urlmatch.c

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