urlmatch.c

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