1 5e11c00c 2021-03-02 op /*
  2 5e11c00c 2021-03-02 op  * Copyright (c) 2021 Omar Polo <op@omarpolo.com>
  3 5e11c00c 2021-03-02 op  *
  4 5e11c00c 2021-03-02 op  * Permission to use, copy, modify, and distribute this software for any
  5 5e11c00c 2021-03-02 op  * purpose with or without fee is hereby granted, provided that the above
  6 5e11c00c 2021-03-02 op  * copyright notice and this permission notice appear in all copies.
  7 5e11c00c 2021-03-02 op  *
  8 5e11c00c 2021-03-02 op  * THE SOFTWARE IS PROVIDED "AS IS" AND THE AUTHOR DISCLAIMS ALL WARRANTIES
  9 5e11c00c 2021-03-02 op  * WITH REGARD TO THIS SOFTWARE INCLUDING ALL IMPLIED WARRANTIES OF
 10 5e11c00c 2021-03-02 op  * MERCHANTABILITY AND FITNESS. IN NO EVENT SHALL THE AUTHOR BE LIABLE FOR
 11 5e11c00c 2021-03-02 op  * ANY SPECIAL, DIRECT, INDIRECT, OR CONSEQUENTIAL DAMAGES OR ANY DAMAGES
 12 5e11c00c 2021-03-02 op  * WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS, WHETHER IN AN
 13 5e11c00c 2021-03-02 op  * ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS ACTION, ARISING OUT OF
 14 5e11c00c 2021-03-02 op  * OR IN CONNECTION WITH THE USE OR PERFORMANCE OF THIS SOFTWARE.
 15 5e11c00c 2021-03-02 op  */
 16 5e11c00c 2021-03-02 op 
 17 5e11c00c 2021-03-02 op /*
 18 5e11c00c 2021-03-02 op  * This is mostly copied from gmid' iri.c, with minor changes.  Bugs
 19 5e11c00c 2021-03-02 op  * fixed here should be ported to gmid and vice-versa.
 20 5e11c00c 2021-03-02 op  */
 21 5e11c00c 2021-03-02 op 
 22 5e11c00c 2021-03-02 op #include <config.h>
 23 5e11c00c 2021-03-02 op #include <url.h>
 24 5e11c00c 2021-03-02 op 
 25 5e11c00c 2021-03-02 op #include <ctype.h>
 26 5e11c00c 2021-03-02 op #include <stdint.h>
 27 5e11c00c 2021-03-02 op #include <stdio.h>
 28 5e11c00c 2021-03-02 op #include <string.h>
 29 5e11c00c 2021-03-02 op 
 30 5e11c00c 2021-03-02 op struct shallow_url {
 31 5e11c00c 2021-03-02 op 	char			*scheme;
 32 5e11c00c 2021-03-02 op 	char			*host;
 33 5e11c00c 2021-03-02 op 	char			*port;
 34 5e11c00c 2021-03-02 op 	uint16_t		 port_no;
 35 5e11c00c 2021-03-02 op 	char			*path;
 36 5e11c00c 2021-03-02 op 	char			*query;
 37 5e11c00c 2021-03-02 op 	char			*fragment;
 38 5e11c00c 2021-03-02 op };
 39 5e11c00c 2021-03-02 op 
 40 5e11c00c 2021-03-02 op struct parser {
 41 5e11c00c 2021-03-02 op 	char			 buf[GEMINI_URL_LEN+1];
 42 5e11c00c 2021-03-02 op 	char			*iri;
 43 5e11c00c 2021-03-02 op 	struct shallow_url	*parsed;
 44 5e11c00c 2021-03-02 op 	const char		*err;
 45 5e11c00c 2021-03-02 op };
 46 5e11c00c 2021-03-02 op 
 47 5e11c00c 2021-03-02 op static inline int
 48 5e11c00c 2021-03-02 op unreserved(int p)
 49 5e11c00c 2021-03-02 op {
 50 5e11c00c 2021-03-02 op 	return isalnum(p)
 51 5e11c00c 2021-03-02 op 		|| p == '-'
 52 5e11c00c 2021-03-02 op 		|| p == '.'
 53 5e11c00c 2021-03-02 op 		|| p == '_'
 54 5e11c00c 2021-03-02 op 		|| p == '~';
 55 5e11c00c 2021-03-02 op }
 56 5e11c00c 2021-03-02 op 
 57 5e11c00c 2021-03-02 op static inline int
 58 5e11c00c 2021-03-02 op sub_delimiters(int p)
 59 5e11c00c 2021-03-02 op {
 60 5e11c00c 2021-03-02 op 	return p == '!'
 61 5e11c00c 2021-03-02 op 		|| p == '$'
 62 5e11c00c 2021-03-02 op 		|| p == '&'
 63 5e11c00c 2021-03-02 op 		|| p == '\''
 64 5e11c00c 2021-03-02 op 		|| p == '('
 65 5e11c00c 2021-03-02 op 		|| p == ')'
 66 5e11c00c 2021-03-02 op 		|| p == '*'
 67 5e11c00c 2021-03-02 op 		|| p == '+'
 68 5e11c00c 2021-03-02 op 		|| p == ','
 69 5e11c00c 2021-03-02 op 		|| p == ';'
 70 5e11c00c 2021-03-02 op 		|| p == '=';
 71 5e11c00c 2021-03-02 op }
 72 5e11c00c 2021-03-02 op 
 73 5e11c00c 2021-03-02 op static int
 74 5e11c00c 2021-03-02 op valid_pct_enc_string(char *s)
 75 5e11c00c 2021-03-02 op {
 76 5e11c00c 2021-03-02 op 	if (*s != '%')
 77 5e11c00c 2021-03-02 op 		return 1;
 78 5e11c00c 2021-03-02 op 
 79 5e11c00c 2021-03-02 op 	if (!isxdigit(s[1]) || !isxdigit(s[2]))
 80 5e11c00c 2021-03-02 op 		return 0;
 81 5e11c00c 2021-03-02 op 
 82 5e11c00c 2021-03-02 op 	if (s[1] == '0' && s[2] == '0')
 83 5e11c00c 2021-03-02 op 		return 0;
 84 5e11c00c 2021-03-02 op 
 85 5e11c00c 2021-03-02 op 	return 1;
 86 5e11c00c 2021-03-02 op }
 87 5e11c00c 2021-03-02 op 
 88 5e11c00c 2021-03-02 op static int
 89 5e11c00c 2021-03-02 op valid_pct_encoded(struct parser *p)
 90 5e11c00c 2021-03-02 op {
 91 5e11c00c 2021-03-02 op 	if (p->iri[0] != '%')
 92 5e11c00c 2021-03-02 op 		return 0;
 93 5e11c00c 2021-03-02 op 
 94 5e11c00c 2021-03-02 op 	if (!valid_pct_enc_string(p->iri)) {
 95 5e11c00c 2021-03-02 op 		p->err = "illegal percent-encoding";
 96 5e11c00c 2021-03-02 op 		return 0;
 97 5e11c00c 2021-03-02 op 	}
 98 5e11c00c 2021-03-02 op 
 99 5e11c00c 2021-03-02 op 	p->iri += 2;
100 5e11c00c 2021-03-02 op 	return 1;
101 5e11c00c 2021-03-02 op }
102 5e11c00c 2021-03-02 op 
103 5e11c00c 2021-03-02 op static void
104 5e11c00c 2021-03-02 op pct_decode(char *s)
105 5e11c00c 2021-03-02 op {
106 5e11c00c 2021-03-02 op 	sscanf(s+1, "%2hhx", s);
107 5e11c00c 2021-03-02 op 	memmove(s+1, s+3, strlen(s+3)+1);
108 5e11c00c 2021-03-02 op }
109 5e11c00c 2021-03-02 op 
110 5e11c00c 2021-03-02 op static int
111 5e11c00c 2021-03-02 op parse_pct_encoded(struct parser *p)
112 5e11c00c 2021-03-02 op {
113 5e11c00c 2021-03-02 op 	if (p->iri[0] != '%')
114 5e11c00c 2021-03-02 op 		return 0;
115 5e11c00c 2021-03-02 op 
116 5e11c00c 2021-03-02 op 	if (!valid_pct_enc_string(p->iri)) {
117 5e11c00c 2021-03-02 op 		p->err = "illegal percent-encoding";
118 5e11c00c 2021-03-02 op 		return 0;
119 5e11c00c 2021-03-02 op 	}
120 5e11c00c 2021-03-02 op 
121 5e11c00c 2021-03-02 op 	pct_decode(p->iri);
122 5e11c00c 2021-03-02 op 	if (*p->iri == '\0') {
123 5e11c00c 2021-03-02 op 		p->err = "illegal percent-encoding";
124 5e11c00c 2021-03-02 op 		return 0;
125 5e11c00c 2021-03-02 op 	}
126 5e11c00c 2021-03-02 op 
127 5e11c00c 2021-03-02 op 	return 1;
128 5e11c00c 2021-03-02 op }
129 5e11c00c 2021-03-02 op 
130 ba714ce3 2021-04-01 op /*
131 ba714ce3 2021-04-01 op  * ALPHA *( ALPHA / DIGIT / "+" / "-" / "." ) "://"
132 ba714ce3 2021-04-01 op  * or
133 ba714ce3 2021-04-01 op  * "//"
134 ba714ce3 2021-04-01 op  */
135 5e11c00c 2021-03-02 op static int
136 5e11c00c 2021-03-02 op parse_scheme(struct parser *p)
137 5e11c00c 2021-03-02 op {
138 5e11c00c 2021-03-02 op 	p->parsed->scheme = p->iri;
139 ba714ce3 2021-04-01 op 
140 ba714ce3 2021-04-01 op 	if (p->iri[0] == '/' && p->iri[1] == '/') {
