spam/spam_pickup.php

   1 <?php
   2 // $Id: spam_pickup.php,v 1.66 2009/01/02 09:30:50 henoheno Exp $
   3 // Copyright (C) 2006-2007 PukiWiki Developers Team
   4 // License: GPL v2 or (at your option) any later version
   5 //
   6 // Functions for Concept-work of spam-uri metrics
   7 //
   8
   9 // ---------------------
  10 // URI pickup
  11
  12 // Return an array of URIs in the $string
  13 // [OK] http://nasty.example.org#nasty_string
  14 // [OK] http://nasty.example.org:80/foo/xxx#nasty_string/bar
  15 // [OK] ftp://nasty.example.org:80/dfsdfs
  16 // [OK] ftp://cnn.example.com&story=breaking_news@10.0.0.1/top_story.htm (from RFC3986)
  17 function uri_pickup($string = '')
  18 {
  19         if (! is_string($string)) return array();
  20
  21         // Not available for: IDN(ignored)
  22         $array = array();
  23         preg_match_all(
  24                 // scheme://userinfo@host:port/path/or/pathinfo/maybefile.and?query=string#fragment
  25                 // Refer RFC3986 (Regex below is not strict)
  26                 '#(\b[a-z][a-z0-9.+-]{1,8}):[/\\\]+' .          // 1: Scheme
  27                 '(?:' .
  28                         '([^\s<>"\'\[\]/\#?@]*)' .              // 2: Userinfo (Username)
  29                 '@)?' .
  30                 '(' .
  31                         // 3: Host
  32                         '\[[0-9a-f:.]+\]' . '|' .                               // IPv6([colon-hex and dot]): RFC2732
  33                         '(?:[0-9]{1,3}\.){3}[0-9]{1,3}' . '|' . // IPv4(dot-decimal): 001.22.3.44
  34                         '[a-z0-9_-][a-z0-9_.-]+[a-z0-9_-]' .    // hostname(FQDN) : foo.example.org
  35                 ')' .
  36                 '(?::([0-9]*))?' .                                      // 4: Port
  37                 '((?:/+[^\s<>"\'\[\]/\#]+)*/+)?' .      // 5: Directory path
  38                 '([^\s<>"\'\[\]\#?]+)?' .                       // 6: File?
  39                 '(?:\?([^\s<>"\'\[\]\#]+))?' .          // 7: Query string
  40                 '(?:\#([a-z0-9._~%!$&\'()*+,;=:@-]*))?' .       // 8: Fragment
  41                 '#i',
  42                  $string, $array, PREG_SET_ORDER | PREG_OFFSET_CAPTURE
  43         );
  44
  45         // Reformat the $array
  46         static $parts = array(
  47                 1 => 'scheme', 2 => 'userinfo', 3 => 'host', 4 => 'port',
  48                 5 => 'path', 6 => 'file', 7 => 'query', 8 => 'fragment'
  49         );
  50         $default = array(0 => '', 1 => -1);
  51         foreach(array_keys($array) as $uri) {
  52                 $_uri = & $array[$uri];
  53                 array_rename_keys($_uri, $parts, TRUE, $default);
  54                 $offset = $_uri['scheme'][1]; // Scheme's offset = URI's offset
  55                 foreach(array_keys($_uri) as $part) {
  56                         $_uri[$part] = $_uri[$part][0]; // Remove offsets
  57                 }
  58         }
  59
  60         foreach(array_keys($array) as $uri) {
  61                 $_uri = & $array[$uri];
  62                 if ($_uri['scheme'] === '') {
  63                         unset($array[$uri]);    // Considererd harmless
  64                         continue;
  65                 }
  66                 unset($_uri[0]); // Matched string itself
  67                 $_uri['area']['offset'] = $offset;      // Area offset for area_measure()
  68         }
  69
  70         return $array;
  71 }
  72
  73 // Pickupped URI array => An URI (See uri_pickup())
  74 // USAGE:
  75 //      $pickups = uri_pickup('a string include some URIs');
  76 //      $uris = array();
  77 //      foreach (array_keys($pickups) as $key) {
  78 //              $uris[$key] = uri_pickup_implode($pickups[$key]);
  79 //      }
  80 function uri_pickup_implode($uri = array())
  81 {
  82         if (empty($uri) || ! is_array($uri)) return NULL;
  83
  84         $tmp = array();
  85         if (isset($uri['scheme']) && $uri['scheme'] !== '') {
  86                 $tmp[] = & $uri['scheme'];
  87                 $tmp[] = '://';
  88         }
  89         if (isset($uri['userinfo']) && $uri['userinfo'] !== '') {
