[BACK]Return to untaint.C CVS log [TXT] [DIR] Up to [parser3project] / parser3 / src / main

Diff for /parser3/src/main/untaint.C between versions 1.10.2.1 and 1.118.2.3

version 1.10.2.1, 2001/03/20 17:21:54 version 1.118.2.3, 2003/09/23 13:53:04
Line 1 Line 1
 /** @file  /** @file
         Parser: String class part: untaint mechanizm.          Parser: String class part: untaint mechanizm.
   
         Copyright (c) 2001 ArtLebedev Group (http://www.artlebedev.com)          Copyright(c) 2001-2003 ArtLebedev Group (http://www.artlebedev.com)
           Author: Alexandr Petrosian <paf@design.ru> (http://paf.design.ru)
         Author: Alexander Petrosyan <paf@design.ru> (http://design.ru/paf)  
   
         $Id$  
 */  */
   
 #include <string.h>  static const char* IDENT_UNTAINT_C="$Date$";
   
   
 #include "pa_pool.h"  
 #include "pa_string.h"  #include "pa_string.h"
 #include "pa_hash.h"  #include "pa_hash.h"
 #include "pa_exception.h"  #include "pa_exception.h"
   #include "pa_table.h"
   #include "pa_globals.h"
   #include "pa_dictionary.h"
   #include "pa_common.h"
   #include "pa_charset.h"
   #include "pa_request_charsets.h"
   #include "pa_sapi.h"
   
   extern "C" { // author forgot to do that
   #include "ec.h"
   }
   
 #define escape(cases) \  #define PA_SQL
         { \  
                 const char *ptr=row->item.ptr; \  #ifdef PA_SQL
                 for (int size=row->item.size; size--; ptr++) \  #include "pa_sql_connection.h"
                         switch(*ptr) { \  #endif
                                 cases \  
                         } \  // defines
   
   
   #undef CORD_ec_append
   // redefining to intercept flushes and implement whitespace optimization
   // of all consequent white space chars leaving only first one
   #define CORD_ec_append(x, c) \
       {  \
           bool skip=false; \
           if(optimize) switch(c) { \
           case ' ': case '\r': case '\n': case '\t': \
                   if(whitespace) \
                           skip=true; /*skipping subsequent*/ \
                   else \
                           whitespace=true; \
                   break; \
           default: \
                   whitespace=false; \
                   break; \
           } \
           if(!skip) { \
                   if ((x)[0].ec_bufptr == (x)[0].ec_buf + CORD_BUFSZ) { \
                           CORD_ec_flush_buf(x); \
                   } \
                   *((x)[0].ec_bufptr)++ = (c); \
           } \
       }
   
   
   #define escape(action) \
           for(; fragment_length--; CORD_next(info->pos)) { \
                   char c=CORD_pos_fetch(info->pos); \
                   action \
         }          }
 #define escape_value(a, c)  case a: *copy_here++=c; break  #define _default  default: CORD_ec_append(info->result, c); break
 #define escape_default  default: *copy_here++=*ptr; break  #define encode(need_encode_func, prefix, otherwise)  \
 #define escape_subst(a, b, bsize)  \          if(need_encode_func(c)) { \
                 case a: \                  static const char* hex="0123456789ABCDEF"; \
                         strncpy(copy_here, b, bsize); \                  CORD_ec_append(info->result, prefix); \
                         copy_here+=bsize; \                  CORD_ec_append(info->result, hex[((unsigned char)c)/0x10]); \
                 break                  CORD_ec_append(info->result, hex[((unsigned char)c)%0x10]); \
 #define escape_encode(need_encode_func, prefix)  \          } else \
                 default: \                  CORD_ec_append(info->result, otherwise);
                         if(need_encode_func(*ptr)) { \  #define to_char(c)  CORD_ec_append(info->result, c)
                                 static const char *hex="0123456789ABCDEF"; \  #define to_string(s)  CORD_ec_append_cord(info->result, s)
                                 char chunk[3]={prefix}; \  
                                 chunk[1]=hex[((unsigned char)*ptr)/0x10]; \  
                                 chunk[2]=hex[((unsigned char)*ptr)%0x10]; \  
                                 strncpy(copy_here, chunk, 3);  copy_here+=3; \  
                         } else \  
                                 *copy_here++=*ptr; \  
                         break  
   
