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

Diff for /parser3/src/main/untaint.C between versions 1.2 and 1.118.2.4

version 1.2, 2001/03/12 21:54:20 version 1.118.2.4, 2003/09/23 14:00:53
Line 1 Line 1
 /*  /** @file
         Parser          Parser: String class part: untaint mechanizm.
         Copyright (c) 2001 ArtLebedev Group (http://www.artlebedev.com)  
         Author: Alexander Petrosyan <paf@design.ru> (http://design.ru/paf)  
   
         $Id$          Copyright(c) 2001-2003 ArtLebedev Group (http://www.artlebedev.com)
           Author: Alexandr Petrosian <paf@design.ru> (http://paf.design.ru)
 */  */
   
 #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"
   
 #define escape(cases) \  extern "C" { // author forgot to do that
         { \  #include "ec.h"
                 const char *ptr=row->item.ptr; \  }
                 int size=row->item.size; \  
                 for (;*ptr;ptr++) \  #define PA_SQL
                         switch(*ptr) { \  
                                 cases \  #ifdef PA_SQL
                                 default: *copy_here++=*ptr; break; \  #include "pa_sql_connection.h"
                         } \  #endif
         }  
 #define escape_value(a, c)  case a: *copy_here++=c; break;  // defines
 #define escape_subst(a, b, bsize)  \  
         case a: \  
                 { \  #undef CORD_ec_append
                         strncpy(copy_here, b, bsize); \  // redefining to intercept flushes and implement whitespace optimization
                         copy_here+=bsize; \  // 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); \
                 } \                  } \
                 break;                  *((x)[0].ec_bufptr)++ = (c); \
           } \
       }
   
   
   #define escape(action) \
           for(; fragment_length--; CORD_next(info->pos)) { \
                   char c=CORD_pos_fetch(info->pos); \
                   action \
           }
   #define _default  default: CORD_ec_append(info->result, c); break
   #define encode(need_encode_func, prefix, otherwise)  \
           if(need_encode_func(c)) { \
                   static const char* hex="0123456789ABCDEF"; \
                   CORD_ec_append(info->result, prefix); \
                   CORD_ec_append(info->result, hex[((unsigned char)c)/0x10]); \
                   CORD_ec_append(info->result, hex[((unsigned char)c)%0x10]); \
           } else \
                   CORD_ec_append(info->result, otherwise);
   #define to_char(c)  CORD_ec_append(info->result, c)
   #define to_string(s)  CORD_ec_append_cord(info->result, s)
   
   inline bool need_file_encode(unsigned char c){
           // russian letters and space ENABLED
           // encoding only these...
           return strchr(
                             "*?'\"<>|"
   #ifndef WIN32
                             ":\\"
   #endif
                             , c)!=0;
   }
   inline bool need_uri_encode(unsigned char c){
       if((c>='0') &&(c<='9') ||(c>='A') &&(c<='Z') ||(c>='a') &&(c<='z')) 
                   return false;
   
       return !strchr("_-./", c);
   }
   inline bool need_http_header_encode(unsigned char c){
       if(strchr(" , :", c))
                   return false;
   
           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
   
 char *String::cstr() const {  /*
         char *result=(char *)malloc(size()*UNTAINT_TIMES_BIGGER+1);  
   
         char *copy_here=result;  HTTP-header    = field-name ":" [ field-value ] CRLF
         const Chunk *chunk=&head;   
         // TODO: оптимизировать whitespaces для всех, кроме 'html'         field-name     = token
         do {         field-value    = *( field-content | LWS )
                 const Chunk::Row *row=chunk->rows;  
                 for(int i=0; i<chunk->count; i++) {         field-content  = <the OCTETs making up the field-value
                         if(row==append_here)                          and consisting of either *TEXT or combinations
                                 goto break2;                          of token, tspecials, and quoted-string>
   