  90                 $tmp[] = & $uri['userinfo'];
  91                 $tmp[] = '@';
  92         }
  93         if (isset($uri['host']) && $uri['host'] !== '') {
  94                 $tmp[] = & $uri['host'];
  95         }
  96         if (isset($uri['port']) && $uri['port'] !== '') {
  97                 $tmp[] = ':';
  98                 $tmp[] = & $uri['port'];
  99         }
 100         if (isset($uri['path']) && $uri['path'] !== '') {
 101                 $tmp[] = & $uri['path'];
 102         }
 103         if (isset($uri['file']) && $uri['file'] !== '') {
 104                 $tmp[] = & $uri['file'];
 105         }
 106         if (isset($uri['query']) && $uri['query'] !== '') {
 107                 $tmp[] = '?';
 108                 $tmp[] = & $uri['query'];
 109         }
 110         if (isset($uri['fragment']) && $uri['fragment'] !== '') {
 111                 $tmp[] = '#';
 112                 $tmp[] = & $uri['fragment'];
 113         }
 114
 115         return implode('', $tmp);
 116 }
 117
 118 // ---------------------
 119 // URI normalization
 120
 121 // Normalize an array of URI arrays
 122 // NOTE: Give me the uri_pickup() results
 123 function uri_pickup_normalize(& $pickups, $destructive = TRUE, $pathfile = FALSE)
 124 {
 125         if (! is_array($pickups)) return $pickups;
 126
 127         if ($destructive) {
 128                 foreach (array_keys($pickups) as $key) {
 129                         $_key = & $pickups[$key];
 130                         $_key['scheme']   = isset($_key['scheme'])   ? scheme_normalize($_key['scheme']) : '';
 131                         $_key['host']     = isset($_key['host'])     ? host_normalize($_key['host'])     : '';
 132                         $_key['port']     = isset($_key['port'])     ? port_normalize($_key['port'], $_key['scheme'], FALSE) : '';
 133                         $_key['path']     = isset($_key['path'])     ? strtolower(path_normalize($_key['path'])) : '';
 134                         $_key['file']     = isset($_key['file'])     ? file_normalize($_key['file'])   : '';
 135                         $_key['query']    = isset($_key['query'])    ? query_normalize($_key['query']) : '';
 136                         $_key['fragment'] = isset($_key['fragment']) ? strtolower($_key['fragment'])   : '';
 137                 }
 138         } else {
 139                 foreach (array_keys($pickups) as $key) {
 140                         $_key = & $pickups[$key];
 141                         $_key['scheme']   = isset($_key['scheme'])   ? scheme_normalize($_key['scheme']) : '';
 142                         $_key['host']     = isset($_key['host'])     ? strtolower($_key['host'])         : '';
 143                         $_key['port']     = isset($_key['port'])     ? port_normalize($_key['port'], $_key['scheme'], FALSE) : '';
 144                         $_key['path']     = isset($_key['path'])     ? path_normalize($_key['path']) : '';
 145                 }
 146         }
 147
 148         if ($pathfile) {
 149                 return uri_pickup_normalize_pathfile($pickups);
 150         } else {
 151                 return $pickups;
 152         }
 153 }
 154
 155 // Normalize: 'path' + 'file' = 'path' (Similar structure using PHP's "parse_url()" function)
 156 // NOTE: In some case, 'file' DOES NOT mean _filename_.
 157 // [EXAMPLE] http://example.com/path/to/directory-accidentally-not-ended-with-slash
 158 function uri_pickup_normalize_pathfile(& $pickups)
 159 {
 160         if (! is_array($pickups)) return $pickups;
 161
 162         foreach (array_keys($pickups) as $key) {
 163                 $_key = & $pickups[$key];
 164                 if (isset($_key['path'], $_key['file'])) {
 165                         $_key['path'] = $_key['path'] . $_key['file'];
 166                         unset($_key['file']);
 167                 }
 168         }
 169
 170         return $pickups;
 171 }
 172
 173 // Scheme normalization: Renaming the schemes
 174 // snntp://example.org =>  nntps://example.org
 175 // NOTE: Keep the static lists simple. See also port_normalize().
 176 function scheme_normalize($scheme = '', $abbrevs_harmfull = TRUE)
 177 {
 178         // Abbreviations they have no intention of link
 179         static $abbrevs = array(
 180                 'ttp'   => 'http',
 181                 'ttps'  => 'https',
 182         );
 183
 184         // Aliases => normalized ones
 185         static $aliases = array(
 186                 'pop'   => 'pop3',
 187                 'news'  => 'nntp',
 188                 'imap4' => 'imap',
 189                 'snntp' => 'nntps',
 190                 'snews' => 'nntps',
 191                 'spop3' => 'pop3s',
 192                 'pops'  => 'pop3s',
 193         );
 194
 195         if (! is_string($scheme)) return '';
 196
 197         $scheme = strtolower($scheme);
 198         if (isset($abbrevs[$scheme])) {
 199                 $scheme = $abbrevs_harmfull ? $abbrevs[$scheme] : '';
 200         }
 201         if (isset($aliases[$scheme])) {
 202                 $scheme = $aliases[$scheme];
 203         }
 204
 205         return $scheme;
 206 }
 207
 208 // Hostname normlization (Destructive)
 209 // www.foo     => www.foo   ('foo' seems TLD)
 210 // www.foo.bar => foo.bar
 211 // www.10.20   => www.10.20 (Invalid hostname)
 212 // NOTE:
 213 //   'www' is basically traditional hostname for WWW server.
 214 //   In these case, 'www.foo.bar' MAY be identical with 'foo.bar'.
 215 function host_normalize($host = '')
 216 {
 217         if (! is_string($host)) return '';
 218
 219         $host = strtolower($host);
 220
 221         $matches = array();
 222         if (preg_match('/^www\.(.+\.[a-z]+)$/', $host, $matches)) {
 223                 return $matches[1];
 224         } else {
 225                 return $host;
 226         }
 227 }
 228
 229 // Port normalization: Suppress the (redundant) default port
 230 // HTTP://example.org:80/ => http://example.org/
 231 // HTTP://example.org:8080/ => http://example.org:8080/
 232 // HTTPS://example.org:443/ => https://example.org/
 233 function port_normalize($port, $scheme, $scheme_normalize = FALSE)
 234 {
 235         // Schemes that users _maybe_ want to add protocol-handlers
 236         // to their web browsers. (and attackers _maybe_ want to use ...)
 237         // Reference: http://www.iana.org/assignments/port-numbers
 238         static $array = array(
 239                 // scheme => default port
 240                 'ftp'     =>    21,
 241                 'ssh'     =>    22,
 242                 'telnet'  =>    23,
 243                 'smtp'    =>    25,
 244                 'tftp'    =>    69,
 245                 'gopher'  =>    70,
 246                 'finger'  =>    79,
 247                 'http'    =>    80,
 248                 'pop3'    =>   110,
 249                 'sftp'    =>   115,
 250                 'nntp'    =>   119,
 251                 'imap'    =>   143,
 252                 'irc'     =>   194,
 253                 'wais'    =>   210,
 254                 'https'   =>   443,
 255                 'nntps'   =>   563,
 256                 'rsync'   =>   873,
 257                 'ftps'    =>   990,
 258                 'telnets' =>   992,
 259                 'imaps'   =>   993,
 260                 'ircs'    =>   994,
 261                 'pop3s'   =>   995,
 262                 'mysql'   =>  3306,
 263         );
 264
 265         // intval() converts '0-1' to '0', so preg_match() rejects these invalid ones
 266         if (! is_numeric($port) || $port < 0 || preg_match('/[^0-9]/i', $port))
 267                 return '';
 268
 269         $port = intval($port);
 270         if ($scheme_normalize) $scheme = scheme_normalize($scheme);
 271         if (isset($array[$scheme]) && $port == $array[$scheme])
 272                 $port = ''; // Ignore the defaults
 273
 274         return $port;
 275 }
 276
 277 // Path normalization
 278 // http://example.org => http://example.org/
 279 // http://example.org#hoge => http://example.org/#hoge
 280 // http://example.org/path/a/b/./c////./d => http://example.org/path/a/b/c/d
 281 // http://example.org/path/../../a/../back => http://example.org/back
 282 function path_normalize($path = '', $divider = '/', $add_root = TRUE)
 283 {
 284         if (! is_string($divider)) return is_string($path) ? $path : '';
 285
 286         if ($add_root) {
 287                 $first_div = & $divider;
 288         } else {
 289                 $first_div = '';
 290         }
 291         if (! is_string($path) || $path == '') return $first_div;
 292
 293         if (strpos($path, $divider, strlen($path) - strlen($divider)) === FALSE) {
 294                 $last_div = '';
 295         } else {
 296                 $last_div = & $divider;
 297         }
 298
 299         $array = explode($divider, $path);
 300
 301         // Remove paddings ('//' and '/./')
 302         foreach(array_keys($array) as $key) {
 303                 if ($array[$key] == '' || $array[$key] == '.') {
 304                          unset($array[$key]);
 305                 }
 306         }
 307
 308         // Remove back-tracks ('/../')
 309         $tmp = array();
 310         foreach($array as $value) {
 311                 if ($value == '..') {
 312                         array_pop($tmp);