 inline bool need_file_encode(unsigned char c){  inline bool need_file_encode(unsigned char c){
     if ((c>='0') && (c<='9') || (c>='A') && (c<='Z') || (c>='a') && (c<='z'))           // russian letters and space ENABLED
                 return false;          // encoding only these...
           return strchr(
     return !strchr("./\\", c);                            "*?'\"<>|"
   #ifndef WIN32
                             ":\\"
   #endif
                             , c)!=0;
 }  }
 inline bool need_uri_encode(unsigned char c){  inline bool need_uri_encode(unsigned char c){
     if ((c>='0') && (c<='9') || (c>='A') && (c<='Z') || (c>='a') && (c<='z'))       if((c>='0') &&(c<='9') ||(c>='A') &&(c<='Z') ||(c>='a') &&(c<='z')) 
                 return false;                  return false;
   
     return !strchr("_-./", c);      return !strchr("_-./", c);
 }  }
 inline bool need_header_encode(unsigned char c){  inline bool need_http_header_encode(unsigned char c){
     if(strchr(" ,:", c))      if(strchr(" , :", c))
                 return false;                  return false;
   
         return need_uri_encode(c);          return need_uri_encode(c);
 }  }
   
   //
   
   static const char*  String_Untaint_lang_name[]={
           "U", ///< zero value handy for hash lookup @see untaint_lang_name2enum
           "C", ///< clean
           "T",  ///< tainted, untaint language as assigned later 
           // untaint languages. assigned by ^untaint[lang]{...}
           "P",
                   /**<
                           leave language built into string being appended.
                           just a flag, that value not stored
                   */
           "A",     ///< leave all characters intact
           "F", ///< file specification
           "H",    ///< ext in HTTP response header
           "M",    ///< text in mail header
           "URI",       ///< text in uri
           "T",     ///< ^table:set body
           "SQL",       ///< ^table:sql body
           "JS",        ///< JavaScript code
           "XML",          ///< ^dom:set xml
           "HTML"      ///< HTML code (for editing)
   };
   
   
 // String  // String
   
 /// @todo optimize whitespaces for all but 'html'  /*
 char *String::cstr() const {  
         char *result=(char *)malloc(size()*UNTAINT_TIMES_BIGGER+1);  HTTP-header    = field-name ":" [ field-value ] CRLF
   
         char *copy_here=result;         field-name     = token
         const Chunk *chunk=&head;          field-value    = *( field-content | LWS )
         do {  
                 const Chunk::Row *row=chunk->rows;         field-content  = <the OCTETs making up the field-value
                 for(int i=0; i<chunk->count; i++) {                          and consisting of either *TEXT or combinations
                         if(row==append_here)                          of token, tspecials, and quoted-string>
                                 goto break2;  
   
