are lost forever.
1251  *
1252  * Returns     :  JB_ERR_OK - Success
1253  *                JB_ERR_MEMORY - Out of memory
1254  *                JB_ERR_PARSE - Cannot parse regex (Detailed message
1255  *                               written to system log)
1256  *
1257  *********************************************************************/
1258 jb_err create_url_spec(struct url_spec *url, char *buf)
1259 {
1260    assert(url);
1261    assert(buf);
1262
1263    memset(url, '\0', sizeof(*url));
1264
1265    /* Remember the original specification for the CGI pages. */
1266    url->spec = strdup(buf);
1267    if (NULL == url->spec)
1268    {
1269       return JB_ERR_MEMORY;
1270    }
1271
1272    /* Is it tag pattern? */
1273    if (0 == strncmpic("TAG:", url->spec, 4))
1274    {
1275       /* The pattern starts with the first character after "TAG:" */
1276       const char *tag_pattern = buf + 4;
1277       return compile_pattern(tag_pattern, NO_ANCHORING, url, &url->tag_regex);
1278    }
1279
1280    /* If it isn't a tag pattern it must be a URL pattern. */
1281    return compile_url_pattern(url, buf);
1282 }
1283
1284
1285 /*********************************************************************
1286  *
1287  * Function    :  free_url_spec
1288  *
1289  * Description :  Called from the "unloaders".  Freez the url
1290  *                structure elements.
1291  *
1292  * Parameters  :
1293  *          1  :  url = pointer to a url_spec structure.
1294  *
1295  * Returns     :  N/A
1296  *
1297  *********************************************************************/
1298 void free_url_spec(struct url_spec *url)
1299 {
1300    if (url == NULL) return;
1301
1302    freez(url->spec);
1303 #ifdef FEATURE_EXTENDED_HOST_PATTERNS
1304    if (url->host_regex)
1305    {
1306       regfree(url->host_regex);
1307       freez(url->host_regex);
1308    }
1309 #else
1310    freez(url->dbuffer);
1311    freez(url->dvec);
1312    url->dcount = 0;
1313 #endif /* ndef FEATURE_EXTENDED_HOST_PATTERNS */
1314    freez(url->port_list);
1315    if (url->preg)
1316    {
1317       regfree(url->preg);
1318       freez(url->preg);
1319    }
1320    if (url->tag_regex)
1321    {
1322       regfree(url->tag_regex);
1323       freez(url->tag_regex);
1324    }
1325 }
1326
1327
1328 /*********************************************************************
1329  *
1330  * Function    :  url_match
1331  *
1332  * Description :  Compare a URL against a URL pattern.
1333  *
1334  * Parameters  :
1335  *          1  :  pattern = a URL pattern
1336  *          2  :  url = URL to match
1337  *
1338  * Returns     :  Nonzero if the URL matches the pattern, else 0.
1339  *
1340  *********************************************************************/
1341 int url_match(const struct url_spec *pattern,
1342               const struct http_request *http)
1343 {
1344    /* XXX: these should probably be functions. */
1345 #define PORT_MATCHES ((NULL == pattern->port_list) || match_portlist(pattern->port_list, http->port))
1346 #ifdef FEATURE_EXTENDED_HOST_PATTERNS
1347 #define DOMAIN_MATCHES ((NULL == pattern->host_regex) || (0 == regexec(pattern->host_regex, http->host, 0, NULL, 0)))
1348 #else
1349 #define DOMAIN_MATCHES ((NULL == pattern->dbuffer) || (0 == domain_match(pattern, http)))
1350 #endif
1351 #define PATH_MATCHES ((NULL == pattern->preg) || (0 == regexec(pattern->preg, http->path, 0, NULL, 0)))
1352
1353    if (pattern->tag_regex != NULL)
1354    {
1355       /* It's a tag pattern and shouldn't be matched against URLs */
1356       return 0;
1357    }
1358
1359    return (PORT_MATCHES && DOMAIN_MATCHES && PATH_MATCHES);
1360
1361 }
1362
1363
1364 /*********************************************************************
1365  *
1366  * Function    :  match_portlist
1367  *
1368  * Description :  Check if a given number is covered by a comma
1369  *                separated list of numbers and ranges (a,b-c,d,..)
1370  *
1371  * Parameters  :
1372  *          1  :  portlist = String with list
1373  *          2  :  port = port to check
1374  *
1375  * Returns     :  0 => no match
1376  *                1 => match
1377  *
1378  *********************************************************************/
1379 int match_portlist(const char *portlist, int port)
1380 {
1381    char *min, *max, *next, *portlist_copy;
1382
1383    min = next = portlist_copy = strdup(portlist);
1384
1385    /*
1386     * Zero-terminate first item and remember offset for next
1387     */
1388    if (NULL != (next = strchr(portlist_copy, (int) ',')))
1389    {
1390       *next++ = '\0';
1391    }
1392
1393    /*
1394     * Loop through all items, checking for match
1395     */
1396    while(min)
1397    {
1398       if (NULL == (max = strchr(min, (int) '-')))
1399       {
1400          /*
1401           * No dash, check for equality
1402           */
1403          if (port == atoi(min))
1404          {
1405             freez(portlist_copy);
1406             return(1);
1407          }
1408       }
1409       else
1410       {
1411          /*
1412           * This is a range, so check if between min and max,
1413           * or, if max was omitted, between min and 65K
1414           */
1415          *max++ = '\0';
1416          if(port >= atoi(min) && port <= (atoi(max) ? atoi(max) : 65535))
1417          {
1418             freez(portlist_copy);
1419             return(1);
1420          }
1421
1422       }
1423
1424       /*
1425        * Jump to next item
1426        */
1427       min = next;
1428
1429       /*
1430        * Zero-terminate next item and remember offset for n+1
1431        */
1432       if ((NULL != next) && (NULL != (next = strchr(next, (int) ','))))
1433       {
1434          *next++ = '\0';
1435       }
1436    }
1437
1438    freez(portlist_copy);
1439    return 0;
1440
1441 }
1442
1443
1444 /*
1445   Local Variables:
1446   tab-width: 3
1447   end:
1448 */