 313                 } else {
 314                         array_push($tmp, $value);
 315                 }
 316         }
 317         $array = & $tmp;
 318
 319         if (empty($array)) {
 320                 return $first_div;
 321         } else {
 322                 return $first_div . implode($divider, $array) . $last_div;
 323         }
 324 }
 325
 326 // DirectoryIndex normalize (Destructive and rough)
 327 // TODO: sample.en.ja.html.gz => sample.html
 328 function file_normalize($file = 'index.html.en')
 329 {
 330         static $simple_defaults = array(
 331                 'default.htm'   => TRUE,
 332                 'default.html'  => TRUE,
 333                 'default.asp'   => TRUE,
 334                 'default.aspx'  => TRUE,
 335                 'index'                 => TRUE,        // Some system can omit the suffix
 336         );
 337
 338         static $content_suffix = array(
 339                 // index.xxx, sample.xxx
 340                 'htm'   => TRUE,
 341                 'html'  => TRUE,
 342                 'shtml' => TRUE,
 343                 'jsp'   => TRUE,
 344                 'php'   => TRUE,
 345                 'php3'  => TRUE,
 346                 'php4'  => TRUE,
 347                 'pl'    => TRUE,
 348                 'py'    => TRUE,
 349                 'rb'    => TRUE,
 350                 'cgi'   => TRUE,
 351                 'xml'   => TRUE,
 352         );
 353
 354         static $language_suffix = array(
 355                 // Reference: Apache 2.0.59 'AddLanguage' default
 356                 'ca'    => TRUE,
 357                 'cs'    => TRUE,        // cs
 358                 'cz'    => TRUE,        // cs
 359                 'de'    => TRUE,
 360                 'dk'    => TRUE,        // da
 361                 'el'    => TRUE,
 362                 'en'    => TRUE,
 363                 'eo'    => TRUE,
 364                 'es'    => TRUE,
 365                 'et'    => TRUE,
 366                 'fr'    => TRUE,
 367                 'he'    => TRUE,
 368                 'hr'    => TRUE,
 369                 'it'    => TRUE,
 370                 'ja'    => TRUE,
 371                 'ko'    => TRUE,
 372                 'ltz'   => TRUE,
 373                 'nl'    => TRUE,
 374                 'nn'    => TRUE,
 375                 'no'    => TRUE,
 376                 'po'    => TRUE,
 377                 'pt'    => TRUE,
 378                 'pt-br' => TRUE,
 379                 'ru'    => TRUE,
 380                 'sv'    => TRUE,
 381                 'zh-cn' => TRUE,
 382                 'zh-tw' => TRUE,
 383
 384                 // Reference: Apache 2.0.59 default 'index.html' variants
 385                 'ee'    => TRUE,
 386                 'lb'    => TRUE,
 387                 'var'   => TRUE,
 388         );
 389
 390         static $charset_suffix = array(
 391                 // Reference: Apache 2.0.59 'AddCharset' default
 392                 'iso8859-1'     => TRUE, // ISO-8859-1
 393                 'latin1'        => TRUE, // ISO-8859-1
 394                 'iso8859-2'     => TRUE, // ISO-8859-2
 395                 'latin2'        => TRUE, // ISO-8859-2
 396                 'cen'           => TRUE, // ISO-8859-2
 397                 'iso8859-3'     => TRUE, // ISO-8859-3
 398                 'latin3'        => TRUE, // ISO-8859-3
 399                 'iso8859-4'     => TRUE, // ISO-8859-4
 400                 'latin4'        => TRUE, // ISO-8859-4
 401                 'iso8859-5'     => TRUE, // ISO-8859-5
 402                 'latin5'        => TRUE, // ISO-8859-5
 403                 'cyr'           => TRUE, // ISO-8859-5
 404                 'iso-ru'        => TRUE, // ISO-8859-5
 405                 'iso8859-6'     => TRUE, // ISO-8859-6
 406                 'latin6'        => TRUE, // ISO-8859-6
 407                 'arb'           => TRUE, // ISO-8859-6
 408                 'iso8859-7'     => TRUE, // ISO-8859-7
 409                 'latin7'        => TRUE, // ISO-8859-7
 410                 'grk'           => TRUE, // ISO-8859-7
 411                 'iso8859-8'     => TRUE, // ISO-8859-8
 412                 'latin8'        => TRUE, // ISO-8859-8
 413                 'heb'           => TRUE, // ISO-8859-8
 414                 'iso8859-9'     => TRUE, // ISO-8859-9
 415                 'latin9'        => TRUE, // ISO-8859-9
 416                 'trk'           => TRUE, // ISO-8859-9
 417                 'iso2022-jp'=> TRUE, // ISO-2022-JP
 418                 'jis'           => TRUE, // ISO-2022-JP
 419                 'iso2022-kr'=> TRUE, // ISO-2022-KR
 420                 'kis'           => TRUE, // ISO-2022-KR
 421                 'iso2022-cn'=> TRUE, // ISO-2022-CN
 422                 'cis'           => TRUE, // ISO-2022-CN
 423                 'big5'          => TRUE,
 424                 'cp-1251'       => TRUE, // ru, WINDOWS-1251
 425                 'win-1251'      => TRUE, // ru, WINDOWS-1251
 426                 'cp866'         => TRUE, // ru
 427                 'koi8-r'        => TRUE, // ru, KOI8-r
 428                 'koi8-ru'       => TRUE, // ru, KOI8-r
 429                 'koi8-uk'       => TRUE, // ru, KOI8-ru
 430                 'ua'            => TRUE, // ru, KOI8-ru
 431                 'ucs2'          => TRUE, // ru, ISO-10646-UCS-2
 432                 'ucs4'          => TRUE, // ru, ISO-10646-UCS-4
 433                 'utf8'          => TRUE,
 434
 435                 // Reference: Apache 2.0.59 default 'index.html' variants
 436                 'euc-kr'        => TRUE,
 437                 'gb2312'        => TRUE,
 438         );
 439
 440         // May uncompress by web browsers on the fly
 441         // Must be at the last of the filename
 442         // Reference: Apache 2.0.59 'AddEncoding'
 443         static $encoding_suffix = array(
 444                 'z'             => TRUE,
 445                 'gz'    => TRUE,
 446         );
 447
 448         if (! is_string($file)) return '';
 449         $_file = strtolower($file);
 450         if (isset($simple_defaults[$_file])) return '';
 451
 452         // Roughly removing language/character-set/encoding suffixes
 453         // References:
 454         //  * Apache 2 document about 'Content-negotiaton', 'mod_mime' and 'mod_negotiation'
 455         //    http://httpd.apache.org/docs/2.0/content-negotiation.html
 456         //    http://httpd.apache.org/docs/2.0/mod/mod_mime.html
 457         //    http://httpd.apache.org/docs/2.0/mod/mod_negotiation.html
 458         //  * http://www.iana.org/assignments/character-sets
 459         //  * RFC3066: Tags for the Identification of Languages
 460         //    http://www.ietf.org/rfc/rfc3066.txt
 461         //  * ISO 639: codes of 'language names'
 462         $suffixes = explode('.', $_file);
 463         $body = array_shift($suffixes);
 464         if ($suffixes) {
 465                 // Remove the last .gz/.z
 466                 $last_key = end(array_keys($suffixes));
 467                 if (isset($encoding_suffix[$suffixes[$last_key]])) {
 468                         unset($suffixes[$last_key]);
 469                 }
 470         }
 471         // Cut language and charset suffixes
 472         foreach($suffixes as $key => $value){
 473                 if (isset($language_suffix[$value]) || isset($charset_suffix[$value])) {
 474                         unset($suffixes[$key]);
 475                 }
 476         }
 477         if (empty($suffixes)) return $body;
 478
 479         // Index.xxx
 480         $count = count($suffixes);
 481         reset($suffixes);
 482         $current = current($suffixes);
 483         if ($body == 'index' && $count == 1 && isset($content_suffix[$current])) return '';
 484
 485         return $file;
 486 }
 487
 488 // Sort query-strings if possible (Destructive and rough)
 489 // [OK] &&&&f=d&b&d&c&a=0dd  =>  a=0dd&b&c&d&f=d
 490 // [OK] nothing==&eg=dummy&eg=padding&eg=foobar  =>  eg=foobar
 491 function query_normalize($string = '', $equal = TRUE, $equal_cutempty = TRUE, $stortolower = TRUE)
 492 {
 493         if (! is_string($string)) return '';
 494         if ($stortolower) $string = strtolower($string);
 495
 496         $array = explode('&', $string);
 497
 498         // Remove '&' paddings
 499         foreach(array_keys($array) as $key) {
 500                 if ($array[$key] == '') {
 501                          unset($array[$key]);
 502                 }
 503         }
 504
 505         // Consider '='-sepalated input and paddings
 506         if ($equal) {
 507                 $equals = $not_equals = array();
 508                 foreach ($array as $part) {
 509                         if (strpos($part, '=') === FALSE) {
 510                                  $not_equals[] = $part;
 511                         } else {
 512                                 list($key, $value) = explode('=', $part, 2);
 513                                 $value = ltrim($value, '=');
 514                                 if (! $equal_cutempty || $value != '') {
 515                                         $equals[$key] = $value;
 516                                 }
 517                         }
 518                 }
 519
 520                 $array = & $not_equals;
 521                 foreach ($equals as $key => $value) {
 522                         $array[] = $key . '=' . $value;
 523                 }
 524                 unset($equals);
 525         }
 526
 527         natsort($array);
 528         return implode('&', $array);
 529 }
 530
 531 // ---------------------
 532 // Area pickup
 533
 534 // Pickup all of markup areas
 535 function area_pickup($string = '', $method = array())
 536 {
 537         $area = array();
 538         if (empty($method)) return $area;
 539
 540         // Anchor tag pair by preg_match and preg_match_all()
 541         // [OK] <a href></a>
 542         // [OK] <a href=  >Good site!</a>
 543         // [OK] <a href= "#" >test</a>
 544         // [OK] <a href="http://nasty.example.com">visit http://nasty.example.com/</a>
 545         // [OK] <a href=\'http://nasty.example.com/\' >discount foobar</a>
 546         // [NG] <a href="http://ng.example.com">visit http://ng.example.com _not_ended_
 547         $regex = '#<a\b[^>]*\bhref\b[^>]*>.*?</a\b[^>]*(>)#is';
 548         if (isset($method['area_anchor'])) {
 549                 $areas = array();
 550                 $count = isset($method['asap']) ?
 551                         preg_match($regex, $string) :
 552                         preg_match_all($regex, $string, $areas);
 553                 if (! empty($count)) $area['area_anchor'] = $count;
 554         }
 555         if (isset($method['uri_anchor'])) {
 556                 $areas = array();
 557                 preg_match_all($regex, $string, $areas, PREG_SET_ORDER | PREG_OFFSET_CAPTURE);
 558                 foreach(array_keys($areas) as $_area) {
 559                         $areas[$_area] =  array(
 560                                 $areas[$_area][0][1], // Area start (<a href>)
 561                                 $areas[$_area][1][1], // Area end   (</a>)
 562                         );
 563                 }
 564                 if (! empty($areas)) $area['uri_anchor'] = $areas;
 565         }
 566
 567         // phpBB's "BBCode" pair by preg_match and preg_match_all()
 568         // [OK] [url][/url]
 569         // [OK] [url]http://nasty.example.com/[/url]
 570         // [OK] [link]http://nasty.example.com/[/link]
 571         // [OK] [url=http://nasty.example.com]visit http://nasty.example.com/[/url]
 572         // [OK] [link http://nasty.example.com/]buy something[/link]
 573         $regex = '#\[(url|link|img|email)\b[^\]]*\].*?\[/\1\b[^\]]*(\])#is';
 574         if (isset($method['area_bbcode'])) {
 575                 $areas = array();
 576                 $count = isset($method['asap']) ?
 577                         preg_match($regex, $string) :
 578                         preg_match_all($regex, $string, $areas, PREG_SET_ORDER);
 579                 if (! empty($count)) $area['area_bbcode'] = $count;
 580         }
 581         if (isset($method['uri_bbcode'])) {
 582                 $areas = array();
 583                 preg_match_all($regex, $string, $areas, PREG_SET_ORDER | PREG_OFFSET_CAPTURE);
 584                 foreach(array_keys($areas) as $_area) {
 585                         $areas[$_area] = array(
 586                                 $areas[$_area][0][1], // Area start ([url])
 587                                 $areas[$_area][2][1], // Area end   ([/url])
 588                         );
 589                 }
 590                 if (! empty($areas)) $area['uri_bbcode'] = $areas;
 591         }
 592
 593         // Various Wiki syntax
 594         // [text_or_uri>text_or_uri]
 595         // [text_or_uri:text_or_uri]
 596         // [text_or_uri|text_or_uri]
 597         // [text_or_uri->text_or_uri]
 598         // [text_or_uri text_or_uri] // MediaWiki
 599         // MediaWiki: [http://nasty.example.com/ visit http://nasty.example.com/]
 600
 601         return $area;
 602 }
 603
 604 // If in doubt, it's a little doubtful
 605 // if (Area => inside <= Area) $brief += -1
 606 function area_measure($areas, & $array, $belief = -1, $a_key = 'area', $o_key = 'offset')
 607 {
 608         if (! is_array($areas) || ! is_array($array)) return;
 609
 610         $areas_keys = array_keys($areas);
 611         foreach(array_keys($array) as $u_index) {
 612                 $offset = isset($array[$u_index][$o_key]) ?
 613                         intval($array[$u_index][$o_key]) : 0;
 614                 foreach($areas_keys as $a_index) {
 615                         if (isset($array[$u_index][$a_key])) {
 616                                 $offset_s = intval($areas[$a_index][0]);
 617                                 $offset_e = intval($areas[$a_index][1]);
 618                                 // [Area => inside <= Area]
 619                                 if ($offset_s < $offset && $offset < $offset_e) {
 620                                         $array[$u_index][$a_key] += $belief;
 621                                 }
 622                         }
 623                 }
 624         }
 625 }
 626
 627
 628 // ---------------------
 629 // Spam-uri pickup
 630
 631 // Preprocess: Removing/Modifying uninterest part for URI detection
 632 function spam_uri_removing_hocus_pocus($binary = '', $method = array())
 633 {
 634         $from = $to = array();
 635
 636         // Remove sequential spaces and too short lines
 637         $length = 4 ; // 'http'(1) and '://'(2) and 'fqdn'(1)
 638         if (is_array($method)) {
 639                 // '<a'(2) or 'href='(5) or '>'(1) or '</a>'(4)
 640                 // '[uri'(4) or ']'(1) or '[/uri]'(6)
 641                 if (isset($method['area_anchor']) || isset($method['uri_anchor']) ||
 642                     isset($method['area_bbcode']) || isset($method['uri_bbcode']))
 643                                 $length = 1;    // Seems not effective
 644         }
 645         $binary = strings($binary, $length, TRUE, FALSE); // Multibyte NOT needed
 646
 647         // Remove/Replace quoted-spaces within tags
 648         $from[] = '#(<\w+ [^<>]*?\w ?= ?")([^"<>]*? [^"<>]*)("[^<>]*?>)#ie';
 649         $to[]   = "'$1' . str_replace(' ' , '%20' , trim('$2')) . '$3'";
 650
 651         // Remove words (has no '<>[]:') between spaces
 652         $from[] = '/[ \t][\w.,()\ \t]+[ \t]/';
 653         $to[]   = ' ';
 654
 655         return preg_replace($from, $to, $binary);
 656 }
 657
 658 // Preprocess: Domain exposure callback (See spam_uri_pickup_preprocess())
 659 // http://victim.example.org/?foo+site:nasty.example.com+bar
 660 // => http://nasty.example.com/?refer=victim.example.org
 661 // NOTE: 'refer=' is not so good for (at this time).
 662 // Consider about using IP address of the victim, try to avoid that.
 663 function _preg_replace_callback_domain_exposure($matches = array())
 664 {
 665         $result = '';
 666
 667         // Preserve the victim URI as a complicity or ...
 668         if (isset($matches[5])) {
 669                 $result =
 670                         $matches[1] . '://' .   // scheme
 671                         $matches[2] . '/' .             // victim.example.org
 672                         $matches[3];                    // The rest of all (before victim)
 673         }
 674
 675         // Flipped URI
 676         if (isset($matches[4])) {
 677                 $result =
 678                         $matches[1] . '://' .   // scheme
 679                         $matches[4] .                   // nasty.example.com
 680                         '/?refer=' . strtolower($matches[2]) .  // victim.example.org
 681                         ' ' . $result;
 682         }
 683
 684         return $result;
 685 }
 686
 687 // Preprocess: minor-rawurldecode() and adding space(s) and something
 688 // to detect/count some URIs _if possible_
 689 // NOTE: It's maybe danger to var_dump(result). [e.g. 'javascript:']
 690 // [OK] http://victim.example.org/?site:nasty.example.org
 691 // [OK] http://victim.example.org/nasty.example.org
 692 // [OK] http://victim.example.org/go?http%3A%2F%2Fnasty.example.org
 693 // [OK] http://victim.example.org/http://nasty.example.org
 694 function spam_uri_pickup_preprocess($string = '', $method = array())
 695 {
 696         if (! is_string($string)) return '';
 697
 698         // rawurldecode(), just to catch encoded 'http://path/to/file', not to change '%20' to ' '
 699         $string = strtr(
 700                 $string,
 701                 array(
 702                         '%3A' => ':',
 703                         '%3a' => ':',
 704                         '%2F' => '/',
 705                         '%2f' => '/',
 706                         '%5C' => '\\',
 707                         '%5c' => '\\',
 708                 )
 709         );
 710
 711         $string = spam_uri_removing_hocus_pocus($string, $method);
 712
 713         // Domain exposure (simple)
 714         // http://victim.example.org/nasty.example.org/path#frag
 715         // => http://nasty.example.org/?refer=victim.example.org and original
 716         $string = preg_replace(
 717                 '#h?ttp://' .
 718                 '(' .
 719                         'a9\.com/' . '|' .
 720                         'aboutus\.org/' . '|' .
 721                         'alexa\.com/data/details\?url='  . '|' .
 722                         'ime\.(?:nu|st)/' . '|' .       // 2ch.net
 723                         'link\.toolbot\.com/' . '|' .
 724                         'urlx\.org/' . '|' .
 725                         'big5.51job.com/gate/big5/'      . '|' .
 726                         'big5.china.com/gate/big5/'      . '|' .
 727                         'big5.shippingchina.com:8080/' . '|' .
 728                         'big5.xinhuanet.com/gate/big5/' . '|' .
 729                         'bhomiyo.com/en.xliterate/' . '|' .
 730                         'google.com/translate_c\?u=(?:http://)?' . '|' .
 731                         'web.archive.org/web/2[^/]*/(?:http://)?' . '|' .
 732                         'technorati.com/blogs/' .
 733                 ')' .
 734                 '([a-z0-9.%_-]+\.[a-z0-9.%_-]+)' .      // nasty.example.org
 735                 '#i',
 736                 'http://$2/?refer=$1 $0',                       // Preserve $0 or remove?
 737                 $string
 738         );
 739
 740         // Domain exposure (site:) See _preg_replace_callback_domain_exposure()
 741         $string = preg_replace_callback(
 742                 array(
 743                         '#(h?ttp)://' . // 1:Scheme
 744                         // 2:Host
 745                         '(' .
 746                                 '(?:[a-z0-9_.-]+\.)?[a-z0-9_-]+\.[a-z0-9_-]+' .
 747                                 // Something Google: http://www.google.com/supported_domains
 748                                 // AltaVista: http://es.altavista.com/web/results?q=site%3Anasty.example.org+foobar
 749                                 // Live Search: search.live.com
 750                                 // MySpace: http://sads.myspace.com/Modules/Search/Pages/Search.aspx?_snip_&searchString=site:nasty.example.org
 751                                 // (also searchresults.myspace.com)
 752                                 // alltheweb.com
 753                                 // search.bbc.co.uk
 754                                 // search.orange.co.uk
 755                                 // ...
 756                         ')' .
 757                         '/' .
 758                         //TODO: Specify URL-enable characters
 759                         '([a-z0-9?=&.,%_/\'\\\+-]+)' .                          // 3:path/?query=foo+bar+
 760                         '(?:\b|%20)site:([a-z0-9.%_-]+\.[a-z0-9.%_-]+)' .       // 4:site:nasty.example.com
 761                         '()' .                                                                          // 5:Preserve or remove?
 762                         '#i',
 763                 ),
 764                 '_preg_replace_callback_domain_exposure',
 765                 $string
 766         );
 767
 768         // URI exposure (uriuri => uri uri)
 769         $string = preg_replace(
 770                 array(
 771                         '#(?<! )(?:https?|ftp):/#i',
 772                 //      '#[a-z][a-z0-9.+-]{1,8}://#i',
 773                 //      '#[a-z][a-z0-9.+-]{1,8}://#i'
 774                 ),
 775                 ' $0',
 776                 $string
 777         );
 778
 779         return $string;
 780 }
 781
 782 // Main function of spam-uri pickup,
 783 // A wrapper function of uri_pickup()
 784 function spam_uri_pickup($string = '', $method = array())
 785 {
 786         if (! is_array($method) || empty($method)) {
 787                 $method = check_uri_spam_method();
 788         }
 789
 790         $string = spam_uri_pickup_preprocess($string, $method);
 791
 792         $array  = uri_pickup($string);
 793
 794         // Area elevation of URIs, for '(especially external)link' intension
 795         if (! empty($array)) {
 796                 $_method = array();
 797                 if (isset($method['uri_anchor'])) $_method['uri_anchor'] = & $method['uri_anchor'];
 798                 if (isset($method['uri_bbcode'])) $_method['uri_bbcode'] = & $method['uri_bbcode'];
 799                 $areas = area_pickup($string, $_method, TRUE);
 800                 if (! empty($areas)) {
 801                         $area_shadow = array();
 802                         foreach (array_keys($array) as $key) {
 803                                 $area_shadow[$key] = & $array[$key]['area'];
 804                                 foreach (array_keys($_method) as $_key) {
 805                                         $area_shadow[$key][$_key] = 0;
 806                                 }
 807                         }
 808                         foreach (array_keys($_method) as $_key) {
 809                                 if (isset($areas[$_key])) {
 810                                         area_measure($areas[$_key], $area_shadow, 1, $_key);
 811                                 }
 812                         }
 813                 }
 814         }
 815
 816         // Remove 'offset's for area_measure()
 817         foreach(array_keys($array) as $key) {
 818                 unset($array[$key]['area']['offset']);
 819         }
 820
 821         return $array;
 822 }
 823
 824 ?>