                         // WARNING:  
                         //      string can grow only UNTAINT_TIMES_BIGGER  word           = token | quoted-string
                         switch(row->item.lang) {  
                         case UL_NO:  token          = 1*<any CHAR except CTLs or tspecials>
                                 // clean piece  
                         case UL_YES:  
                                 // tainted piece, but undefined untaint language  
                                 // for VString.get_double of tainted values  tspecials      = "(" | ")" | "<" | ">" | "@"
                                 // for ^process{body} evaluation                        | "," | ";" | ":" | "\" | <">
                         case UL_AS_IS:                        | "/" | "[" | "]" | "?" | "="
                                 // tainted, untaint language: as-is                        | "{" | "}" | SP | HT
                                 memcpy(copy_here, row->item.ptr, row->item.size);   
                                 copy_here+=row->item.size;  SP             = <US-ASCII SP, space (32)>
                                 break;  HT             = <US-ASCII HT, horizontal-tab (9)>
                         case UL_FILE_NAME:  
                                 // tainted, untaint language: file [name]  LWS            = [CRLF] 1*( SP | HT )
                                 escape(  TEXT           = <any OCTET except CTLs,
                                         escape_value(' ', '_');                          but including LWS>
                                         escape_encode(need_file_encode, '-');  
                                 );  quoted-pair    = "\" CHAR
                                 break;  
                         case UL_URI:    if(strchr("()<>@,;:\\\"/[]?={} \t", *ptr))
                                 // tainted, untaint language: uri  */
                                 escape(  inline bool need_quote_http_header(const char* ptr, size_t size) {
                                         escape_value(' ', '+');          for(; size--; ptr++)
                                         escape_encode(need_uri_encode, '%');                  if(strchr(";\\\"= \t" /* excluded ()<>@, :/ ? []{} */, *ptr))
                                 );                          return true;
                                 break;          return false;
                         case UL_HEADER:  }
                                 // tainted, untaint language: header  
                                 escape(  #ifndef DOXYGEN
                                         escape_encode(need_header_encode, '%');  struct Append_fragment_info {
                                 );          String::Language lang;
                                 break;          const StringBody dest_body;
                         case UL_TABLE:           String::Languages* dest_languages;
                                 escape(          size_t dest_body_plan_length;
                                         escape_value('\t', ' ');  };
                                         escape_value('\n', ' ');  #endif
                                         escape_default;  int append_fragment_optimizing(char alang, size_t asize, Append_fragment_info* info) {
                                 );          const String::Language lang=(String::Language)alang;
                                 break;          // main idea here:
                         case UL_SQL:          // tainted piece would get OPTIMIZED bit from 'lang'
                                 // tainted, untaint language: sql          // clean piece would be marked OPTIMIZED manually
                                 // TODO: зависимость от sql сервера          // pieces with determined languages [not tainted|clean] would retain theirs langs
                                 memset(copy_here, '?', row->item.size);           info->dest_languages->append(info->dest_body_plan_length, 
                                 copy_here+=row->item.size;                  lang==String::Language::L_TAINTED?
                                 break;                          info->lang
                         case UL_JS:                          :lang==String::Language::L_CLEAN?
                                 escape(                                  (String::Language)(String::Language::L_CLEAN|String::Language::L_OPTIMIZE_BIT) // ORing with OPTIMIZED flag
                                         escape_subst('"', "\\\"", 2);                                  :lang,
                                         escape_subst('\'', "\\'", 2);                  asize);
                                         escape_subst('\n', "\\n", 2);          info->dest_body_plan_length+=asize;
                                         escape_subst('\r', "\\r", 2);  
                                         escape_subst('\\', "\\\\", 2);          return 0; // 0=continue
                                         escape_subst('я', "\\я", 2);  }
                                         escape_default;  int append_fragment_nonoptimizing(char alang, size_t asize, Append_fragment_info* info) {
                                 );          const String::Language lang=(String::Language)alang;
                                 break;          // The core idea: tainted pieces got marked with context's lang
                         case UL_HTML:          info->dest_languages->append(info->dest_body_plan_length, 
                                 escape(                  lang==String::Language::L_TAINTED?
                                         escape_subst('&', "&amp;", 5); // BEFORE consequent relpaces yelding '&'                          info->lang
                                         escape_subst('>', "&gt;", 4);                          :lang,
                                         escape_subst('<', "&lt;",4);                  asize);
                                         escape_subst('"', "&quot;",6);          info->dest_body_plan_length+=asize;
                                         escape_value('\t', ' ');  
                                         //TODO: XSLT escape_subst('\'', "&apos;", 6)          return 0; // 0=continue
                                         escape_default;  }
                                 );  
                                 break;  /** 
                         case UL_HTML_TYPO:           appends to other String,
                                 // tainted, untaint language: html-typo          marking all tainted pieces of it with @a lang.
                                 escape(          or marking ALL pieces of it with a @a lang when @a forced to,
                                         escape_subst('&', "&amp;", 5); // BEFORE consequent relpaces yelding '&'          and propagating OPTIMIZE language bit.
                                         escape_subst('>', "&gt;", 4);  */
                                         escape_subst('<', "&lt;",4);  String& String::append_to(String& dest, Language lang, bool forced) const {
                                         escape_subst('"', "&quot;",6);          if(is_empty())
                                         escape_value('\t', ' ');                  return dest;
                                         //TODO: $MAIN:html-type table replace, max length(b)==UNTAINT_TIMES_BIGGER*length(a)  
                                         escape_default;          // first: fragment infos
                                 );          
           if(lang==L_PASS_APPENDED) // without language-change?
                   dest.langs.append(dest.body, body.length(), langs);
           else if(forced) //forcing passed lang?
                   dest.langs.append(dest.body, lang, length());
           else { 
                   Append_fragment_info info={lang, dest.body, &dest.langs, dest.body.length()};
               langs.for_each(body, lang&L_OPTIMIZE_BIT?
                           append_fragment_optimizing
                           :append_fragment_nonoptimizing, &info);
           }
   