141 ba714ce3 2021-04-01 op 		*p->iri = '\0';
142 ba714ce3 2021-04-01 op 		p->iri += 2;
143 ba714ce3 2021-04-01 op 		return 1;
144 ba714ce3 2021-04-01 op 	}
145 5e11c00c 2021-03-02 op 
146 5e11c00c 2021-03-02 op 	if (!isalpha(*p->iri)) {
147 5e11c00c 2021-03-02 op 		p->err = "illegal character in scheme";
148 5e11c00c 2021-03-02 op 		return 0;
149 5e11c00c 2021-03-02 op 	}
150 5e11c00c 2021-03-02 op 
151 5e11c00c 2021-03-02 op 	do {
152 5e11c00c 2021-03-02 op 		/* normalize the scheme (i.e. lowercase it)
153 5e11c00c 2021-03-02 op 		 *
154 5e11c00c 2021-03-02 op 		 * XXX: since we cannot have good things, tolower
155 5e11c00c 2021-03-02 op 		 * behaviour depends on the LC_CTYPE locale.  The good
156 5e11c00c 2021-03-02 op 		 * news is that we're sure p->iri points to something
157 5e11c00c 2021-03-02 op 		 * that's in the ASCII range, so tolower can't
158 5e11c00c 2021-03-02 op 		 * mis-behave on some systems due to the locale. */
159 5e11c00c 2021-03-02 op 		*p->iri = tolower(*p->iri);
160 5e11c00c 2021-03-02 op 		p->iri++;
161 5e11c00c 2021-03-02 op 	} while (isalnum(*p->iri)
162 5e11c00c 2021-03-02 op 	    || *p->iri == '+'
163 5e11c00c 2021-03-02 op 	    || *p->iri == '-'
164 5e11c00c 2021-03-02 op 	    || *p->iri == '.');
165 5e11c00c 2021-03-02 op 
166 5e11c00c 2021-03-02 op 	if (*p->iri != ':') {
167 5e11c00c 2021-03-02 op 		p->err = "illegal character in scheme";
168 5e11c00c 2021-03-02 op 		return 0;
169 5e11c00c 2021-03-02 op 	}
170 5e11c00c 2021-03-02 op 
171 5e11c00c 2021-03-02 op 	*p->iri = '\0';
172 5e11c00c 2021-03-02 op 	if (p->iri[1] != '/' || p->iri[2] != '/') {
173 5e11c00c 2021-03-02 op 		p->err = "invalid marker after scheme";
174 5e11c00c 2021-03-02 op 		return 0;
175 5e11c00c 2021-03-02 op 	}
176 5e11c00c 2021-03-02 op 
177 5e11c00c 2021-03-02 op 	p->iri += 3;
178 5e11c00c 2021-03-02 op 	return 1;
179 5e11c00c 2021-03-02 op }
180 5e11c00c 2021-03-02 op 
181 5e11c00c 2021-03-02 op /* *DIGIT */
182 5e11c00c 2021-03-02 op static int
183 5e11c00c 2021-03-02 op parse_port(struct parser *p)
184 5e11c00c 2021-03-02 op {
185 5e11c00c 2021-03-02 op 	uint32_t i = 0;
186 5e11c00c 2021-03-02 op 
187 5e11c00c 2021-03-02 op 	p->parsed->port = p->iri;
188 5e11c00c 2021-03-02 op 
189 5e11c00c 2021-03-02 op 	for (; isdigit(*p->iri); p->iri++) {
190 5e11c00c 2021-03-02 op 		i = i * 10 + *p->iri - '0';
191 5e11c00c 2021-03-02 op 		if (i > UINT16_MAX) {
192 5e11c00c 2021-03-02 op 			p->err = "port number too large";
193 5e11c00c 2021-03-02 op 			return 0;
194 5e11c00c 2021-03-02 op 		}
195 5e11c00c 2021-03-02 op 	}
196 5e11c00c 2021-03-02 op 
197 5e11c00c 2021-03-02 op 	if (*p->iri != '/' && *p->iri != '\0') {
198 5e11c00c 2021-03-02 op 		p->err = "illegal character in port number";
199 5e11c00c 2021-03-02 op 		return 0;
200 5e11c00c 2021-03-02 op 	}
201 5e11c00c 2021-03-02 op 
202 5e11c00c 2021-03-02 op 	p->parsed->port_no = i;
203 5e11c00c 2021-03-02 op 
204 5e11c00c 2021-03-02 op 	if (*p->iri != '\0') {
205 5e11c00c 2021-03-02 op 		*p->iri = '\0';
206 5e11c00c 2021-03-02 op 		p->iri++;
207 5e11c00c 2021-03-02 op 	}
208 5e11c00c 2021-03-02 op 
209 5e11c00c 2021-03-02 op 	return 1;
210 5e11c00c 2021-03-02 op }
211 5e11c00c 2021-03-02 op 
212 5e11c00c 2021-03-02 op /* TODO: add support for ip-literal and ipv4addr ? */
213 5e11c00c 2021-03-02 op /* *( unreserved / sub-delims / pct-encoded ) */
214 5e11c00c 2021-03-02 op static int
215 5e11c00c 2021-03-02 op parse_authority(struct parser *p)
216 5e11c00c 2021-03-02 op {
217 5e11c00c 2021-03-02 op 	p->parsed->host = p->iri;
218 5e11c00c 2021-03-02 op 
219 5e11c00c 2021-03-02 op 	while (unreserved(*p->iri)
220 5e11c00c 2021-03-02 op 	    || sub_delimiters(*p->iri)
221 5e11c00c 2021-03-02 op 	    || parse_pct_encoded(p)) {
222 5e11c00c 2021-03-02 op 		/* normalize the host name. */
223 5e11c00c 2021-03-02 op 		if (*p->iri < 0x7F)
224 5e11c00c 2021-03-02 op 			*p->iri = tolower(*p->iri);
225 5e11c00c 2021-03-02 op 		p->iri++;
226 5e11c00c 2021-03-02 op 	}
227 5e11c00c 2021-03-02 op 
228 5e11c00c 2021-03-02 op 	if (p->err != NULL)
229 5e11c00c 2021-03-02 op 		return 0;
230 5e11c00c 2021-03-02 op 
231 5e11c00c 2021-03-02 op 	if (*p->iri == ':') {
232 5e11c00c 2021-03-02 op 		*p->iri = '\0';
233 5e11c00c 2021-03-02 op 		p->iri++;
234 5e11c00c 2021-03-02 op 		return parse_port(p);
235 5e11c00c 2021-03-02 op 	} else
236 5e11c00c 2021-03-02 op 		p->parsed->port_no = 1965;
237 5e11c00c 2021-03-02 op 
238 5e11c00c 2021-03-02 op 	if (*p->iri == '/') {
239 5e11c00c 2021-03-02 op 		*p->iri = '\0';
240 5e11c00c 2021-03-02 op 		p->iri++;
241 5e11c00c 2021-03-02 op 		return 1;
242 5e11c00c 2021-03-02 op 	}
243 5e11c00c 2021-03-02 op 
244 5e11c00c 2021-03-02 op 	if (*p->iri == '\0')
245 5e11c00c 2021-03-02 op 		return 1;
246 5e11c00c 2021-03-02 op 
247 5e11c00c 2021-03-02 op 	p->err = "illegal character in authority section";
248 5e11c00c 2021-03-02 op 	return 0;
249 5e11c00c 2021-03-02 op }
250 5e11c00c 2021-03-02 op 
251 5e11c00c 2021-03-02 op /* Routine for path_clean.  Elide the pointed .. with the preceding
252 5e11c00c 2021-03-02 op  * element.  Return 0 if it's not possible.  incr is the length of
253 5e11c00c 2021-03-02 op  * the increment, 3 for ../ and 2 for .. */
254 5e11c00c 2021-03-02 op static int
255 5e11c00c 2021-03-02 op path_elide_dotdot(char *path, char *i, int incr)
256 5e11c00c 2021-03-02 op {
257 5e11c00c 2021-03-02 op 	char *j;
258 5e11c00c 2021-03-02 op 
259 5e11c00c 2021-03-02 op 	if (i == path)
260 5e11c00c 2021-03-02 op 		return 0;
261 5e11c00c 2021-03-02 op 	for (j = i-2; j != path && *j != '/'; j--)
262 5e11c00c 2021-03-02 op                 /* noop */ ;
263 5e11c00c 2021-03-02 op 	if (*j == '/')
264 5e11c00c 2021-03-02 op 		j++;
265 5e11c00c 2021-03-02 op 	i += incr;
266 5e11c00c 2021-03-02 op 	memmove(j, i, strlen(i)+1);
267 5e11c00c 2021-03-02 op 	return 1;
268 5e11c00c 2021-03-02 op }
269 5e11c00c 2021-03-02 op 
270 5e11c00c 2021-03-02 op /*
271 5e11c00c 2021-03-02 op  * Use an algorithm similar to the one implemented in go' path.Clean:
272 5e11c00c 2021-03-02 op  *
273 5e11c00c 2021-03-02 op  * 1. Replace multiple slashes with a single slash
274 5e11c00c 2021-03-02 op  * 2. Eliminate each . path name element
275 5e11c00c 2021-03-02 op  * 3. Eliminate each inner .. along with the non-.. element that precedes it
276 5e11c00c 2021-03-02 op  * 4. Eliminate trailing .. if possible or error (go would only discard)
277 5e11c00c 2021-03-02 op  *
278 5e11c00c 2021-03-02 op  * Unlike path.Clean, this function return the empty string if the
279 5e11c00c 2021-03-02 op  * original path is equivalent to "/".
280 5e11c00c 2021-03-02 op  */
281 5e11c00c 2021-03-02 op static int
282 5e11c00c 2021-03-02 op path_clean(char *path)
283 5e11c00c 2021-03-02 op {
284 5e11c00c 2021-03-02 op 	char *i;
285 5e11c00c 2021-03-02 op 
286 5e11c00c 2021-03-02 op 	/* 1. replace multiple slashes with a single one */
287 5e11c00c 2021-03-02 op 	for (i = path; *i; ++i) {
288 5e11c00c 2021-03-02 op 		if (*i == '/' && *(i+1) == '/') {
289 5e11c00c 2021-03-02 op 			memmove(i, i+1, strlen(i)); /* move also the \0 */
290 5e11c00c 2021-03-02 op 			i--;
291 5e11c00c 2021-03-02 op 		}
292 5e11c00c 2021-03-02 op 	}
293 5e11c00c 2021-03-02 op 
294 5e11c00c 2021-03-02 op 	/* 2. eliminate each . path name element */
295 5e11c00c 2021-03-02 op 	for (i = path; *i; ++i) {
296 5e11c00c 2021-03-02 op 		if ((i == path || *i == '/') &&
297 5e11c00c 2021-03-02 op 		    *i != '.' && i[1] == '.' && i[2] == '/') {
298 5e11c00c 2021-03-02 op 			/* move also the \0 */
299 5e11c00c 2021-03-02 op 			memmove(i, i+2, strlen(i)-1);
300 5e11c00c 2021-03-02 op 			i--;
301 5e11c00c 2021-03-02 op 		}
302 5e11c00c 2021-03-02 op 	}
303 5e11c00c 2021-03-02 op 	if (!strcmp(path, ".") || !strcmp(path, "/.")) {
304 5e11c00c 2021-03-02 op 		*path = '\0';
305 5e11c00c 2021-03-02 op 		return 1;
306 5e11c00c 2021-03-02 op 	}
307 5e11c00c 2021-03-02 op 
308 5e11c00c 2021-03-02 op 	/* 3. eliminate each inner .. along with the preceding non-.. */
309 5e11c00c 2021-03-02 op 	for (i = strstr(path, "../"); i != NULL; i = strstr(path, ".."))
310 5e11c00c 2021-03-02 op 		if (!path_elide_dotdot(path, i, 3))
311 5e11c00c 2021-03-02 op 			return 0;
312 5e11c00c 2021-03-02 op 
313 5e11c00c 2021-03-02 op 	/* 4. eliminate trailing ..*/
314 5e11c00c 2021-03-02 op 	if ((i = strstr(path, "..")) != NULL)
315 5e11c00c 2021-03-02 op 		if (!path_elide_dotdot(path, i, 2))
316 5e11c00c 2021-03-02 op 			return 0;
317 5e11c00c 2021-03-02 op 
318 5e11c00c 2021-03-02 op 	return 1;
319 5e11c00c 2021-03-02 op }
320 5e11c00c 2021-03-02 op 
321 5e11c00c 2021-03-02 op static int
322 5e11c00c 2021-03-02 op parse_query(struct parser *p)
323 5e11c00c 2021-03-02 op {
324 5e11c00c 2021-03-02 op 	p->parsed->query = p->iri;
325 5e11c00c 2021-03-02 op 	if (*p->iri == '\0')
326 5e11c00c 2021-03-02 op 		return 1;
327 5e11c00c 2021-03-02 op 
328 5e11c00c 2021-03-02 op 	while (unreserved(*p->iri)
329 5e11c00c 2021-03-02 op 	    || sub_delimiters(*p->iri)
330 5e11c00c 2021-03-02 op 	    || *p->iri == '/'
331 5e11c00c 2021-03-02 op 	    || *p->iri == '?'
332 5e11c00c 2021-03-02 op 	    || *p->iri == ':'
333 5e11c00c 2021-03-02 op 	    || *p->iri == '@'
334 5e11c00c 2021-03-02 op 	    || valid_pct_encoded(p))
335 5e11c00c 2021-03-02 op 		p->iri++;
336 5e11c00c 2021-03-02 op 
337 5e11c00c 2021-03-02 op 	if (p->err != NULL)
338 5e11c00c 2021-03-02 op 		return 0;
339 5e11c00c 2021-03-02 op 
340 5e11c00c 2021-03-02 op 	if (*p->iri != '\0' && *p->iri != '#') {
341 5e11c00c 2021-03-02 op 		p->err = "illegal character in query";
342 5e11c00c 2021-03-02 op 		return 0;
343 5e11c00c 2021-03-02 op 	}
344 5e11c00c 2021-03-02 op 
345 5e11c00c 2021-03-02 op 	if (*p->iri != '\0') {
346 5e11c00c 2021-03-02 op 		*p->iri = '\0';
347 5e11c00c 2021-03-02 op 		p->iri++;
348 5e11c00c 2021-03-02 op 	}
349 5e11c00c 2021-03-02 op 
350 5e11c00c 2021-03-02 op 	return 1;
351 5e11c00c 2021-03-02 op }
352 5e11c00c 2021-03-02 op 
353 5e11c00c 2021-03-02 op /* don't even bother */
354 5e11c00c 2021-03-02 op static int
355 5e11c00c 2021-03-02 op parse_fragment(struct parser *p)
356 5e11c00c 2021-03-02 op {
357 5e11c00c 2021-03-02 op 	p->parsed->fragment = p->iri;
358 5e11c00c 2021-03-02 op 	return 1;
359 5e11c00c 2021-03-02 op }
360 5e11c00c 2021-03-02 op 
361 5e11c00c 2021-03-02 op /* XXX: is it too broad? */
362 5e11c00c 2021-03-02 op /* *(pchar / "/") */
363 5e11c00c 2021-03-02 op static int
364 5e11c00c 2021-03-02 op parse_path(struct parser *p)
365 5e11c00c 2021-03-02 op {
366 5e11c00c 2021-03-02 op 	char c;
367 5e11c00c 2021-03-02 op 
368 5e11c00c 2021-03-02 op 	/* trim initial slashes */
369 5e11c00c 2021-03-02 op 	while (*p->iri == '/')
370 5e11c00c 2021-03-02 op 		p->iri++;
371 5e11c00c 2021-03-02 op 
372 5e11c00c 2021-03-02 op 	p->parsed->path = p->iri;
373 5e11c00c 2021-03-02 op 	if (*p->iri == '\0') {
374 5e11c00c 2021-03-02 op 		p->parsed->query = p->parsed->fragment = p->iri;
375 5e11c00c 2021-03-02 op 		return 1;
376 5e11c00c 2021-03-02 op 	}
377 5e11c00c 2021-03-02 op 
378 5e11c00c 2021-03-02 op 	while (unreserved(*p->iri)
379 5e11c00c 2021-03-02 op 	    || sub_delimiters(*p->iri)
380 5e11c00c 2021-03-02 op 	    || *p->iri == '/'
381 5e11c00c 2021-03-02 op 	    || parse_pct_encoded(p))
382 5e11c00c 2021-03-02 op 		p->iri++;
383 5e11c00c 2021-03-02 op 
384 5e11c00c 2021-03-02 op 	if (p->err != NULL)
385 5e11c00c 2021-03-02 op 		return 0;
386 5e11c00c 2021-03-02 op 
387 5e11c00c 2021-03-02 op 	if (*p->iri != '\0' && *p->iri != '?' && *p->iri != '#') {
388 5e11c00c 2021-03-02 op 		p->err = "illegal character in path";
389 5e11c00c 2021-03-02 op 		return 0;
390 5e11c00c 2021-03-02 op 	}
391 5e11c00c 2021-03-02 op 
392 5e11c00c 2021-03-02 op 	if (*p->iri != '\0') {
393 5e11c00c 2021-03-02 op 		c = *p->iri;
394 5e11c00c 2021-03-02 op 		*p->iri = '\0';
395 5e11c00c 2021-03-02 op 		p->iri++;
396 5e11c00c 2021-03-02 op 
397 5e11c00c 2021-03-02 op 		if (c == '#') {
398 5e11c00c 2021-03-02 op 			if (!parse_fragment(p))
399 5e11c00c 2021-03-02 op 				return 0;
400 5e11c00c 2021-03-02 op 		} else
401 5e11c00c 2021-03-02 op 			if (!parse_query(p) || !parse_fragment(p))
402 5e11c00c 2021-03-02 op 				return 0;
403 5e11c00c 2021-03-02 op 	}
404 5e11c00c 2021-03-02 op 
405 5e11c00c 2021-03-02 op 	if (!path_clean(p->parsed->path)) {
406 5e11c00c 2021-03-02 op 		p->err = "illegal path";
407 5e11c00c 2021-03-02 op 		return 0;
408 5e11c00c 2021-03-02 op 	}
409 5e11c00c 2021-03-02 op 
410 5e11c00c 2021-03-02 op 	return 1;
411 5e11c00c 2021-03-02 op }
412 5e11c00c 2021-03-02 op 
413 5e11c00c 2021-03-02 op int
414 5e11c00c 2021-03-02 op url_parse(const char *data, struct url *url, const char **err)
415 5e11c00c 2021-03-02 op {
416 5e11c00c 2021-03-02 op 	struct shallow_url	u;
417 5e11c00c 2021-03-02 op 	struct parser		p;
418 5e11c00c 2021-03-02 op 
419 5e11c00c 2021-03-02 op 	memset(url, 0, sizeof(*url));
420 5e11c00c 2021-03-02 op 	memset(&p, 0, sizeof(p));
421 5e11c00c 2021-03-02 op 	memset(&u, 0, sizeof(u));
422 5e11c00c 2021-03-02 op 
423 5e11c00c 2021-03-02 op 	strlcpy(p.buf, data, sizeof(p.buf));
424 5e11c00c 2021-03-02 op 	p.iri = p.buf;
425 5e11c00c 2021-03-02 op 	p.parsed = &u;
426 5e11c00c 2021-03-02 op 
427 5e11c00c 2021-03-02 op 	if (!parse_scheme(&p) || !parse_authority(&p) || !parse_path(&p)) {
428 5e11c00c 2021-03-02 op 		*err = p.err;
429 5e11c00c 2021-03-02 op 		return 0;
430 5e11c00c 2021-03-02 op 	}
431 5e11c00c 2021-03-02 op 
432 ba714ce3 2021-04-01 op 	/* XXX: hack around our not complete compliance with RFC 3986 */
433 ba714ce3 2021-04-01 op 	/* if (u.scheme != NULL) */
434 ba714ce3 2021-04-01 op 		strlcpy(url->scheme, "gemini", sizeof(url->scheme));
435 ba714ce3 2021-04-01 op 
436 5e11c00c 2021-03-02 op 	if (u.host != NULL)
437 5e11c00c 2021-03-02 op 		strlcpy(url->host, u.host, sizeof(url->host));
438 5e11c00c 2021-03-02 op 	if (u.port != NULL)
439 5e11c00c 2021-03-02 op 		strlcpy(url->port, u.port, sizeof(url->port));
440 5e11c00c 2021-03-02 op 	if (u.path != NULL)
441 5e11c00c 2021-03-02 op 		strlcpy(url->path, u.path, sizeof(url->path));
442 5e11c00c 2021-03-02 op 	if (u.query != NULL)
443 5e11c00c 2021-03-02 op 		strlcpy(url->query, u.query, sizeof(url->query));
444 5e11c00c 2021-03-02 op 	if (u.fragment != NULL)
445 5e11c00c 2021-03-02 op 		strlcpy(url->fragment, u.fragment, sizeof(url->fragment));
446 15dc7d08 2021-03-09 op 
447 15dc7d08 2021-03-09 op 	return 1;
448 15dc7d08 2021-03-09 op }
449 15dc7d08 2021-03-09 op 
450 15dc7d08 2021-03-09 op int
451 15dc7d08 2021-03-09 op url_resolve_from(struct url *url, const char *str, const char **err)
452 15dc7d08 2021-03-09 op {
453 15dc7d08 2021-03-09 op 	char *marker, *query, *hash, *i;
454 15dc7d08 2021-03-09 op 
455 ba714ce3 2021-04-01 op 	marker = strstr(str, "//");
456 15dc7d08 2021-03-09 op 	query = strchr(str, '?');
457 15dc7d08 2021-03-09 op 	hash = strchr(str, '#');
458 15dc7d08 2021-03-09 op 
459 15dc7d08 2021-03-09 op 	/* full URL */
460 15dc7d08 2021-03-09 op 	if (marker != NULL
461 15dc7d08 2021-03-09 op 	    && (query == NULL || marker < query)
462 15dc7d08 2021-03-09 op 	    && (hash == NULL || marker < hash))
463 15dc7d08 2021-03-09 op 		return url_parse(str, url, err);
464 15dc7d08 2021-03-09 op 
465 15dc7d08 2021-03-09 op 	/* TODO: reuse more of the above */
466 15dc7d08 2021-03-09 op 
467 15dc7d08 2021-03-09 op 	/* absolute url */
468 15dc7d08 2021-03-09 op 	if (*str == '/') {
469 15dc7d08 2021-03-09 op 		strlcpy(url->path, str, sizeof(url->path));
470 15dc7d08 2021-03-09 op 
471 401ec784 2021-03-12 op 		if ((hash = strchr(url->path, '#')) != NULL) {
472 15dc7d08 2021-03-09 op 			*hash = '\0';
473 15dc7d08 2021-03-09 op 			hash++;
474 15dc7d08 2021-03-09 op 			strlcpy(url->fragment, hash,
475 15dc7d08 2021-03-09 op 			    sizeof(url->fragment));
476 15dc7d08 2021-03-09 op 		}
477 5e11c00c 2021-03-02 op 
478 15dc7d08 2021-03-09 op 		if ((query = strchr(url->path, '?')) != NULL) {
479 15dc7d08 2021-03-09 op 			*query = '\0';
480 15dc7d08 2021-03-09 op 			query++;
481 15dc7d08 2021-03-09 op 			strlcpy(url->query, query,
482 15dc7d08 2021-03-09 op 			    sizeof(url->query));
483 15dc7d08 2021-03-09 op 		}
484 15dc7d08 2021-03-09 op 		return 1;
485 15dc7d08 2021-03-09 op 	}
486 15dc7d08 2021-03-09 op 
487 15dc7d08 2021-03-09 op 	/* local url */
488 15dc7d08 2021-03-09 op 	for (i = strchr(url->path, '\0'); i >= url->path; --i) {
489 15dc7d08 2021-03-09 op 		if (*i == '/')
490 15dc7d08 2021-03-09 op 			break;
491 15dc7d08 2021-03-09 op 	}
492 15dc7d08 2021-03-09 op 
493 ba20be69 2021-03-12 op 	if (*i == '/')
494 ba20be69 2021-03-12 op 		i++;
495 15dc7d08 2021-03-09 op 	*i = '\0';
496 ba20be69 2021-03-12 op 
497 15dc7d08 2021-03-09 op 	strlcat(url->path, str, sizeof(url->path));
498 5cd2ebb1 2021-03-11 op 	return 1;
499 5cd2ebb1 2021-03-11 op }
500 5cd2ebb1 2021-03-11 op 
501 5cd2ebb1 2021-03-11 op int
502 5cd2ebb1 2021-03-11 op url_set_query(struct url *url, const char *query)
503 5cd2ebb1 2021-03-11 op {
504 5cd2ebb1 2021-03-11 op 	/* TODO: pct-encode! */
505 5cd2ebb1 2021-03-11 op 	memcpy(&url->query, query, strlen(query)+1);
506 5e11c00c 2021-03-02 op 	return 1;
507 4d3785b1 2021-03-09 op }
508 4d3785b1 2021-03-09 op 
509 4d3785b1 2021-03-09 op void
510 4d3785b1 2021-03-09 op url_unparse(struct url *url, char *buf, size_t len)
511 4d3785b1 2021-03-09 op {
512 4d3785b1 2021-03-09 op 	strlcpy(buf, url->scheme, len);
513 4d3785b1 2021-03-09 op 	strlcat(buf, "://", len);
514 4d3785b1 2021-03-09 op 	strlcat(buf, url->host, len);
515 4d3785b1 2021-03-09 op 
516 4d3785b1 2021-03-09 op 	if (*url->path == '\0' && *url->query == '\0')
517 4d3785b1 2021-03-09 op 		return;
518 4d3785b1 2021-03-09 op 
519 4d3785b1 2021-03-09 op 	strlcat(buf, "/", len);
520 4d3785b1 2021-03-09 op 
521 4d3785b1 2021-03-09 op 	if (*url->path != '\0')
522 4d3785b1 2021-03-09 op 		strlcat(buf, url->path, len);
523 5cd2ebb1 2021-03-11 op 	if (*url->query != '\0') {
524 4d3785b1 2021-03-09 op 		strlcat(buf, "?", len);
525 4d3785b1 2021-03-09 op 		strlcat(buf, url->query, len);
526 4d3785b1 2021-03-09 op 	}
527 5e11c00c 2021-03-02 op }