                         // WARNING:  
                         //      string can grow only UNTAINT_TIMES_BIGGER  
                         switch(row->item.lang) {  word           = token | quoted-string
                         case NO:  
                                 // clean piece  token          = 1*<any CHAR except CTLs or tspecials>
                         case YES:  
                                 // tainted piece, but undefined untaint language  
                                 // for VString.get_double of tainted values  
                                 // for ^process{body} evaluation  tspecials      = "(" | ")" | "<" | ">" | "@"
                         case AS_IS:                        | "," | ";" | ":" | "\" | <">
                                 // tainted, untaint language: as-is                        | "/" | "[" | "]" | "?" | "="
                                 memcpy(copy_here, row->item.ptr, row->item.size);                         | "{" | "}" | SP | HT
                                 copy_here+=row->item.size;  
                                 break;  SP             = <US-ASCII SP, space (32)>
                         case TABLE:   HT             = <US-ASCII HT, horizontal-tab (9)>
                                 escape(  
                                         escape_value('\t', ' ')  LWS            = [CRLF] 1*( SP | HT )
                                         escape_value('\n', ' ')  TEXT           = <any OCTET except CTLs,
                                 );                          but including LWS>
                                 break;  
                         case SQL:  quoted-pair    = "\" CHAR
                                 // tainted, untaint language: sql  
                                 // TODO: зависимость от sql сервера    if(strchr("()<>@,;:\\\"/[]?={} \t", *ptr))
                                 memset(copy_here, '?', row->item.size);   */
                                 copy_here+=row->item.size;  inline bool need_quote_http_header(const char* ptr, size_t size) {
                                 break;          for(; size--; ptr++)
                         case JS:                  if(strchr(";\\\"= \t" /* excluded ()<>@, :/ ? []{} */, *ptr))
                                 escape(                          return true;
                                         escape_subst('"', "\\\"", 2)          return false;
                                         escape_subst('\'', "\\'", 2)  }
                                         escape_subst('\n', "\\n", 2)  
                                         escape_subst('\r', "\\r", 2)  #ifndef DOXYGEN
                                         escape_subst('\\', "\\\\", 2)  struct Append_fragment_info {
                                         escape_subst('я', "\\я", 2)          String::Language lang;
                                 );          const StringBody dest_body;
                                 break;          String::Languages* dest_languages;
                         case HTML:          size_t dest_body_plan_length;
                                 escape(  };
                                         escape_subst('&', "&amp;", 5) // BEFORE consequent relpaces yelding '&'  #endif
                                         escape_subst('>', "&gt;", 4)  int append_fragment_optimizing(char alang, size_t asize, Append_fragment_info* info) {
                                         escape_subst('<', "&lt;",4)          const String::Language lang=(String::Language)alang;
                                         escape_subst('"', "&quot;",6)          // main idea here:
                                         escape_value('\t', ' ')          // tainted piece would get OPTIMIZED bit from 'lang'
                                         //TODO: XSLT escape_subst('\'', "&apos;", 6)          // clean piece would be marked OPTIMIZED manually
                                 );          // pieces with determined languages [not tainted|clean] would retain theirs langs
                                 break;          info->dest_languages->append(info->dest_body_plan_length, 
                         case HTML_TYPO:                   lang==String::Language::L_TAINTED?
                                 // tainted, untaint language: html-typo                          info->lang
                                 escape(                          :lang==String::Language::L_CLEAN?
                                         escape_subst('&', "&amp;", 5) // BEFORE consequent relpaces yelding '&'                                  (String::Language)(String::Language::L_CLEAN|String::Language::L_OPTIMIZE_BIT) // ORing with OPTIMIZED flag
                                         escape_subst('>', "&gt;", 4)                                  :lang,
                                         escape_subst('<', "&lt;",4)                  asize);
                                         escape_subst('"', "&quot;",6)          info->dest_body_plan_length+=asize;
                                         escape_value('\t', ' ')  
                                         //TODO: $MAIN:html-type table replace, max length(b)==UNTAINT_TIMES_BIGGER*length(a)          return 0; // 0=continue
                                 );  }
   int append_fragment_nonoptimizing(char alang, size_t asize, Append_fragment_info* info) {
           const String::Language lang=(String::Language)alang;
           // The core idea: tainted pieces got marked with context's lang
           info->dest_languages->append(info->dest_body_plan_length, 
                   lang==String::Language::L_TAINTED?
                           info->lang
                           :lang,
                   asize);
           info->dest_body_plan_length+=asize;
   
           return 0; // 0=continue
   }
   
   /** 
           appends to other String,
           marking all tainted pieces of it with @a lang.
           or marking ALL pieces of it with a @a lang when @a forced to,
           and propagating OPTIMIZE language bit.
   */
   String& String::append_to(String& dest, Language lang, bool forced) const {
           if(is_empty())
                   return dest;
   
           // 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;
   
           if(!is_empty())
                   langs.for_each(body, cstr_to_string_body_block, &info);
   
           return StringBody(CORD_ec_to_cord(info.result));
 }  }
Removed from v.1.2  
changed lines
  Added in v.1.118.2.4

E-mail: