urlmatch.c

   1 const char urlmatch_rcs[] = "$Id: urlmatch.c,v 1.55 2009/06/03 16:43:16 fabiankeil Exp $";
   2 /*********************************************************************
   3  *
   4  * File        :  $Source: /cvsroot/ijbswa/current/urlmatch.c,v $
   5  *
   6  * Purpose     :  Declares functions to match URLs against URL
   7  *                patterns.
   8  *
   9  * Copyright   :  Written by and Copyright (C) 2001-2009
  10  *                the Privoxy team. http://www.privoxy.org/
  11  *
  12  *                Based on the Internet Junkbuster originally written
  13  *                by and Copyright (C) 1997 Anonymous Coders and
  14  *                Junkbusters Corporation.  http://www.junkbusters.com
  15  *
  16  *                This program is free software; you can redistribute it
  17  *                and/or modify it under the terms of the GNU General
  18  *                Public License as published by the Free Software
  19  *                Foundation; either version 2 of the License, or (at
  20  *                your option) any later version.
  21  *
  22  *                This program is distributed in the hope that it will
  23  *                be useful, but WITHOUT ANY WARRANTY; without even the
  24  *                implied warranty of MERCHANTABILITY or FITNESS FOR A
  25  *                PARTICULAR PURPOSE.  See the GNU General Public
  26  *                License for more details.
  27  *
  28  *                The GNU General Public License should be included with
  29  *                this file.  If not, you can view it at
  30  *                http://www.gnu.org/copyleft/gpl.html
  31  *                or write to the Free Software Foundation, Inc., 59
  32  *                Temple Place - Suite 330, Boston, MA  02111-1307, USA.
  33  *
  34  *********************************************************************/
  35
  36
  37 #include "config.h"
  38
  39 #ifndef _WIN32
  40 #include <stdio.h>
  41 #include <sys/types.h>
  42 #endif
  43
  44 #include <stdlib.h>
  45 #include <ctype.h>
  46 #include <assert.h>
  47 #include <string.h>
  48
  49 #if !defined(_WIN32) && !defined(__OS2__)
  50 #include <unistd.h>
  51 #endif
  52
  53 #include "project.h"
  54 #include "urlmatch.h"
  55 #include "ssplit.h"
  56 #include "miscutil.h"
  57 #include "errlog.h"
  58
  59 const char urlmatch_h_rcs[] = URLMATCH_H_VERSION;
  60
  61 enum regex_anchoring {NO_ANCHORING, LEFT_ANCHORED, RIGHT_ANCHORED};
  62 static jb_err compile_host_pattern(struct url_spec *url, const char *host_pattern);
  63
  64 /*********************************************************************
  65  *
  66  * Function    :  free_http_request
  67  *
  68  * Description :  Freez a http_request structure
  69  *
  70  * Parameters  :
  71  *          1  :  http = points to a http_request structure to free
  72  *
  73  * Returns     :  N/A
  74  *
  75  *********************************************************************/
  76 void free_http_request(struct http_request *http)
  77 {
  78    assert(http);
  79
  80    freez(http->cmd);
  81    freez(http->ocmd);
  82    freez(http->gpc);
  83    freez(http->host);
  84    freez(http->url);
  85    freez(http->hostport);
  86    freez(http->path);
  87    freez(http->ver);
  88    freez(http->host_ip_addr_str);
  89 #ifndef FEATURE_EXTENDED_HOST_PATTERNS
  90    freez(http->dbuffer);
  91    freez(http->dvec);
  92    http->dcount = 0;
  93 #endif
  94 }
  95
  96
  97 #ifndef FEATURE_EXTENDED_HOST_PATTERNS
  98 /*********************************************************************
  99  *
 100  * Function    :  init_domain_components
 101  *
 102  * Description :  Splits the domain name so we can compare it
 103  *                against wildcards. It used to be part of
 104  *                parse_http_url, but was separated because the
 105  *                same code is required in chat in case of
 106  *                intercepted requests.
 107  *
 108  * Parameters  :
 109  *          1  :  http = pointer to the http structure to hold elements.
 110  *
 111  * Returns     :  JB_ERR_OK on success
 112  *                JB_ERR_MEMORY on out of memory
 113  *                JB_ERR_PARSE on malformed command/URL
 114  *                             or >100 domains deep.
 115  *
 116  *********************************************************************/
 117 jb_err init_domain_components(struct http_request *http)
 118 {
 119    char *vec[BUFFER_SIZE];
 120    size_t size;
 121    char *p;
 122
 123    http->dbuffer = strdup(http->host);
 124    if (NULL == http->dbuffer)
 125    {
 126       return JB_ERR_MEMORY;
 127    }
 128
 129    /* map to lower case */
 130    for (p = http->dbuffer; *p ; p++)
 131    {
 132       *p = (char)tolower((int)(unsigned char)*p);
 133    }
 134
 135    /* split the domain name into components */
 136    http->dcount = ssplit(http->dbuffer, ".", vec, SZ(vec), 1, 1);
 137
 138    if (http->dcount <= 0)
 139    {
 140       /*
 141        * Error: More than SZ(vec) components in domain
 142        *    or: no components in domain
 143        */
 144       log_error(LOG_LEVEL_ERROR, "More than SZ(vec) components in domain or none at all.");
 145       return JB_ERR_PARSE;
 146    }
 147
 148    /* save a copy of the pointers in dvec */
 149    size = (size_t)http->dcount * sizeof(*http->dvec);
 150
 151    http->dvec = (char **)malloc(size);
 152    if (NULL == http->dvec)
 153    {
 154       return JB_ERR_MEMORY;
 155    }
 156
 157    memcpy(http->dvec, vec, size);
 158
 159    return JB_ERR_OK;
 160 }
 161 #endif /* ndef FEATURE_EXTENDED_HOST_PATTERNS */
 162
 163
 164 /*********************************************************************
 165  *
 166  * Function    :  parse_http_url
 167  *
 168  * Description :  Parse out the host and port from the URL.  Find the
 169  *                hostname & path, port (if ':'), and/or password (if '@')
 170  *
 171  * Parameters  :
 172  *          1  :  url = URL (or is it URI?) to break down
 173  *          2  :  http = pointer to the http structure to hold elements.
 174  *                       Must be initialized with valid values (like NULLs).
 175  *          3  :  require_protocol = Whether or not URLs without
 176  *                                   protocol are acceptable.
 177  *
 178  * Returns     :  JB_ERR_OK on success
 179  *                JB_ERR_MEMORY on out of memory
 180  *                JB_ERR_PARSE on malformed command/URL
 181  *                             or >100 domains deep.
 182  *
 183  *********************************************************************/
 184 jb_err parse_http_url(const char *url, struct http_request *http, int require_protocol)
 185 {
 186    int host_available = 1; /* A proxy can dream. */
 187
 188    /*
 189     * Save our initial URL
 190     */
 191    http->url = strdup(url);
 192    if (http->url == NULL)
 193    {
 194       return JB_ERR_MEMORY;
 195    }
 196
 197
 198    /*
 199     * Check for * URI. If found, we're done.
 200     */
 201    if (*http->url == '*')
 202    {
 203       if  ( NULL == (http->path = strdup("*"))
 204          || NULL == (http->hostport = strdup("")) )
 205       {
 206          return JB_ERR_MEMORY;
 207       }
 208       if (http->url[1] != '\0')
 209       {
 210          return JB_ERR_PARSE;
 211       }
 212       return JB_ERR_OK;
 213    }
 214
 215
 216    /*
 217     * Split URL into protocol,hostport,path.
 218     */
 219    {
 220       char *buf;
 221       char *url_noproto;
 222       char *url_path;
 223
 224       buf = strdup(url);
 225       if (buf == NULL)
 226       {
 227          return JB_ERR_MEMORY;
 228       }
 229
 230       /* Find the start of the URL in our scratch space */
 231       url_noproto = buf;
 232       if (strncmpic(url_noproto, "http://",  7) == 0)
 233       {
 234          url_noproto += 7;
 235       }
 236       else if (strncmpic(url_noproto, "https://", 8) == 0)
 237       {
 238          /*
 239           * Should only happen when called from cgi_show_url_info().
 240           */
 241          url_noproto += 8;
 242          http->ssl = 1;
 243       }
 244       else if (*url_noproto == '/')
 245       {
 246         /*
 247          * Short request line without protocol and host.
 248          * Most likely because the client's request
 249          * was intercepted and redirected into Privoxy.
 250          */
 251          http->host = NULL;
 252          host_available = 0;
 253       }
 254       else if (require_protocol)
 255       {
 256          freez(buf);
 257          return JB_ERR_PARSE;
 258       }
 259
 260       url_path = strchr(url_noproto, '/');
 261       if (url_path != NULL)
 262       {
 263          /*
 264           * Got a path.
 265           *
 266           * NOTE: The following line ignores the path for HTTPS URLS.
 267           * This means that you get consistent behaviour if you type a
 268           * https URL in and it's parsed by the function.  (When the
 269           * URL is actually retrieved, SSL hides the path part).
 270           */
 271          http->path = strdup(http->ssl ? "/" : url_path);
 272          *url_path = '\0';
 273          http->hostport = strdup(url_noproto);
 274       }
 275       else
 276       {
 277          /*
 278           * Repair broken HTTP requests that don't contain a path,
 279           * or CONNECT requests
 280           */
 281          http->path = strdup("/");
 282          http->hostport = strdup(url_noproto);
 283       }
 284
 285       freez(buf);
 286
 287       if ( (http->path == NULL)
 288         || (http->hostport == NULL))
 289       {
 290          return JB_ERR_MEMORY;
 291       }
 292    }
 293
 294    if (!host_available)
 295    {
 296       /* Without host, there is nothing left to do here */
 297       return JB_ERR_OK;
 298    }
 299
 300    /*
 301     * Split hostport into user/password (ignored), host, port.
 302     */
 303    {
 304       char *buf;
 305       char *host;
 306       char *port;
 307
 308       buf = strdup(http->hostport);
 309       if (buf == NULL)
 310       {
 311          return JB_ERR_MEMORY;
 312       }
 313
 314       /* check if url contains username and/or password */
 315       host = strchr(buf, '@');
 316       if (host != NULL)
 317       {
 318          /* Contains username/password, skip it and the @ sign. */
 319          host++;
 320       }
 321       else
 322       {
 323          /* No username or password. */
 324          host = buf;
 325       }
 326
 327       /* Move after hostname before port number */
 328       if (*host == '[')
 329       {
 330          /* Numeric IPv6 address delimited by brackets */
 331          host++;
 332          port = strchr(host, ']');
 333
 334          if (port == NULL)
 335          {
 336             /* Missing closing bracket */
 337             freez(buf);
 338             return JB_ERR_PARSE;
 339          }
 340
 341          *port++ = '\0';
 342
 343          if (*port == '\0')
 344          {
 345             port = NULL;
 346          }
 347          else if (*port != ':')
 348          {
 349             /* Garbage after closing bracket */
 350             freez(buf);
 351             return JB_ERR_PARSE;
 352          }
 353       }
 354       else
 355       {
 356          /* Plain non-escaped hostname */
 357          port = strchr(host, ':');
 358       }
 359
 360       /* check if url contains port */
 361       if (port != NULL)
 362       {
 363          /* Contains port */
 364          /* Terminate hostname and point to start of port string */
 365          *port++ = '\0';
 366          http->port = atoi(port);
 367       }
 368       else
 369       {
 370          /* No port specified. */
 371          http->port = (http->ssl ? 443 : 80);
 372       }
 373
 374       http->host = strdup(host);
 375
 376       freez(buf);
 377
 378       if (http->host == NULL)
 379       {
 380          return JB_ERR_MEMORY;
 381       }
 382    }
 383
 384 #ifdef FEATURE_EXTENDED_HOST_PATTERNS
 385    return JB_ERR_OK;
 386 #else
 387    /* Split domain name so we can compare it against wildcards */
 388    return init_domain_components(http);
 389 #endif /* def FEATURE_EXTENDED_HOST_PATTERNS */
 390
 391 }
 392
 393
 394 /*********************************************************************
 395  *
 396  * Function    :  unknown_method
 397  *
 398  * Description :  Checks whether a method is unknown.
 399  *
 400  * Parameters  :
 401  *          1  :  method = points to a http method
 402  *
 403  * Returns     :  TRUE if it's unknown, FALSE otherwise.
 404  *
 405  *********************************************************************/
 406 static int unknown_method(const char *method)
 407 {
 408    static const char *known_http_methods[] = {
 409       /* Basic HTTP request type */
 410       "GET", "HEAD", "POST", "PUT", "DELETE", "OPTIONS", "TRACE", "CONNECT",
 411       /* webDAV extensions (RFC2518) */
 412       "PROPFIND", "PROPPATCH", "MOVE", "COPY", "MKCOL", "LOCK", "UNLOCK",
 413       /*
 414        * Microsoft webDAV extension for Exchange 2000.  See:
 415        * http://lists.w3.org/Archives/Public/w3c-dist-auth/2002JanMar/0001.html
 416        * http://msdn.microsoft.com/library/en-us/wss/wss/_webdav_methods.asp
 417        */
 418       "BCOPY", "BMOVE", "BDELETE", "BPROPFIND", "BPROPPATCH",
 419       /*
 420        * Another Microsoft webDAV extension for Exchange 2000.  See:
 421        * http://systems.cs.colorado.edu/grunwald/MobileComputing/Papers/draft-cohen-gena-p-base-00.txt
 422        * http://lists.w3.org/Archives/Public/w3c-dist-auth/2002JanMar/0001.html
 423        * http://msdn.microsoft.com/library/en-us/wss/wss/_webdav_methods.asp
 424        */
 425       "SUBSCRIBE", "UNSUBSCRIBE", "NOTIFY", "POLL",
 426       /*
 427        * Yet another WebDAV extension, this time for
 428        * Web Distributed Authoring and Versioning (RFC3253)
 429        */
 430       "VERSION-CONTROL", "REPORT", "CHECKOUT", "CHECKIN", "UNCHECKOUT",
 431       "MKWORKSPACE", "UPDATE", "LABEL", "MERGE", "BASELINE-CONTROL", "MKACTIVITY",
 432    };
 433    int i;
 434
 435    for (i = 0; i < SZ(known_http_methods); i++)
 436    {
 437       if (0 == strcmpic(method, known_http_methods[i]))
 438       {
 439          return FALSE;
 440       }
 441    }
 442
 443    return TRUE;
 444
 445 }
 446
 447
 448 /*********************************************************************
 449  *
 450  * Function    :  parse_http_request
 451  *
 452  * Description :  Parse out the host and port from the URL.  Find the
 453  *                hostname & path, port (if ':'), and/or password (if '@')
 454  *
 455  * Parameters  :
 456  *          1  :  req = HTTP request line to break down
 457  *          2  :  http = pointer to the http structure to hold elements
 458  *
 459  * Returns     :  JB_ERR_OK on success
 460  *                JB_ERR_MEMORY on out of memory
 461  *                JB_ERR_CGI_PARAMS on malformed command/URL
 462  *                                  or >100 domains deep.
 463  *
 464  *********************************************************************/
 465 jb_err parse_http_request(const char *req, struct http_request *http)
 466 {
 467    char *buf;
 468    char *v[10]; /* XXX: Why 10? We should only need three. */
 469    int n;
 470    jb_err err;
 471
 472    memset(http, '\0', sizeof(*http));
 473
 474    buf = strdup(req);
 475    if (buf == NULL)
 476    {
 477       return JB_ERR_MEMORY;
 478    }
 479
 480    n = ssplit(buf, " \r\n", v, SZ(v), 1, 1);
 481    if (n != 3)
 482    {
 483       freez(buf);
 484       return JB_ERR_PARSE;
 485    }
 486
 487    /*
 488     * Fail in case of unknown methods
 489     * which we might not handle correctly.
 490     *
 491     * XXX: There should be a config option
 492     * to forward requests with unknown methods
 493     * anyway. Most of them don't need special
 494     * steps.
 495     */
 496    if (unknown_method(v[0]))
 497    {
 498       log_error(LOG_LEVEL_ERROR, "Unknown HTTP method detected: %s", v[0]);
 499       freez(buf);
 500       return JB_ERR_PARSE;
 501    }
 502
 503    if (strcmpic(v[2], "HTTP/1.1") && strcmpic(v[2], "HTTP/1.0"))
 504    {
 505       log_error(LOG_LEVEL_ERROR, "The only supported HTTP "
 506          "versions are 1.0 and 1.1. This rules out: %s", v[2]);
 507       freez(buf);
 508       return JB_ERR_PARSE;
 509    }
 510
 511    http->ssl = !strcmpic(v[0], "CONNECT");
 512
 513    err = parse_http_url(v[1], http, !http->ssl);
 514    if (err)
 515    {
 516       freez(buf);
 517       return err;
 518    }
 519
 520    /*
 521     * Copy the details into the structure
 522     */
 523    http->cmd = strdup(req);
 524    http->gpc = strdup(v[0]);
 525    http->ver = strdup(v[2]);
 526
 527    freez(buf);
 528
 529    if ( (http->cmd == NULL)
 530      || (http->gpc == NULL)
 531      || (http->ver == NULL) )
 532    {
 533       return JB_ERR_MEMORY;
 534    }
 535
 536    return JB_ERR_OK;
 537
 538 }
 539
 540
 541 /*********************************************************************
 542  *
 543  * Function    :  compile_pattern
 544  *
 545  * Description :  Compiles a host, domain or TAG pattern.
 546  *
 547  * Parameters  :
 548  *          1  :  pattern = The pattern to compile.
 549  *          2  :  anchoring = How the regex should be anchored.
 550  *                            Can be either one of NO_ANCHORING,
 551  *                            LEFT_ANCHORED or RIGHT_ANCHORED.
 552  *          3  :  url     = In case of failures, the spec member is
 553  *                          logged and the structure freed.
 554  *          4  :  regex   = Where the compiled regex should be stored.
 555  *
 556  * Returns     :  JB_ERR_OK - Success
 557  *                JB_ERR_MEMORY - Out of memory
 558  *                JB_ERR_PARSE - Cannot parse regex
 559  *
 560  *********************************************************************/
 561 static jb_err compile_pattern(const char *pattern, enum regex_anchoring anchoring,
 562                               struct url_spec *url, regex_t **regex)
 563 {
 564    int errcode;
 565    char rebuf[BUFFER_SIZE];
 566    const char *fmt = NULL;
 567
 568    assert(pattern);
 569    assert(strlen(pattern) < sizeof(rebuf) - 2);
 570
 571    if (pattern[0] == '\0')
 572    {
 573       *regex = NULL;
 574       return JB_ERR_OK;
 575    }
 576
 577    switch (anchoring)
 578    {
 579       case NO_ANCHORING:
 580          fmt = "%s";
 581          break;
 582       case RIGHT_ANCHORED:
 583          fmt = "%s$";
 584          break;
 585       case LEFT_ANCHORED:
 586          fmt = "^%s";
 587          break;
 588       default:
 589          log_error(LOG_LEVEL_FATAL,
 590             "Invalid anchoring in compile_pattern %d", anchoring);
 591    }
 592
 593    *regex = zalloc(sizeof(**regex));
 594    if (NULL == *regex)
 595    {
 596       free_url_spec(url);
 597       return JB_ERR_MEMORY;
 598    }
 599
 600    snprintf(rebuf, sizeof(rebuf), fmt, pattern);
 601
 602    errcode = regcomp(*regex, rebuf, (REG_EXTENDED|REG_NOSUB|REG_ICASE));
 603
 604    if (errcode)
 605    {
 606       size_t errlen = regerror(errcode, *regex, rebuf, sizeof(rebuf));
 607       if (errlen > (sizeof(rebuf) - (size_t)1))
 608       {
 609          errlen = sizeof(rebuf) - (size_t)1;
 610       }
 611       rebuf[errlen] = '\0';
 612       log_error(LOG_LEVEL_ERROR, "error compiling %s from %s: %s",
 613          pattern, url->spec, rebuf);
 614       free_url_spec(url);
 615
 616       return JB_ERR_PARSE;
 617    }
 618
 619    return JB_ERR_OK;
 620
 621 }
 622
 623
 624 /*********************************************************************
 625  *
 626  * Function    :  compile_url_pattern
 627  *
 628  * Description :  Compiles the three parts of an URL pattern.
 629  *
 630  * Parameters  :
 631  *          1  :  url = Target url_spec to be filled in.
 632  *          2  :  buf = The url pattern to compile. Will be messed up.
 633  *
 634  * Returns     :  JB_ERR_OK - Success
 635  *                JB_ERR_MEMORY - Out of memory
 636  *                JB_ERR_PARSE - Cannot parse regex
 637  *
 638  *********************************************************************/
 639 static jb_err compile_url_pattern(struct url_spec *url, char *buf)
 640 {
 641    char *p;
 642
 643    p = strchr(buf, '/');
 644    if (NULL != p)
 645    {
 646       /*
 647        * Only compile the regex if it consists of more than
 648        * a single slash, otherwise it wouldn't affect the result.
 649        */
 650       if (p[1] != '\0')
 651       {
 652          /*
 653           * XXX: does it make sense to compile the slash at the beginning?
 654           */
 655          jb_err err = compile_pattern(p, LEFT_ANCHORED, url, &url->preg);
 656
 657          if (JB_ERR_OK != err)
 658          {
 659             return err;
 660          }
 661       }
 662       *p = '\0';
 663    }
 664
 665    /*
 666     * IPv6 numeric hostnames can contain colons, thus we need
 667     * to delimit the hostname before the real port separator.
 668     * As brackets are already used in the hostname pattern,
 669     * we use angle brackets ('<', '>') instead.
 670     */
 671    if ((buf[0] == '<') && (NULL != (p = strchr(buf + 1, '>'))))
 672    {
 673       *p++ = '\0';
 674       buf++;
 675
 676       if (*p == '\0')
 677       {
 678          /* IPv6 address without port number */
 679          p = NULL;
 680       }
 681       else if (*p != ':')
 682       {
 683          /* Garbage after address delimiter */
 684          return JB_ERR_PARSE;
 685       }
 686    }
 687    else
 688    {
 689       p = strchr(buf, ':');
 690    }
 691
 692    if (NULL != p)
 693    {
 694       *p++ = '\0';
 695       url->port_list = strdup(p);
 696       if (NULL == url->port_list)
 697       {
 698          return JB_ERR_MEMORY;
 699       }
 700    }
 701    else
 702    {
 703       url->port_list = NULL;
 704    }
 705
 706    if (buf[0] != '\0')
 707    {
 708       return compile_host_pattern(url, buf);
 709    }
 710
 711    return JB_ERR_OK;
 712
 713 }
 714
 715
 716 #ifdef FEATURE_EXTENDED_HOST_PATTERNS
 717 /*********************************************************************
 718  *
 719  * Function    :  compile_host_pattern
 720  *
 721  * Description :  Parses and compiles a host pattern..
 722  *
 723  * Parameters  :
 724  *          1  :  url = Target url_spec to be filled in.
 725  *          2  :  host_pattern = Host pattern to compile.
 726  *
 727  * Returns     :  JB_ERR_OK - Success
 728  *                JB_ERR_MEMORY - Out of memory
 729  *                JB_ERR_PARSE - Cannot parse regex
 730  *
 731  *********************************************************************/
 732 static jb_err compile_host_pattern(struct url_spec *url, const char *host_pattern)
 733 {
 734    return compile_pattern(host_pattern, RIGHT_ANCHORED, url, &url->host_regex);
 735 }
 736
 737 #else
 738
 739 /*********************************************************************
 740  *
 741  * Function    :  compile_host_pattern
 742  *
 743  * Description :  Parses and "compiles" an old-school host pattern.
 744  *
 745  * Parameters  :
 746  *          1  :  url = Target url_spec to be filled in.
 747  *          2  :  host_pattern = Host pattern to parse.
 748  *
 749  * Returns     :  JB_ERR_OK - Success
 750  *                JB_ERR_MEMORY - Out of memory
 751  *                JB_ERR_PARSE - Cannot parse regex
 752  *
 753  *********************************************************************/
 754 static jb_err compile_host_pattern(struct url_spec *url, const char *host_pattern)
 755 {
 756    char *v[150];
 757    size_t size;
 758    char *p;
 759
 760    /*
 761     * Parse domain part
 762     */
 763    if (host_pattern[strlen(host_pattern) - 1] == '.')
 764    {
 765       url->unanchored |= ANCHOR_RIGHT;
 766    }
 767    if (host_pattern[0] == '.')
 768    {
 769       url->unanchored |= ANCHOR_LEFT;
 770    }
 771
 772    /*
 773     * Split domain into components
 774     */
 775    url->dbuffer = strdup(host_pattern);
 776    if (NULL == url->dbuffer)
 777    {
 778       free_url_spec(url);
 779       return JB_ERR_MEMORY;
 780    }
 781
 782    /*
 783     * Map to lower case
 784     */
 785    for (p = url->dbuffer; *p ; p++)
 786    {
 787       *p = (char)tolower((int)(unsigned char)*p);
 788    }
 789
 790    /*
 791     * Split the domain name into components
 792     */
 793    url->dcount = ssplit(url->dbuffer, ".", v, SZ(v), 1, 1);
 794
 795    if (url->dcount < 0)
 796    {
 797       free_url_spec(url);
 798       return JB_ERR_MEMORY;
 799    }
 800    else if (url->dcount != 0)
 801    {
 802       /*
 803        * Save a copy of the pointers in dvec
 804        */
 805       size = (size_t)url->dcount * sizeof(*url->dvec);
 806
 807       url->dvec = (char **)malloc(size);
 808       if (NULL == url->dvec)
 809       {
 810          free_url_spec(url);
 811          return JB_ERR_MEMORY;
 812       }
 813
 814       memcpy(url->dvec, v, size);
 815    }
 816    /*
 817     * else dcount == 0 in which case we needn't do anything,
 818     * since dvec will never be accessed and the pattern will
 819     * match all domains.
 820     */
 821    return JB_ERR_OK;
 822 }
 823
 824
 825 /*********************************************************************
 826  *
 827  * Function    :  simplematch
 828  *
 829  * Description :  String matching, with a (greedy) '*' wildcard that
 830  *                stands for zero or more arbitrary characters and
 831  *                character classes in [], which take both enumerations
 832  *                and ranges.
 833  *
 834  * Parameters  :
 835  *          1  :  pattern = pattern for matching
 836  *          2  :  text    = text to be matched
 837  *
 838  * Returns     :  0 if match, else nonzero
 839  *
 840  *********************************************************************/
 841 static int simplematch(const char *pattern, const char *text)
 842 {
 843    const unsigned char *pat = (const unsigned char *)pattern;
 844    const unsigned char *txt = (const unsigned char *)text;
 845    const unsigned char *fallback = pat;
 846    int wildcard = 0;
 847
 848    unsigned char lastchar = 'a';
 849    unsigned i;
 850    unsigned char charmap[32];
 851
 852    while (*txt)
 853    {
 854
 855       /* EOF pattern but !EOF text? */
 856       if (*pat == '\0')
 857       {
 858          if (wildcard)
 859          {
 860             pat = fallback;
 861          }
 862          else
 863          {
 864             return 1;
 865          }
 866       }
 867
 868       /* '*' in the pattern?  */
 869       if (*pat == '*')
 870       {
 871
 872          /* The pattern ends afterwards? Speed up the return. */
 873          if (*++pat == '\0')
 874          {
 875             return 0;
 876          }
 877
 878          /* Else, set wildcard mode and remember position after '*' */
 879          wildcard = 1;
 880          fallback = pat;
 881       }
 882
 883       /* Character range specification? */
 884       if (*pat == '[')
 885       {
 886          memset(charmap, '\0', sizeof(charmap));
 887
 888          while (*++pat != ']')
 889          {
 890             if (!*pat)
 891             {
 892                return 1;
 893             }
 894             else if (*pat == '-')
 895             {
 896                if ((*++pat == ']') || *pat == '\0')
 897                {
 898                   return(1);
 899                }
 900                for (i = lastchar; i <= *pat; i++)
 901                {
 902                   charmap[i / 8] |= (unsigned char)(1 << (i % 8));
 903                }
 904             }
 905             else
 906             {
 907                charmap[*pat / 8] |= (unsigned char)(1 << (*pat % 8));
 908                lastchar = *pat;
 909             }
 910          }
 911       } /* -END- if Character range specification */
 912
 913
 914       /*
 915        * Char match, or char range match?
 916        */
 917       if ( (*pat == *txt)
 918       ||   (*pat == '?')
 919       ||   ((*pat == ']') && (charmap[*txt / 8] & (1 << (*txt % 8)))) )
 920       {
 921          /*
 922           * Sucess: Go ahead
 923           */
 924          pat++;
 925       }
 926       else if (!wildcard)
 927       {
 928          /*
 929           * No match && no wildcard: No luck
 930           */
 931          return 1;
 932       }
 933       else if (pat != fallback)
 934       {
 935          /*
 936           * Increment text pointer if in char range matching
 937           */
 938          if (*pat == ']')
 939          {
 940             txt++;
 941          }
 942          /*
 943           * Wildcard mode && nonmatch beyond fallback: Rewind pattern
 944           */
 945          pat = fallback;
 946          /*
 947           * Restart matching from current text pointer
 948           */
 949          continue;
 950       }
 951       txt++;
 952    }
 953
 954    /* Cut off extra '*'s */
 955    if(*pat == '*')  pat++;
 956
 957    /* If this is the pattern's end, fine! */
 958    return(*pat);
 959
 960 }
 961
 962
 963 /*********************************************************************
 964  *
 965  * Function    :  simple_domaincmp
 966  *
 967  * Description :  Domain-wise Compare fqdn's.  The comparison is
 968  *                both left- and right-anchored.  The individual
 969  *                domain names are compared with simplematch().
 970  *                This is only used by domain_match.
 971  *
 972  * Parameters  :
 973  *          1  :  pv = array of patterns to compare
 974  *          2  :  fv = array of domain components to compare
 975  *          3  :  len = length of the arrays (both arrays are the
 976  *                      same length - if they weren't, it couldn't
 977  *                      possibly be a match).
 978  *
 979  * Returns     :  0 => domains are equivalent, else no match.
 980  *
 981  *********************************************************************/
 982 static int simple_domaincmp(char **pv, char **fv, int len)
 983 {
 984    int n;
 985
 986    for (n = 0; n < len; n++)
 987    {
 988       if (simplematch(pv[n], fv[n]))
 989       {
 990          return 1;
 991       }
 992    }
 993
 994    return 0;
 995
 996 }
 997
 998
 999 /*********************************************************************
1000  *
1001  * Function    :  domain_match
1002  *
1003  * Description :  Domain-wise Compare fqdn's. Governed by the bimap in
1004  *                pattern->unachored, the comparison is un-, left-,
1005  *                right-anchored, or both.
1006  *                The individual domain names are compared with
1007  *                simplematch().
1008  *
1009  * Parameters  :
1010  *          1  :  pattern = a domain that may contain a '*' as a wildcard.
1011  *          2  :  fqdn = domain name against which the patterns are compared.
1012  *
1013  * Returns     :  0 => domains are equivalent, else no match.
1014  *
1015  *********************************************************************/
1016 static int domain_match(const struct url_spec *pattern, const struct http_request *fqdn)
1017 {
1018    char **pv, **fv;  /* vectors  */
1019    int    plen, flen;
1020    int unanchored = pattern->unanchored & (ANCHOR_RIGHT | ANCHOR_LEFT);
1021
1022    plen = pattern->dcount;
1023    flen = fqdn->dcount;
1024
1025    if (flen < plen)
1026    {
1027       /* fqdn is too short to match this pattern */
1028       return 1;
1029    }
1030
1031    pv   = pattern->dvec;
1032    fv   = fqdn->dvec;
1033
1034    if (unanchored == ANCHOR_LEFT)
1035    {
1036       /*
1037        * Right anchored.
1038        *
1039        * Convert this into a fully anchored pattern with
1040        * the fqdn and pattern the same length
1041        */
1042       fv += (flen - plen); /* flen - plen >= 0 due to check above */
1043       return simple_domaincmp(pv, fv, plen);
1044    }
1045    else if (unanchored == 0)
1046    {
1047       /* Fully anchored, check length */
1048       if (flen != plen)
1049       {
1050          return 1;
1051       }
1052       return simple_domaincmp(pv, fv, plen);
1053    }
1054    else if (unanchored == ANCHOR_RIGHT)
1055    {
1056       /* Left anchored, ignore all extra in fqdn */
1057       return simple_domaincmp(pv, fv, plen);
1058    }
1059    else
1060    {
1061       /* Unanchored */
1062       int n;
1063       int maxn = flen - plen;
1064       for (n = 0; n <= maxn; n++)
1065       {
1066          if (!simple_domaincmp(pv, fv, plen))
1067          {
1068             return 0;
1069          }
1070          /*
1071           * Doesn't match from start of fqdn
1072           * Try skipping first part of fqdn
1073           */
1074          fv++;
1075       }
1076       return 1;
1077    }
1078
1079 }
1080 #endif /* def FEATURE_EXTENDED_HOST_PATTERNS */
1081
1082
1083 /*********************************************************************
1084  *
1085  * Function    :  create_url_spec
1086  *
1087  * Description :  Creates a "url_spec" structure from a string.
1088  *                When finished, free with free_url_spec().
1089  *
1090  * Parameters  :
1091  *          1  :  url = Target url_spec to be filled in.  Will be
1092  *                      zeroed before use.
1093  *          2  :  buf = Source pattern, null terminated.  NOTE: The
1094  *                      contents of this buffer are destroyed by this
1095  *                      function.  If this function succeeds, the
1096  *                      buffer is copied to url->spec.  If this
1097  *                      function fails, the contents of the buffer
1098  *                      are lost forever.
1099  *
1100  * Returns     :  JB_ERR_OK - Success
1101  *                JB_ERR_MEMORY - Out of memory
1102  *                JB_ERR_PARSE - Cannot parse regex (Detailed message
1103  *                               written to system log)
1104  *
1105  *********************************************************************/
1106 jb_err create_url_spec(struct url_spec *url, char *buf)
1107 {
1108    assert(url);
1109    assert(buf);
1110
1111    memset(url, '\0', sizeof(*url));
1112
1113    /* Remember the original specification for the CGI pages. */
1114    url->spec = strdup(buf);
1115    if (NULL == url->spec)
1116    {
1117       return JB_ERR_MEMORY;
1118    }
1119
1120    /* Is it a tag pattern? */
1121    if (0 == strncmpic("TAG:", url->spec, 4))
1122    {
1123       /* The pattern starts with the first character after "TAG:" */
1124       const char *tag_pattern = buf + 4;
1125       return compile_pattern(tag_pattern, NO_ANCHORING, url, &url->tag_regex);
1126    }
1127
1128    /* If it isn't a tag pattern it must be an URL pattern. */
1129    return compile_url_pattern(url, buf);
1130 }
1131
1132
1133 /*********************************************************************
1134  *
1135  * Function    :  free_url_spec
1136  *
1137  * Description :  Called from the "unloaders".  Freez the url
1138  *                structure elements.
1139  *
1140  * Parameters  :
1141  *          1  :  url = pointer to a url_spec structure.
1142  *
1143  * Returns     :  N/A
1144  *
1145  *********************************************************************/
1146 void free_url_spec(struct url_spec *url)
1147 {
1148    if (url == NULL) return;
1149
1150    freez(url->spec);
1151 #ifdef FEATURE_EXTENDED_HOST_PATTERNS
1152    if (url->host_regex)
1153    {
1154       regfree(url->host_regex);
1155       freez(url->host_regex);
1156    }
1157 #else
1158    freez(url->dbuffer);
1159    freez(url->dvec);
1160    url->dcount = 0;
1161 #endif /* ndef FEATURE_EXTENDED_HOST_PATTERNS */
1162    freez(url->port_list);
1163    if (url->preg)
1164    {
1165       regfree(url->preg);
1166       freez(url->preg);
1167    }
1168    if (url->tag_regex)
1169    {
1170       regfree(url->tag_regex);
1171       freez(url->tag_regex);
1172    }
1173 }
1174
1175
1176 /*********************************************************************
1177  *
1178  * Function    :  port_matches
1179  *
1180  * Description :  Compares a port against a port list.
1181  *
1182  * Parameters  :
1183  *          1  :  port      = The port to check.
1184  *          2  :  port_list = The list of port to compare with.
1185  *
1186  * Returns     :  TRUE for yes, FALSE otherwise.
1187  *
1188  *********************************************************************/
1189 static int port_matches(const int port, const char *port_list)
1190 {
1191    return ((NULL == port_list) || match_portlist(port_list, port));
1192 }
1193
1194
1195 /*********************************************************************
1196  *
1197  * Function    :  url_match
1198  *
1199  * Description :  Compare a URL against a URL pattern.
1200  *
1201  * Parameters  :
1202  *          1  :  pattern = a URL pattern
1203  *          2  :  url = URL to match
1204  *
1205  * Returns     :  Nonzero if the URL matches the pattern, else 0.
1206  *
1207  *********************************************************************/
1208 int url_match(const struct url_spec *pattern,
1209               const struct http_request *http)
1210 {
1211    /* XXX: these should probably be functions. */
1212 #ifdef FEATURE_EXTENDED_HOST_PATTERNS
1213 #define DOMAIN_MATCHES ((NULL == pattern->host_regex) || (0 == regexec(pattern->host_regex, http->host, 0, NULL, 0)))
1214 #else
1215 #define DOMAIN_MATCHES ((NULL == pattern->dbuffer) || (0 == domain_match(pattern, http)))
1216 #endif
1217 #define PATH_MATCHES ((NULL == pattern->preg) || (0 == regexec(pattern->preg, http->path, 0, NULL, 0)))
1218
1219    if (pattern->tag_regex != NULL)
1220    {
1221       /* It's a tag pattern and shouldn't be matched against URLs */
1222       return 0;
1223    }
1224
1225    return (port_matches(http->port, pattern->port_list) && DOMAIN_MATCHES && PATH_MATCHES);
1226
1227 }
1228
1229
1230 /*********************************************************************
1231  *
1232  * Function    :  match_portlist
1233  *
1234  * Description :  Check if a given number is covered by a comma
1235  *                separated list of numbers and ranges (a,b-c,d,..)
1236  *
1237  * Parameters  :
1238  *          1  :  portlist = String with list
1239  *          2  :  port = port to check
1240  *
1241  * Returns     :  0 => no match
1242  *                1 => match
1243  *
1244  *********************************************************************/
1245 int match_portlist(const char *portlist, int port)
1246 {
1247    char *min, *max, *next, *portlist_copy;
1248
1249    min = portlist_copy = strdup(portlist);
1250
1251    /*
1252     * Zero-terminate first item and remember offset for next
1253     */
1254    if (NULL != (next = strchr(portlist_copy, (int) ',')))
1255    {
1256       *next++ = '\0';
1257    }
1258
1259    /*
1260     * Loop through all items, checking for match
1261     */
1262    while (NULL != min)
1263    {
1264       if (NULL == (max = strchr(min, (int) '-')))
1265       {
1266          /*
1267           * No dash, check for equality
1268           */
1269          if (port == atoi(min))
1270          {
1271             freez(portlist_copy);
1272             return(1);
1273          }
1274       }
1275       else
1276       {
1277          /*
1278           * This is a range, so check if between min and max,
1279           * or, if max was omitted, between min and 65K
1280           */
1281          *max++ = '\0';
1282          if(port >= atoi(min) && port <= (atoi(max) ? atoi(max) : 65535))
1283          {
1284             freez(portlist_copy);
1285             return(1);
1286          }
1287
1288       }
1289
1290       /*
1291        * Jump to next item
1292        */
1293       min = next;
1294
1295       /*
1296        * Zero-terminate next item and remember offset for n+1
1297        */
1298       if ((NULL != next) && (NULL != (next = strchr(next, (int) ','))))
1299       {
1300          *next++ = '\0';
1301       }
1302    }
1303
1304    freez(portlist_copy);
1305    return 0;
1306
1307 }
1308
1309
1310 /*********************************************************************
1311  *
1312  * Function    :  parse_forwarder_address
1313  *
1314  * Description :  Parse out the host and port from a forwarder address.
1315  *
1316  * Parameters  :
1317  *          1  :  address = The forwarder address to parse.
1318  *          2  :  hostname = Used to return the hostname. NULL on error.
1319  *          3  :  port = Used to return the port. Untouched if no port
1320  *                       is specified.
1321  *
1322  * Returns     :  JB_ERR_OK on success
1323  *                JB_ERR_MEMORY on out of memory
1324  *                JB_ERR_PARSE on malformed address.
1325  *
1326  *********************************************************************/
1327 jb_err parse_forwarder_address(char *address, char **hostname, int *port)
1328 {
1329    char *p = address;
1330
1331    if ((*address == '[') && (NULL == strchr(address, ']')))
1332    {
1333       /* XXX: Should do some more validity checks here. */
1334       return JB_ERR_PARSE;
1335    }
1336
1337    *hostname = strdup(address);
1338    if (NULL == *hostname)
1339    {
1340       return JB_ERR_MEMORY;
1341    }
1342
1343    if ((**hostname == '[') && (NULL != (p = strchr(*hostname, ']'))))
1344    {
1345       *p++ = '\0';
1346       memmove(*hostname, (*hostname + 1), (size_t)(p - *hostname));
1347       if (*p == ':')
1348       {
1349          *port = (int)strtol(++p, NULL, 0);
1350       }
1351    }
1352    else if (NULL != (p = strchr(*hostname, ':')))
1353    {
1354       *p++ = '\0';
1355       *port = (int)strtol(p, NULL, 0);
1356    }
1357
1358    return JB_ERR_OK;
1359
1360 }
1361
1362
1363 /*
1364   Local Variables:
1365   tab-width: 3
1366   end:
1367 */