urlmatch.c

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