           // next: letters
           dest.body<<body;
   
           ASSERT_STRING_INVARIANT(dest);
           return dest;
   }
   
   /** http://www.ietf.org/rfc/rfc2047.txt
   RFC
   (3) As a replacement for a 'word' entity within a 'phrase', for example,
       one that precedes an address in a From, To, or Cc header.  The ABNF
       definition for 'phrase' from RFC 822 thus becomes:
   
       phrase = 1*( encoded-word / word )
   
       In this case the set of characters that may be used in a "Q"-encoded
       'encoded-word' is restricted to: <upper and lower case ASCII
       letters, decimal digits, "!", "*", "+", "-", "/", "=", and "_"
       (underscore, ASCII 95.)>.  An 'encoded-word' that appears within a
       'phrase' MUST be separated from any adjacent 'word', 'text' or
       'special' by 'linear-white-space'.
   ...
      (2) The 8-bit hexadecimal value 20 (e.g., ISO-8859-1 SPACE) may be
          represented as "_" (underscore, ASCII 95.).  (This character may
          not pass through some internetwork mail gateways, but its use
          will greatly enhance readability of "Q" encoded data with mail
          readers that do not support this encoding.)  Note that the "_"
          always represents hexadecimal 20, even if the SPACE character
          occupies a different code position in the character set in use.
   
           paf: obviously, 
                   without "=", or one could not differ "=E0" and "russian letter a"
                   and without "_", or in would mean 0x20
   */
   inline bool mail_header_char_valid_within_Qencoded(char c) {
           return c>='A' && c<='Z'
                   || c>='a' && c<='Z'
                   || c>='0' && c<='9'
                   || strchr("!*+-/", c);
   }
   inline bool addr_spec_soon(const char *src) {
           for(char c; c=*src; src++)
                   if(c=='<')
                           return true;
                   else if(!(c==' ' || c=='\t'))
                           return false;
           return false;
   }
   /**
           RFC 
           Upper case should be used for hexadecimal digits "A" through "F"
           The 8-bit hexadecimal value 20 (e.g., ISO-8859-1 SPACE) 
           may be represented as "_" 
   */
   inline bool mail_header_nonspace_char(char c) {
           return c != 0x20;
   }
   inline void ec_append(CORD_ec& result, bool& optimize, bool& whitespace, CORD_pos pos, size_t size) {
           while(size--) {
                   CORD_ec_append(result, CORD_pos_fetch(pos));
                   CORD_next(pos);
           }
   }
   inline void pa_CORD_pos_advance(CORD_pos pos, size_t n) {
           while(true) {
                   size_t avail=CORD_pos_chars_left(pos);
                   if(avail==0) {
                           CORD_next(pos);
                           if(!--n)
                                 break;                                  break;
                         default:                  } else if(avail<n) {
                                 THROW(0,0,                          CORD_pos_advance(pos, avail);
                                         this,                          n-=avail;
                                         "unknown untaint language #%d of %d piece",                   } else { // avail>=n
                                                 static_cast<int>(row->item.lang),                          CORD_pos_advance(pos, n);
                                                 i);                          break;
                         }                  }
                         row++;          }
   }
   
   #ifndef DOXYGEN
   struct Cstr_to_string_body_block_info {
           // input
           String::Language lang;
           SQL_Connection* connection;
           const Request_charsets* charsets;
           const StringBody* body;
   
           // output
           CORD_ec result;
   
           // private
           CORD_pos pos;
           size_t fragment_begin;
           bool whitespace;
   };
   #endif
   int cstr_to_string_body_block(char alang, size_t fragment_length, Cstr_to_string_body_block_info* info) {
           const String::Language fragment_lang=(String::Language)alang;
           bool& whitespace=info->whitespace;
           size_t fragment_end=info->fragment_begin+fragment_length;
           //fprintf(stderr, "%d, %d\n", fragment.lang, fragment.length);
   
           
           String::Language to_lang=info->lang==String::Language::L_UNSPECIFIED?fragment_lang:info->lang;
           bool optimize=(to_lang & String::Language::L_OPTIMIZE_BIT)!=0;
           if(!optimize)
                   whitespace=false;
                   
           switch(to_lang & ~String::Language::L_OPTIMIZE_BIT) {
           case String::Language::L_CLEAN:
           case String::Language::L_TAINTED:
           case String::Language::L_AS_IS:
                   // clean piece
   
                   // tainted piece, but undefined untaint language
                   // for VString.as_double of tainted values
                   // for ^process{body} evaluation
   
                   // tainted, untaint language: as-is
                   ec_append(info->result, optimize, whitespace, info->pos, fragment_length);
                   break;
           case String::Language::L_FILE_SPEC:
                   // tainted, untaint language: file [name]
                   escape(
                           // Macintosh has problems with small Russian letter 'r'
                           if( c=='\xF0' && info->charsets && info->charsets->source().NAME()=="WINDOWS-1251" ) {
                                   // fixing that letter for most common charset
                                   to_char('p');
                           } else // fallback to default
                                   encode(need_file_encode, '_', c); 
                   );
                   break;
           case String::Language::L_URI:
                   // tainted, untaint language: uri
                   {
                           const char *fragment_str=info->body->mid(info->fragment_begin, fragment_length).cstr();
                           // skip source [we use recoded version]
                           pa_CORD_pos_advance(info->pos, fragment_length);
                           String::C output(fragment_str, fragment_length);
                           if(info->charsets) 
                                   output=Charset::transcode(output, 
                                           info->charsets->source(), 
                                           info->charsets->client());
   
                           char c;
                           for(const char* src=output.str; c=*src++; ) 
                                   encode(need_uri_encode, '%', c);
                 }                  }
                 chunk=row->link;                  break;
         } while(chunk);          case String::Language::L_HTTP_HEADER:
 break2:                  // tainted, untaint language: http-field-content-text
         *copy_here=0;                  escape(
         return result;                          encode(need_uri_encode, '%', c);
                   );
                   break;
           case String::Language::L_MAIL_HEADER:
                   // tainted, untaint language: mail-header
                   // http://www.ietf.org/rfc/rfc2047.txt
                   if(info->charsets) {
                           size_t mail_size;
                           const char *mail_ptr=
                                   info->body->mid(info->fragment_begin, mail_size=fragment_length).cstr();
                           // skip source [we use recoded version]
                           pa_CORD_pos_advance(info->pos, mail_size);
   
                           const char* charset_name=info->charsets->mail().NAME().cstr();
   
                           // Subject: Re: parser3: =?koi8-r?Q?=D3=C5=CD=C9=CE=C1=D2?=
                           bool to_quoted_printable=false;
   
                           bool email=false;
                           uchar c;
                           for(const char* src=mail_ptr; c=(uchar)*src++; ) {
                                   //RFC   + An 'encoded-word' MUST NOT appear in any portion of an 'addr-spec'.
                                   if(to_quoted_printable && (c==',' || addr_spec_soon(src) || c == '"')) {
                                           email=c=='<';
                                           to_string("?=");
                                           to_quoted_printable=false;
                                   }
                                   if(!email && (
                                           !to_quoted_printable && (c & 0x80)  // starting quote-printable-encoding on first 8bit char
                                           || to_quoted_printable && !mail_header_char_valid_within_Qencoded(c)
                                           )) {
                                           if(!to_quoted_printable) {
                                                   to_string("=?");
                                                   to_string(charset_name);
                                                   to_string("?Q?");
                                                   to_quoted_printable=true;
                                           }
                                           encode(mail_header_nonspace_char, '=', '_'); 
                                   } else
                                           to_char(c);
                                   if(c=='>')
                                           email=false;
                           }
                           if(to_quoted_printable) // close
                                   to_string("?=");
                   
                   } else
                           ec_append(info->result, optimize, whitespace, info->pos, fragment_length);
                   break;
           case String::Language::L_TABLE: 
                   // tainted, untaint language: table
                   escape(switch(c) {
                           case '\t': to_char(' ');  break;
                           case '\n': to_char(' ');  break;
                           _default;
                   });
                   break;
   #ifdef PA_SQL
           case String::Language::L_SQL:
                   // tainted, untaint language: sql
                   if(info->connection) {
                           const char *fragment_str=info->body->mid(info->fragment_begin, fragment_length).cstr();
                           // skip source [we use recoded version]
                           pa_CORD_pos_advance(info->pos, fragment_length);
   
                           to_string(info->connection->quote(fragment_str, fragment_length));
                   } else
                           throw Exception(0,
                                   0,
                                   "untaint in SQL language failed - no connection specified");
                   break;
   #endif
           case String::Language::L_JS:
                   escape(switch(c) {
                           case '"': to_string("\\\"");  break;
                           case '\'': to_string("\\'");  break;
                           case '\n': to_string("\\n");  break;
                           case '\\': to_string("\\\\");  break;
                           case '\xFF': to_string("\\\xFF");  break;
                           _default;
                   });
                   break;
           case String::Language::L_XML:
                   escape(switch(c) {
                           case '&': to_string("&amp;");  break;
                           case '>': to_string("&gt;");  break;
                           case '<': to_string("&lt;");  break;
                           case '"': to_string("&quot;");  break;
                           case '\'': to_string("&apos;");  break;
                           _default;
                   });
                   break;
           case String::Language::L_HTML:
                   escape(switch(c) {
                           case '&': to_string("&amp;");  break;
                           case '>': to_string("&gt;");  break;
                           case '<': to_string("&lt;");  break;
                           case '"': to_string("&quot;");  break;
                           _default;
                   });
                   break;
           default:
                   SAPI::die("unknown untaint language #%d", 
                           static_cast<int>(to_lang)); // should never
                   break; // never
           }
   
           info->fragment_begin=fragment_end;
   
           return 0; // 0=continue
   }
   
   
   StringBody String::cstr_to_string_body(Language lang, 
                     SQL_Connection* connection,
                     const Request_charsets *charsets) const {
   
           Cstr_to_string_body_block_info info;
           // input
           info.lang=lang;
           info.connection=connection;
           info.charsets=charsets;
           info.body=&body;
           // output
           CORD_ec_init(info.result);
           // private
           body.set_pos(info.pos, 0);
           info.fragment_begin=0;
           info.whitespace=true;
           
           langs.for_each(body, cstr_to_string_body_block, &info);
   
           return StringBody(CORD_ec_to_cord(info.result));
 }  }
Removed from v.1.10.2.1  
changed lines
  Added in v.1.118.2.3

E-mail: