Annotation of parser3/src/main/untaint.C, revision 1.115.2.12.2.4

1.7       paf         1: /** @file
1.8       paf         2:        Parser: String class part: untaint mechanizm.
                      3: 
1.115.2.6  paf         4:        Copyright(c) 2001-2003 ArtLebedev Group (http://www.artlebedev.com)
1.89      paf         5:        Author: Alexandr Petrosian <paf@design.ru> (http://paf.design.ru)
1.103     paf         6: */
1.8       paf         7: 
1.115.2.12.2.  (paf        8:): static const char* IDENT_UNTAINT_C="$Date: 2003/03/20 08:11:15 $";
                      9:): 
1.1       paf        10: 
                     11: #include "pa_string.h"
                     12: #include "pa_hash.h"
                     13: #include "pa_exception.h"
1.13      paf        14: #include "pa_table.h"
1.32      paf        15: #include "pa_globals.h"
1.58      parser     16: #include "pa_dictionary.h"
1.66      parser     17: #include "pa_common.h"
1.85      paf        18: #include "pa_charset.h"
1.115.2.4  paf        19: #include "pa_request_charsets.h"
1.1       paf        20: 
1.115.2.12.2.  (paf       21:): #include "ec.h"
                     22:): 
                     23:): //#define PA_SQL
                     24:): 
                     25:): #ifdef PA_SQL
                     26:): #include "pa_sql_connection.h"
                     27:): #endif
                     28:): 
1.18      paf        29: #define escape(action) \
1.115.2.12.2.  (paf       30:):      for(; fragment_size--; CORD_next(pos)) { \
                     31:):              char c=CORD_pos_fetch(pos); \
                     32:):              action \
1.1       paf        33:        }
1.115.2.12.2.  (paf       34:): #define _default  default: CORD_ec_append(result, c); break
1.13      paf        35: #define encode(need_encode_func, prefix)  \
1.115.2.12.2.  (paf       36:):      if(need_encode_func(c)) { \
                     37:):              static const char* hex="0123456789ABCDEF"; \
                     38:):              CORD_ec_append(result, prefix); \
                     39:):              CORD_ec_append(result, hex[((unsigned char)c)/0x10]); \
                     40:):              CORD_ec_append(result, hex[((unsigned char)c)%0x10]); \
                     41:):      } else \
                     42:):              CORD_ec_append(result, c);
                     43:): #define to_char(c)  CORD_ec_append(result, c)
                     44:): #define to_string(s)  CORD_ec_append_cord(result, s)
1.4       paf        45: 
1.9       paf        46: inline bool need_file_encode(unsigned char c){
1.108     paf        47:        // russian letters and space ENABLED
                     48:        // encoding only these...
                     49:        return strchr(
                     50:                          "*?'\"<>|"
                     51: #ifndef WIN32
                     52:                          ":\\~"
1.31      paf        53: #endif
1.108     paf        54:                          , c)!=0;
1.9       paf        55: }
1.5       paf        56: inline bool need_uri_encode(unsigned char c){
1.13      paf        57:     if((c>='0') &&(c<='9') ||(c>='A') &&(c<='Z') ||(c>='a') &&(c<='z')) 
1.4       paf        58:                return false;
                     59: 
1.5       paf        60:     return !strchr("_-./", c);
                     61: }
1.36      paf        62: inline bool need_http_header_encode(unsigned char c){
1.18      paf        63:     if(strchr(" , :", c))
1.5       paf        64:                return false;
                     65: 
                     66:        return need_uri_encode(c);
1.4       paf        67: }
1.1       paf        68: 
1.56      parser     69: //
                     70: 
1.115.2.6  paf        71: static const char*  String_Untaint_lang_name[]={
1.56      parser     72:        "U", ///< zero value handy for hash lookup @see untaint_lang_name2enum
                     73:        "C", ///< clean
                     74:        "T",  ///< tainted, untaint language as assigned later 
                     75:        // untaint languages. assigned by ^untaint[lang]{...}
                     76:        "P",
                     77:                /**<
                     78:                        leave language built into string being appended.
                     79:                        just a flag, that value not stored
                     80:                */
                     81:        "A",     ///< leave all characters intact
1.68      parser     82:        "F", ///< file specification
                     83:        "H",    ///< ext in HTTP response header
1.56      parser     84:        "M",    ///< text in mail header
                     85:        "URI",       ///< text in uri
                     86:        "T",     ///< ^table:set body
                     87:        "SQL",       ///< ^table:sql body
                     88:        "JS",        ///< JavaScript code
1.68      parser     89:        "XML",          ///< ^dom:set xml
1.82      paf        90:        "HTML"      ///< HTML code (for editing)
1.56      parser     91: };
                     92: 
                     93: 
1.1       paf        94: // String
                     95: 
1.41      paf        96: /*
                     97: 
                     98: HTTP-header    = field-name ":" [ field-value ] CRLF
                     99: 
                    100:        field-name     = token
                    101:        field-value    = *( field-content | LWS )
                    102: 
                    103:        field-content  = <the OCTETs making up the field-value
                    104:                         and consisting of either *TEXT or combinations
                    105:                         of token, tspecials, and quoted-string>
                    106: 
                    107: 
                    108: 
                    109: word           = token | quoted-string
                    110: 
                    111: token          = 1*<any CHAR except CTLs or tspecials>
                    112: 
                    113: 
                    114: 
                    115: tspecials      = "(" | ")" | "<" | ">" | "@"
                    116:                       | "," | ";" | ":" | "\" | <">
                    117:                       | "/" | "[" | "]" | "?" | "="
                    118:                       | "{" | "}" | SP | HT
                    119: 
                    120: SP             = <US-ASCII SP, space (32)>
                    121: HT             = <US-ASCII HT, horizontal-tab (9)>
                    122: 
                    123: LWS            = [CRLF] 1*( SP | HT )
                    124: TEXT           = <any OCTET except CTLs,
                    125:                         but including LWS>
                    126: 
                    127: quoted-pair    = "\" CHAR
                    128: 
                    129:   if(strchr("()<>@,;:\\\"/[]?={} \t", *ptr))
                    130: */
1.115.2.6  paf       131: inline bool need_quote_http_header(const char* ptr, size_t size) {
1.41      paf       132:        for(; size--; ptr++)
1.42      paf       133:                if(strchr(";\\\"= \t" /* excluded ()<>@, :/ ? []{} */, *ptr))
1.41      paf       134:                        return true;
                    135:        return false;
                    136: }
                    137: 
1.115.2.12.2.  (paf      138:): 
1.91      paf       139: /** 
1.115.2.1  paf       140:        appends to other String,
1.91      paf       141:        marking all tainted pieces of it with @a lang.
1.92      paf       142:        or marking ALL pieces of it with a @a lang when @a forced to,
                    143:        and propagating OPTIMIZE language bit.
1.91      paf       144: */
1.115.2.12.2.  (paf      145:): String& String::append_to(String& dest, Untaint_lang lang, bool forced) const {
                    146:):      if(!*this)
1.115.2.1  paf       147:                return dest;
                    148: 
1.115.2.12.2.  (paf      149:):      // first: letters
                    150:):      dest.body=CORD_cat(dest.body, body);
1.91      paf       151: 
1.115.2.12.2.  (paf      152:):      // next: fragment infos
                    153:):      
                    154:):      if(lang==UL_PASS_APPENDED) // without language-chage string?
                    155:):              dest.fragments.append(fragments, 0, fragments.count());
                    156:):      else if(forced) //forcing passed lang?
                    157:):              dest.fragments+=Fragment(lang, size());
                    158:):      else if(lang&UL_OPTIMIZE_BIT) {
                    159:):              Array_iterator<ArrayFragment::element_type> i(fragments);
                    160:):              while(i.has_next()) {
                    161:):                      const Fragment& fragment=i.next();
                    162:):                      // main idea here:
                    163:):                      // tainted piece would get OPTIMIZED bit from 'lang'
                    164:):                      // clean piece would be marked OPTIMIZED manually
                    165:):                      // pieces with determined languages [not tainted|clean] would retain theirs langs
                    166:):                      dest.fragments+=Fragment(static_cast<Untaint_lang>(
                    167:):                              fragment.lang==UL_TAINTED?lang:(
                    168:):                                      fragment.lang==UL_CLEAN?UL_CLEAN|UL_OPTIMIZE_BIT: // ORing with OPTIMIZED flag
                    169:):                                              fragment.lang)),
                    170:):                              fragment.size);
                    171:):              }
                    172:):      } else { // The core idea: tainted pieces got marked with context's lang
                    173:):              Array_iterator<ArrayFragment::element_type> i(fragments);
                    174:):              while(i.has_next()) {
                    175:):                      const Fragment& fragment=i.next();
                    176:):                      dest.fragments+=Fragment(
                    177:):                              fragment.lang==UL_TAINTED?lang:fragment.lang,
                    178:):                              fragment.size);
                    179:):              }
                    180:):      }
1.115.2.1  paf       181: 
                    182:        return dest;
1.77      paf       183: }
                    184: 
1.109     paf       185: /** http://www.ietf.org/rfc/rfc2047.txt
                    186: RFC
                    187: (3) As a replacement for a 'word' entity within a 'phrase', for example,
                    188:     one that precedes an address in a From, To, or Cc header.  The ABNF
                    189:     definition for 'phrase' from RFC 822 thus becomes:
                    190: 
                    191:     phrase = 1*( encoded-word / word )
                    192: 
                    193:     In this case the set of characters that may be used in a "Q"-encoded
                    194:     'encoded-word' is restricted to: <upper and lower case ASCII
                    195:     letters, decimal digits, "!", "*", "+", "-", "/", "=", and "_"
                    196:     (underscore, ASCII 95.)>.  An 'encoded-word' that appears within a
                    197:     'phrase' MUST be separated from any adjacent 'word', 'text' or
                    198:     'special' by 'linear-white-space'.
                    199: ...
                    200:    (2) The 8-bit hexadecimal value 20 (e.g., ISO-8859-1 SPACE) may be
                    201:        represented as "_" (underscore, ASCII 95.).  (This character may
                    202:        not pass through some internetwork mail gateways, but its use
                    203:        will greatly enhance readability of "Q" encoded data with mail
                    204:        readers that do not support this encoding.)  Note that the "_"
                    205:        always represents hexadecimal 20, even if the SPACE character
                    206:        occupies a different code position in the character set in use.
                    207: 
                    208:        paf: obviously, 
                    209:                without "=", or one could not differ "=E0" and "russian letter a"
                    210:                and without "_", or in would mean 0x20
                    211: */
1.115.2.12.2.  (paf      212:): inline bool mail_header_char_valid_within_Qencoded(char c) {
1.109     paf       213:        return c>='A' && c<='Z'
                    214:                || c>='a' && c<='Z'
                    215:                || c>='0' && c<='9'
                    216:                || strchr("!*+-/", c);
                    217: }
1.115.2.12.2.  (paf      218:): inline void ec_append(CORD_ec result, CORD_pos& pos, size_t size) {
                    219:):      while(size--) {
                    220:):              CORD_ec_append(result, CORD_pos_fetch(pos));
                    221:):              CORD_next(pos);
                    222:):      }
                    223:): }
                    224:): CORD String::cstr_to_cord(Untaint_lang lang, 
                    225:):                SQL_Connection *connection,
                    226:):                const Request_charsets *charsets) const {
                    227:):      CORD_ec result; CORD_ec_init(result);
                    228:):      CORD_pos pos; CORD_set_pos(pos, body, 0);
                    229:): 
1.44      paf       230:        bool whitespace=true;
1.111     paf       231: 
1.115.2.12.2.  (paf      232:):      size_t fragment_start=0;
                    233:):      size_t fragment_end;
                    234:):      for(Array_iterator<Fragment> i(fragments); i.has_next(); fragment_start=fragment_end) {
                    235:):              const Fragment& fragment=i.next();
                    236:):              size_t fragment_size=fragment.size;
                    237:):              fragment_end=fragment_start+fragment_size;
1.77      paf       238: 
1.115.2.12.2.  (paf      239:):              Untaint_lang to_lang=lang==UL_UNSPECIFIED?fragment.lang:lang;
1.77      paf       240: 
                    241:                switch(to_lang & ~UL_OPTIMIZE_BIT) {
                    242:                case UL_CLEAN:
                    243:                case UL_TAINTED:
                    244:                case UL_AS_IS:
                    245:                        // clean piece
                    246: 
                    247:                        // tainted piece, but undefined untaint language
                    248:                        // for VString.as_double of tainted values
                    249:                        // for ^process{body} evaluation
                    250: 
                    251:                        // tainted, untaint language: as-is
1.115.2.12.2.  (paf      252:):                      ec_append(result, pos, fragment_size);
1.77      paf       253:                        break;
                    254:                case UL_FILE_SPEC:
                    255:                        // tainted, untaint language: file [name]
1.83      paf       256:                        escape(
1.113     paf       257:                                // Macintosh has problems with small Russian letter 'r'
1.115.2.12.2.  (paf      258:):                              if( c=='\xF0' && charsets && charsets->source().name()=="windows-1251" ) {
1.113     paf       259:                                        // fixing that letter for most common charset
1.115.2.2  paf       260:                                        to_char('p');
1.114     paf       261:                                } else // fallback to default
                    262:                                        encode(need_file_encode, '_'); 
1.83      paf       263:                        );
1.77      paf       264:                        break;
                    265:                case UL_URI:
                    266:                        // tainted, untaint language: uri
1.85      paf       267:                        {
1.115.2.12.2.  (paf      268:):                              const char *substr=
                    269:):                                      CORD_to_const_char_star(
                    270:):                                              CORD_substr(body, fragment_start, fragment_size));
                    271:):                              const void *client_ptr;
                    272:):                              size_t client_size;
                    273:):                              if(charsets) 
                    274:):                                      Charset::transcode(
                    275:):                                              charsets->source(), substr, fragment_size,
                    276:):                                              charsets->client(), client_ptr, client_size);
                    277:):                              else {
                    278:):                                      client_ptr=substr; 
                    279:):                                      client_size=fragment_size;
                    280:):                              }
                    281:): 
                    282:):                              char c;
                    283:):                              for(const char* src=(const char* )client_ptr; c=*src++; ) 
1.108     paf       284:                                        encode(need_uri_encode, '%');
1.85      paf       285:                        }
1.77      paf       286:                        break;
                    287:                case UL_HTTP_HEADER:
                    288:                        // tainted, untaint language: http-field-content-text
1.108     paf       289:                        escape(
                    290:                                encode(need_uri_encode, '%');
                    291:                        );
1.77      paf       292:                        break;
1.115.2.12.2.  (paf      293:): #ifdef LATER
1.77      paf       294:                case UL_MAIL_HEADER:
                    295:                        // tainted, untaint language: mail-header
1.105     paf       296:                        // http://www.ietf.org/rfc/rfc2047.txt
1.115.2.4  paf       297:                        if(charsets) {
1.115.2.12.2.  (paf      298:):                              const void *mail_ptr=fragment.ptr;
                    299:):                              size_t mail_size=fragment_size;
                    300:):                              const char* charset_name=charsets->mail().name()->cstr();
1.87      paf       301: 
1.77      paf       302:                                // Subject: Re: parser3: =?koi8-r?Q?=D3=C5=CD=C9=CE=C1=D2?=
1.115.2.6  paf       303:                                const char* src=(const char* )mail_ptr;
1.77      paf       304:                                bool to_quoted_printable=false;
1.105     paf       305: 
1.111     paf       306:                                bool email=false;
1.115.2.6  paf       307:                                for(const char* end=src+mail_size; src<end; src++) {
1.111     paf       308:                                        //RFC   + An 'encoded-word' MUST NOT appear in any portion of an 'addr-spec'.
1.115.2.12.2.  (paf      309:):                                      if(to_quoted_printable && (c==',' || c=='<')) {
                    310:):                                              email=c=='<';
1.105     paf       311:                                                dest+=sprintf(dest, "?=");
1.107     paf       312:                                                to_quoted_printable=false;
1.105     paf       313:                                        }
1.111     paf       314:                                        if(!email && (
1.115.2.12.2.  (paf      315:):                                              !to_quoted_printable && (c & 0x80)  // starting quote-printable-encoding on first 8bit char
                    316:):                                              || to_quoted_printable && !mail_header_char_valid_within_Qencoded(c)
1.105     paf       317:                                                )) {
1.77      paf       318:                                                if(!to_quoted_printable) {
1.115.2.7  paf       319:                                                        dest+=sprintf(dest, "=?%s?Q?", charset_name.get());
1.77      paf       320:                                                        to_quoted_printable=true;
                    321:                                                }
1.105     paf       322:                                                //RFC Upper case should be used for hexadecimal digits "A" through "F"
1.115.2.12.2.  (paf      323:):                                              if(c == 0x20) // RFC The 8-bit hexadecimal value 20 (e.g., ISO-8859-1 SPACE) 
1.109     paf       324:                                                        *dest++='_'; // RFC may be represented as "_" 
                    325:                                                else
1.115.2.12.2.  (paf      326:):                                                      dest+=sprintf(dest, "=%02X", c & 0xFF);
1.105     paf       327:                                        } else
1.115.2.12.2.  (paf      328:):                                              *dest++=c;
                    329:):                                      if(c=='>')
1.111     paf       330:                                                email=false;
1.44      paf       331:                                }
1.112     paf       332:                                if(to_quoted_printable) // close
1.77      paf       333:                                        dest+=sprintf(dest, "?=");
1.87      paf       334:                        
1.77      paf       335:                        } else {
1.115.2.12.2.  (paf      336:):                              memcpy(dest, fragment.ptr, fragment_size); 
                    337:):                              dest+=fragment_size;
1.1       paf       338:                        }
1.77      paf       339:                        break;
1.115.2.12.2.  (paf      340:): #endif
1.77      paf       341:                case UL_TABLE: 
                    342:                        // tainted, untaint language: table
1.115.2.12.2.  (paf      343:):                      escape(switch(c) {
1.77      paf       344:                                case '\t': to_char(' ');  break;
                    345:                                case '\n': to_char(' ');  break;
                    346:                                _default;
                    347:                        });
                    348:                        break;
1.115.2.12.2.  (paf      349:): #ifdef PA_SQL
1.77      paf       350:                case UL_SQL:
                    351:                        // tainted, untaint language: sql
1.115.2.12.2.  (paf      352:):                      if(connection) {
                    353:):                              dest+=connection->quote(0, 
                    354:):                                      CORD_substr(body, fragment_start, fragment_size), 
                    355:):                                      fragment_size);
                    356:): ...^^^
                    357:): 
                    358:):                              dest+=connection->quote(dest, fragment.ptr, fragment_size);
1.77      paf       359:                        else
1.115.2.12.2.  (paf      360:):                              throw Exception(0,
                    361:):                                      0,
1.77      paf       362:                                        "untaint in SQL language failed - no connection specified");
                    363:                        break;
1.115.2.12.2.  (paf      364:): #endif
1.77      paf       365:                case UL_JS:
1.115.2.12.2.  (paf      366:):                      escape(switch(c) {
                    367:):                              case '"': to_string("\\\"");  break;
                    368:):                              case '\'': to_string("\\'");  break;
                    369:):                              case '\n': to_string("\\n");  break;
                    370:):                              case '\\': to_string("\\\\");  break;
                    371:):                              case '\xFF': to_string("\\\xFF");  break;
1.77      paf       372:                                _default;
                    373:                        });
                    374:                        break;
                    375:                case UL_XML:
1.115.2.12.2.  (paf      376:):                      escape(switch(c) {
                    377:):                              case '&': to_string("&amp;");  break;
                    378:):                              case '>': to_string("&gt;");  break;
                    379:):                              case '<': to_string("&lt;");  break;
                    380:):                              case '"': to_string("&quot;");  break;
                    381:):                              case '\'': to_string("&apos;");  break;
1.77      paf       382:                                _default;
                    383:                        });
                    384:                        break;
                    385:                case UL_HTML:
1.115.2.12.2.  (paf      386:):                      escape(switch(c) {
                    387:):                              case '&': to_string("&amp;");  break;
                    388:):                              case '>': to_string("&gt;");  break;
                    389:):                              case '<': to_string("&lt;");  break;
                    390:):                              case '"': to_string("&quot;");  break;
1.77      paf       391:                                _default;
                    392:                        });
                    393:                        break;
                    394:                default:
1.115.2.12.2.  (paf      395:):                      throw Exception(0, 
                    396:):                              0, 
1.81      paf       397:                                "unknown untaint language #%d", 
1.110     paf       398:                                        static_cast<int>(to_lang)); // should never
1.77      paf       399:                        break; // never
1.76      paf       400:                }
1.115.2.12.2.  (paf      401:): #ifdef LATER
1.77      paf       402:                if(to_lang & UL_OPTIMIZE_BIT) { 
                    403:                        // optimizing whitespace
                    404:                        char *stop=dest;  dest=start;
1.115.2.12.2.  (paf      405:):                      for(char c=start; src<stop; src++)
                    406:):                              switch(c) {
1.77      paf       407:                                // of all consequent white space chars leaving only first one
1.80      paf       408:                                case ' ': case '\r': case '\n': case '\t':
1.77      paf       409:                                        if(!whitespace) {
1.115.2.12.2.  (paf      410:):                                              *dest++=c;
1.77      paf       411:                                                whitespace=true;
                    412:                                        }
                    413:                                        break;
                    414:                                default:
                    415:                                        whitespace=false;
1.115.2.12.2.  (paf      416:):                                      *dest++=c;
1.77      paf       417:                                        break;
                    418:                                };
                    419:                } else // piece without optimization
                    420:                        whitespace=false;
1.115.2.12.2.  (paf      421:): #endif
1.115.2.1  paf       422:        }
                    423: 
1.115.2.12.2.  (paf      424:):      return CORD_ec_to_cord(result);
1.1       paf       425: }

E-mail: