spam/spam_pickup.php

   1 <?php
   2 // $Id: spam_pickup.php,v 1.60 2007/09/15 15:55:29 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 or path-info
  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         // Format 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         $default = array('');
  51         foreach(array_keys($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, $destructive = TRUE)
 124 {
 125         if (! is_array($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         return $pickups;
 149 }
 150
 151 // Scheme normalization: Renaming the schemes
 152 // snntp://example.org =>  nntps://example.org
 153 // NOTE: Keep the static lists simple. See also port_normalize().
 154 function scheme_normalize($scheme = '', $abbrevs_harmfull = TRUE)
 155 {
 156         // Abbreviations they have no intention of link
 157         static $abbrevs = array(
 158                 'ttp'   => 'http',
 159                 'ttps'  => 'https',
 160         );
 161
 162         // Aliases => normalized ones
 163         static $aliases = array(
 164                 'pop'   => 'pop3',
 165                 'news'  => 'nntp',
 166                 'imap4' => 'imap',
 167                 'snntp' => 'nntps',
 168                 'snews' => 'nntps',
 169                 'spop3' => 'pop3s',
 170                 'pops'  => 'pop3s',
 171         );
 172
 173         if (! is_string($scheme)) return '';
 174
 175         $scheme = strtolower($scheme);
 176         if (isset($abbrevs[$scheme])) {
 177                 $scheme = $abbrevs_harmfull ? $abbrevs[$scheme] : '';
 178         }
 179         if (isset($aliases[$scheme])) {
 180                 $scheme = $aliases[$scheme];
 181         }
 182
 183         return $scheme;
 184 }
 185
 186 // Hostname normlization (Destructive)
 187 // www.foo     => www.foo   ('foo' seems TLD)
 188 // www.foo.bar => foo.bar
 189 // www.10.20   => www.10.20 (Invalid hostname)
 190 // NOTE:
 191 //   'www' is  mostly used as traditional hostname of WWW server.
 192 //   'www.foo.bar' may be identical with 'foo.bar'.
 193 function host_normalize($host = '')
 194 {
 195         if (! is_string($host)) return '';
 196
 197         $host = strtolower($host);
 198         $matches = array();
 199         if (preg_match('/^www\.(.+\.[a-z]+)$/', $host, $matches)) {
 200                 return $matches[1];
 201         } else {
 202                 return $host;
 203         }
 204 }
 205
 206 // Port normalization: Suppress the (redundant) default port
 207 // HTTP://example.org:80/ => http://example.org/
 208 // HTTP://example.org:8080/ => http://example.org:8080/
 209 // HTTPS://example.org:443/ => https://example.org/
 210 function port_normalize($port, $scheme, $scheme_normalize = FALSE)
 211 {
 212         // Schemes that users _maybe_ want to add protocol-handlers
 213         // to their web browsers. (and attackers _maybe_ want to use ...)
 214         // Reference: http://www.iana.org/assignments/port-numbers
 215         static $array = array(
 216                 // scheme => default port
 217                 'ftp'     =>    21,
 218                 'ssh'     =>    22,
 219                 'telnet'  =>    23,
 220                 'smtp'    =>    25,
 221                 'tftp'    =>    69,
 222                 'gopher'  =>    70,
 223                 'finger'  =>    79,
 224                 'http'    =>    80,
 225                 'pop3'    =>   110,
 226                 'sftp'    =>   115,
 227                 'nntp'    =>   119,
 228                 'imap'    =>   143,
 229                 'irc'     =>   194,
 230                 'wais'    =>   210,
 231                 'https'   =>   443,
 232                 'nntps'   =>   563,
 233                 'rsync'   =>   873,
 234                 'ftps'    =>   990,
 235                 'telnets' =>   992,
 236                 'imaps'   =>   993,
 237                 'ircs'    =>   994,
 238                 'pop3s'   =>   995,
 239                 'mysql'   =>  3306,
 240         );
 241
 242         // intval() converts '0-1' to '0', so preg_match() rejects these invalid ones
 243         if (! is_numeric($port) || $port < 0 || preg_match('/[^0-9]/i', $port))
 244                 return '';
 245
 246         $port = intval($port);
 247         if ($scheme_normalize) $scheme = scheme_normalize($scheme);
 248         if (isset($array[$scheme]) && $port == $array[$scheme])
 249                 $port = ''; // Ignore the defaults
 250
 251         return $port;
 252 }
 253
 254 // Path normalization
 255 // http://example.org => http://example.org/
 256 // http://example.org#hoge => http://example.org/#hoge
 257 // http://example.org/path/a/b/./c////./d => http://example.org/path/a/b/c/d
 258 // http://example.org/path/../../a/../back => http://example.org/back
 259 function path_normalize($path = '', $divider = '/', $add_root = TRUE)
 260 {
 261         if (! is_string($divider)) return is_string($path) ? $path : '';
 262
 263         if ($add_root) {
 264                 $first_div = & $divider;
 265         } else {
 266                 $first_div = '';
 267         }
 268         if (! is_string($path) || $path == '') return $first_div;
 269
 270         if (strpos($path, $divider, strlen($path) - strlen($divider)) === FALSE) {
 271                 $last_div = '';
 272         } else {
 273                 $last_div = & $divider;
 274         }
 275
 276         $array = explode($divider, $path);
 277
 278         // Remove paddings ('//' and '/./')
 279         foreach(array_keys($array) as $key) {
 280                 if ($array[$key] == '' || $array[$key] == '.') {
 281                          unset($array[$key]);
 282                 }
 283         }
 284
 285         // Remove back-tracks ('/../')
 286         $tmp = array();
 287         foreach($array as $value) {
 288                 if ($value == '..') {
 289                         array_pop($tmp);
 290                 } else {
 291                         array_push($tmp, $value);
 292                 }
 293         }
 294         $array = & $tmp;
 295
 296         if (empty($array)) {
 297                 return $first_div;
 298         } else {
 299                 return $first_div . implode($divider, $array) . $last_div;
 300         }
 301 }
 302
 303 // DirectoryIndex normalize (Destructive and rough)
 304 // TODO: sample.en.ja.html.gz => sample.html
 305 function file_normalize($file = 'index.html.en')
 306 {
 307         static $simple_defaults = array(
 308                 'default.htm'   => TRUE,
 309                 'default.html'  => TRUE,
 310                 'default.asp'   => TRUE,
 311                 'default.aspx'  => TRUE,
 312                 'index'                 => TRUE,        // Some system can omit the suffix
 313         );
 314
 315         static $content_suffix = array(
 316                 // index.xxx, sample.xxx
 317                 'htm'   => TRUE,
 318                 'html'  => TRUE,
 319                 'shtml' => TRUE,
 320                 'jsp'   => TRUE,
 321                 'php'   => TRUE,
 322                 'php3'  => TRUE,
 323                 'php4'  => TRUE,
 324                 'pl'    => TRUE,
 325                 'py'    => TRUE,
 326                 'rb'    => TRUE,
 327                 'cgi'   => TRUE,
 328                 'xml'   => TRUE,
 329         );
 330
 331         static $language_suffix = array(
 332                 // Reference: Apache 2.0.59 'AddLanguage' default
 333                 'ca'    => TRUE,
 334                 'cs'    => TRUE,        // cs
 335                 'cz'    => TRUE,        // cs
 336                 'de'    => TRUE,
 337                 'dk'    => TRUE,        // da
 338                 'el'    => TRUE,
 339                 'en'    => TRUE,
 340                 'eo'    => TRUE,
 341                 'es'    => TRUE,
 342                 'et'    => TRUE,
 343                 'fr'    => TRUE,
 344                 'he'    => TRUE,
 345                 'hr'    => TRUE,
 346                 'it'    => TRUE,
 347                 'ja'    => TRUE,
 348                 'ko'    => TRUE,
 349                 'ltz'   => TRUE,
 350                 'nl'    => TRUE,
 351                 'nn'    => TRUE,
 352                 'no'    => TRUE,
 353                 'po'    => TRUE,
 354                 'pt'    => TRUE,
 355                 'pt-br' => TRUE,
 356                 'ru'    => TRUE,
 357                 'sv'    => TRUE,
 358                 'zh-cn' => TRUE,
 359                 'zh-tw' => TRUE,
 360
 361                 // Reference: Apache 2.0.59 default 'index.html' variants
 362                 'ee'    => TRUE,
 363                 'lb'    => TRUE,
 364                 'var'   => TRUE,
 365         );
 366
 367         static $charset_suffix = array(
 368                 // Reference: Apache 2.0.59 'AddCharset' default
 369                 'iso8859-1'     => TRUE, // ISO-8859-1
 370                 'latin1'        => TRUE, // ISO-8859-1
 371                 'iso8859-2'     => TRUE, // ISO-8859-2
 372                 'latin2'        => TRUE, // ISO-8859-2
 373                 'cen'           => TRUE, // ISO-8859-2
 374                 'iso8859-3'     => TRUE, // ISO-8859-3
 375                 'latin3'        => TRUE, // ISO-8859-3
 376                 'iso8859-4'     => TRUE, // ISO-8859-4
 377                 'latin4'        => TRUE, // ISO-8859-4
 378                 'iso8859-5'     => TRUE, // ISO-8859-5
 379                 'latin5'        => TRUE, // ISO-8859-5
 380                 'cyr'           => TRUE, // ISO-8859-5
 381                 'iso-ru'        => TRUE, // ISO-8859-5
 382                 'iso8859-6'     => TRUE, // ISO-8859-6
 383                 'latin6'        => TRUE, // ISO-8859-6
 384                 'arb'           => TRUE, // ISO-8859-6
 385                 'iso8859-7'     => TRUE, // ISO-8859-7
 386                 'latin7'        => TRUE, // ISO-8859-7
 387                 'grk'           => TRUE, // ISO-8859-7
 388                 'iso8859-8'     => TRUE, // ISO-8859-8
 389                 'latin8'        => TRUE, // ISO-8859-8
 390                 'heb'           => TRUE, // ISO-8859-8
 391                 'iso8859-9'     => TRUE, // ISO-8859-9
 392                 'latin9'        => TRUE, // ISO-8859-9
 393                 'trk'           => TRUE, // ISO-8859-9
 394                 'iso2022-jp'=> TRUE, // ISO-2022-JP
 395                 'jis'           => TRUE, // ISO-2022-JP
 396                 'iso2022-kr'=> TRUE, // ISO-2022-KR
 397                 'kis'           => TRUE, // ISO-2022-KR
 398                 'iso2022-cn'=> TRUE, // ISO-2022-CN
 399                 'cis'           => TRUE, // ISO-2022-CN
 400                 'big5'          => TRUE,
 401                 'cp-1251'       => TRUE, // ru, WINDOWS-1251
 402                 'win-1251'      => TRUE, // ru, WINDOWS-1251
 403                 'cp866'         => TRUE, // ru
 404                 'koi8-r'        => TRUE, // ru, KOI8-r
 405                 'koi8-ru'       => TRUE, // ru, KOI8-r
 406                 'koi8-uk'       => TRUE, // ru, KOI8-ru
 407                 'ua'            => TRUE, // ru, KOI8-ru
 408                 'ucs2'          => TRUE, // ru, ISO-10646-UCS-2
 409                 'ucs4'          => TRUE, // ru, ISO-10646-UCS-4
 410                 'utf8'          => TRUE,
 411
 412                 // Reference: Apache 2.0.59 default 'index.html' variants
 413                 'euc-kr'        => TRUE,
 414                 'gb2312'        => TRUE,
 415         );
 416
 417         // May uncompress by web browsers on the fly
 418         // Must be at the last of the filename
 419         // Reference: Apache 2.0.59 'AddEncoding'
 420         static $encoding_suffix = array(
 421                 'z'             => TRUE,
 422                 'gz'    => TRUE,
 423         );
 424
 425         if (! is_string($file)) return '';
 426         $_file = strtolower($file);
 427         if (isset($simple_defaults[$_file])) return '';
 428
 429         // Roughly removing language/character-set/encoding suffixes
 430         // References:
 431         //  * Apache 2 document about 'Content-negotiaton', 'mod_mime' and 'mod_negotiation'
 432         //    http://httpd.apache.org/docs/2.0/content-negotiation.html
 433         //    http://httpd.apache.org/docs/2.0/mod/mod_mime.html
 434         //    http://httpd.apache.org/docs/2.0/mod/mod_negotiation.html
 435         //  * http://www.iana.org/assignments/character-sets
 436         //  * RFC3066: Tags for the Identification of Languages
 437         //    http://www.ietf.org/rfc/rfc3066.txt
 438         //  * ISO 639: codes of 'language names'
 439         $suffixes = explode('.', $_file);
 440         $body = array_shift($suffixes);
 441         if ($suffixes) {
 442                 // Remove the last .gz/.z
 443                 $last_key = end(array_keys($suffixes));
 444                 if (isset($encoding_suffix[$suffixes[$last_key]])) {
 445                         unset($suffixes[$last_key]);
 446                 }
 447         }
 448         // Cut language and charset suffixes
 449         foreach($suffixes as $key => $value){
 450                 if (isset($language_suffix[$value]) || isset($charset_suffix[$value])) {
 451                         unset($suffixes[$key]);
 452                 }
 453         }
 454         if (empty($suffixes)) return $body;
 455
 456         // Index.xxx
 457         $count = count($suffixes);
 458         reset($suffixes);
 459         $current = current($suffixes);
 460         if ($body == 'index' && $count == 1 && isset($content_suffix[$current])) return '';
 461
 462         return $file;
 463 }
 464
 465 // Sort query-strings if possible (Destructive and rough)
 466 // [OK] &&&&f=d&b&d&c&a=0dd  =>  a=0dd&b&c&d&f=d
 467 // [OK] nothing==&eg=dummy&eg=padding&eg=foobar  =>  eg=foobar
 468 function query_normalize($string = '', $equal = TRUE, $equal_cutempty = TRUE, $stortolower = TRUE)
 469 {
 470         if (! is_string($string)) return '';
 471         if ($stortolower) $string = strtolower($string);
 472
 473         $array = explode('&', $string);
 474
 475         // Remove '&' paddings
 476         foreach(array_keys($array) as $key) {
 477                 if ($array[$key] == '') {
 478                          unset($array[$key]);
 479                 }
 480         }
 481
 482         // Consider '='-sepalated input and paddings
 483         if ($equal) {
 484                 $equals = $not_equals = array();
 485                 foreach ($array as $part) {
 486                         if (strpos($part, '=') === FALSE) {
 487                                  $not_equals[] = $part;
 488                         } else {
 489                                 list($key, $value) = explode('=', $part, 2);
 490                                 $value = ltrim($value, '=');
 491                                 if (! $equal_cutempty || $value != '') {
 492                                         $equals[$key] = $value;
 493                                 }
 494                         }
 495                 }
 496
 497                 $array = & $not_equals;
 498                 foreach ($equals as $key => $value) {
 499                         $array[] = $key . '=' . $value;
 500                 }
 501                 unset($equals);
 502         }
 503
 504         natsort($array);
 505         return implode('&', $array);
 506 }
 507
 508 // ---------------------
 509 // Area pickup
 510
 511 // Pickup all of markup areas
 512 function area_pickup($string = '', $method = array())
 513 {
 514         $area = array();
 515         if (empty($method)) return $area;
 516
 517         // Anchor tag pair by preg_match and preg_match_all()
 518         // [OK] <a href></a>
 519         // [OK] <a href=  >Good site!</a>
 520         // [OK] <a href= "#" >test</a>
 521         // [OK] <a href="http://nasty.example.com">visit http://nasty.example.com/</a>
 522         // [OK] <a href=\'http://nasty.example.com/\' >discount foobar</a>
 523         // [NG] <a href="http://ng.example.com">visit http://ng.example.com _not_ended_
 524         $regex = '#<a\b[^>]*\bhref\b[^>]*>.*?</a\b[^>]*(>)#is';
 525         if (isset($method['area_anchor'])) {
 526                 $areas = array();
 527                 $count = isset($method['asap']) ?
 528                         preg_match($regex, $string) :
 529                         preg_match_all($regex, $string, $areas);
 530                 if (! empty($count)) $area['area_anchor'] = $count;
 531         }
 532         if (isset($method['uri_anchor'])) {
 533                 $areas = array();
 534                 preg_match_all($regex, $string, $areas, PREG_SET_ORDER | PREG_OFFSET_CAPTURE);
 535                 foreach(array_keys($areas) as $_area) {
 536                         $areas[$_area] =  array(
 537                                 $areas[$_area][0][1], // Area start (<a href>)
 538                                 $areas[$_area][1][1], // Area end   (</a>)
 539                         );
 540                 }
 541                 if (! empty($areas)) $area['uri_anchor'] = $areas;
 542         }
 543
 544         // phpBB's "BBCode" pair by preg_match and preg_match_all()
 545         // [OK] [url][/url]
 546         // [OK] [url]http://nasty.example.com/[/url]
 547         // [OK] [link]http://nasty.example.com/[/link]
 548         // [OK] [url=http://nasty.example.com]visit http://nasty.example.com/[/url]
 549         // [OK] [link http://nasty.example.com/]buy something[/link]
 550         $regex = '#\[(url|link|img|email)\b[^\]]*\].*?\[/\1\b[^\]]*(\])#is';
 551         if (isset($method['area_bbcode'])) {
 552                 $areas = array();
 553                 $count = isset($method['asap']) ?
 554                         preg_match($regex, $string) :
 555                         preg_match_all($regex, $string, $areas, PREG_SET_ORDER);
 556                 if (! empty($count)) $area['area_bbcode'] = $count;
 557         }
 558         if (isset($method['uri_bbcode'])) {
 559                 $areas = array();
 560                 preg_match_all($regex, $string, $areas, PREG_SET_ORDER | PREG_OFFSET_CAPTURE);
 561                 foreach(array_keys($areas) as $_area) {
 562                         $areas[$_area] = array(
 563                                 $areas[$_area][0][1], // Area start ([url])
 564                                 $areas[$_area][2][1], // Area end   ([/url])
 565                         );
 566                 }
 567                 if (! empty($areas)) $area['uri_bbcode'] = $areas;
 568         }
 569
 570         // Various Wiki syntax
 571         // [text_or_uri>text_or_uri]
 572         // [text_or_uri:text_or_uri]
 573         // [text_or_uri|text_or_uri]
 574         // [text_or_uri->text_or_uri]
 575         // [text_or_uri text_or_uri] // MediaWiki
 576         // MediaWiki: [http://nasty.example.com/ visit http://nasty.example.com/]
 577
 578         return $area;
 579 }
 580
 581 // If in doubt, it's a little doubtful
 582 // if (Area => inside <= Area) $brief += -1
 583 function area_measure($areas, & $array, $belief = -1, $a_key = 'area', $o_key = 'offset')
 584 {
 585         if (! is_array($areas) || ! is_array($array)) return;
 586
 587         $areas_keys = array_keys($areas);
 588         foreach(array_keys($array) as $u_index) {
 589                 $offset = isset($array[$u_index][$o_key]) ?
 590                         intval($array[$u_index][$o_key]) : 0;
 591                 foreach($areas_keys as $a_index) {
 592                         if (isset($array[$u_index][$a_key])) {
 593                                 $offset_s = intval($areas[$a_index][0]);
 594                                 $offset_e = intval($areas[$a_index][1]);
 595                                 // [Area => inside <= Area]
 596                                 if ($offset_s < $offset && $offset < $offset_e) {
 597                                         $array[$u_index][$a_key] += $belief;
 598                                 }
 599                         }
 600                 }
 601         }
 602 }
 603
 604
 605 // ---------------------
 606 // Spam-uri pickup
 607
 608 // Preprocess: Removing/Modifying uninterest part for URI detection
 609 function spam_uri_removing_hocus_pocus($binary = '', $method = array())
 610 {
 611         $from = $to = array();
 612
 613         // Remove sequential spaces and too short lines
 614         $length = 4 ; // 'http'(1) and '://'(2) and 'fqdn'(1)
 615         if (is_array($method)) {
 616                 // '<a'(2) or 'href='(5) or '>'(1) or '</a>'(4)
 617                 // '[uri'(4) or ']'(1) or '[/uri]'(6)
 618                 if (isset($method['area_anchor']) || isset($method['uri_anchor']) ||
 619                     isset($method['area_bbcode']) || isset($method['uri_bbcode']))
 620                                 $length = 1;    // Seems not effective
 621         }
 622         $binary = strings($binary, $length, TRUE, FALSE); // Multibyte NOT needed
 623
 624         // Remove/Replace quoted-spaces within tags
 625         $from[] = '#(<\w+ [^<>]*?\w ?= ?")([^"<>]*? [^"<>]*)("[^<>]*?>)#ie';
 626         $to[]   = "'$1' . str_replace(' ' , '%20' , trim('$2')) . '$3'";
 627
 628         // Remove words (has no '<>[]:') between spaces
 629         $from[] = '/[ \t][\w.,()\ \t]+[ \t]/';
 630         $to[]   = ' ';
 631
 632         return preg_replace($from, $to, $binary);
 633 }
 634
 635 // Preprocess: Domain exposure callback (See spam_uri_pickup_preprocess())
 636 // http://victim.example.org/?foo+site:nasty.example.com+bar
 637 // => http://nasty.example.com/?refer=victim.example.org
 638 // NOTE: 'refer=' is not so good for (at this time).
 639 // Consider about using IP address of the victim, try to avoid that.
 640 function _preg_replace_callback_domain_exposure($matches = array())
 641 {
 642         $result = '';
 643
 644         // Preserve the victim URI as a complicity or ...
 645         if (isset($matches[5])) {
 646                 $result =
 647                         $matches[1] . '://' .   // scheme
 648                         $matches[2] . '/' .             // victim.example.org
 649                         $matches[3];                    // The rest of all (before victim)
 650         }
 651
 652         // Flipped URI
 653         if (isset($matches[4])) {
 654                 $result =
 655                         $matches[1] . '://' .   // scheme
 656                         $matches[4] .                   // nasty.example.com
 657                         '/?refer=' . strtolower($matches[2]) .  // victim.example.org
 658                         ' ' . $result;
 659         }
 660
 661         return $result;
 662 }
 663
 664 // Preprocess: minor-rawurldecode() and adding space(s) and something
 665 // to detect/count some URIs _if possible_
 666 // NOTE: It's maybe danger to var_dump(result). [e.g. 'javascript:']
 667 // [OK] http://victim.example.org/?site:nasty.example.org
 668 // [OK] http://victim.example.org/nasty.example.org
 669 // [OK] http://victim.example.org/go?http%3A%2F%2Fnasty.example.org
 670 // [OK] http://victim.example.org/http://nasty.example.org
 671 function spam_uri_pickup_preprocess($string = '', $method = array())
 672 {
 673         if (! is_string($string)) return '';
 674
 675         // rawurldecode(), just to catch encoded 'http://path/to/file', not to change '%20' to ' '
 676         $string = strtr(
 677                 $string,
 678                 array(
 679                         '%3A' => ':',
 680                         '%3a' => ':',
 681                         '%2F' => '/',
 682                         '%2f' => '/',
 683                         '%5C' => '\\',
 684                         '%5c' => '\\',
 685                 )
 686         );
 687
 688         $string = spam_uri_removing_hocus_pocus($string, $method);
 689
 690         // Domain exposure (simple)
 691         // http://victim.example.org/nasty.example.org/path#frag
 692         // => http://nasty.example.org/?refer=victim.example.org and original
 693         $string = preg_replace(
 694                 '#h?ttp://' .
 695                 '(' .
 696                         'ime\.(?:nu|st)/' . '|' .       // 2ch.net
 697                         'link\.toolbot\.com/' . '|' .
 698                         'urlx\.org/' . '|' .
 699                         'big5.51job.com/gate/big5/'      . '|' .
 700                         'big5.china.com/gate/big5/'      . '|' .
 701                         'big5.shippingchina.com:8080/' . '|' .
 702                         'big5.xinhuanet.com/gate/big5/' . '|' .
 703                         'bhomiyo.com/en.xliterate/' . '|' .
 704                         'google.com/translate_c\?u=(?:http://)?' . '|' .
 705                         'web.archive.org/web/2[^/]*/(?:http://)?' . '|' .
 706                         'technorati.com/blogs/' .
 707                 ')' .
 708                 '([a-z0-9.%_-]+\.[a-z0-9.%_-]+)' .      // nasty.example.org
 709                 '#i',
 710                 'http://$2/?refer=$1 $0',                       // Preserve $0 or remove?
 711                 $string
 712         );
 713
 714         // Domain exposure (site:) See _preg_replace_callback_domain_exposure()
 715         $string = preg_replace_callback(
 716                 array(
 717                         '#(h?ttp)://' . // 1:Scheme
 718                         // 2:Host
 719                         '(' .
 720                                 '(?:[a-z0-9_.-]+\.)?[a-z0-9_-]+\.[a-z0-9_-]+' .
 721                                 // Something Google: http://www.google.com/supported_domains
 722                                 // AltaVista: http://es.altavista.com/web/results?q=site%3Anasty.example.org+foobar
 723                                 // Live Search: search.live.com
 724                                 // MySpace: http://sads.myspace.com/Modules/Search/Pages/Search.aspx?_snip_&searchString=site:nasty.example.org
 725                                 // (also searchresults.myspace.com)
 726                                 // alltheweb.com
 727                                 // search.bbc.co.uk
 728                                 // search.orange.co.uk
 729                                 // ...
 730                         ')' .
 731                         '/' .
 732                         '([a-z0-9?=&.%_/\'\\\+-]+)' .                           // 3:path/?query=foo+bar+
 733                         '(?:\b|%20)site:([a-z0-9.%_-]+\.[a-z0-9.%_-]+)' .       // 4:site:nasty.example.com
 734                         '()' .                                                                          // 5:Preserve or remove?
 735                         '#i',
 736                 ),
 737                 '_preg_replace_callback_domain_exposure',
 738                 $string
 739         );
 740
 741         // URI exposure (uriuri => uri uri)
 742         $string = preg_replace(
 743                 array(
 744                         '#(?<! )(?:https?|ftp):/#i',
 745                 //      '#[a-z][a-z0-9.+-]{1,8}://#i',
 746                 //      '#[a-z][a-z0-9.+-]{1,8}://#i'
 747                 ),
 748                 ' $0',
 749                 $string
 750         );
 751
 752         return $string;
 753 }
 754
 755 // Main function of spam-uri pickup,
 756 // A wrapper function of uri_pickup()
 757 function spam_uri_pickup($string = '', $method = array())
 758 {
 759         if (! is_array($method) || empty($method)) {
 760                 $method = check_uri_spam_method();
 761         }
 762
 763         $string = spam_uri_pickup_preprocess($string, $method);
 764
 765         $array  = uri_pickup($string);
 766
 767         // Area elevation of URIs, for '(especially external)link' intension
 768         if (! empty($array)) {
 769                 $_method = array();
 770                 if (isset($method['uri_anchor'])) $_method['uri_anchor'] = & $method['uri_anchor'];
 771                 if (isset($method['uri_bbcode'])) $_method['uri_bbcode'] = & $method['uri_bbcode'];
 772                 $areas = area_pickup($string, $_method, TRUE);
 773                 if (! empty($areas)) {
 774                         $area_shadow = array();
 775                         foreach (array_keys($array) as $key) {
 776                                 $area_shadow[$key] = & $array[$key]['area'];
 777                                 foreach (array_keys($_method) as $_key) {
 778                                         $area_shadow[$key][$_key] = 0;
 779                                 }
 780                         }
 781                         foreach (array_keys($_method) as $_key) {
 782                                 if (isset($areas[$_key])) {
 783                                         area_measure($areas[$_key], $area_shadow, 1, $_key);
 784                                 }
 785                         }
 786                 }
 787         }
 788
 789         // Remove 'offset's for area_measure()
 790         foreach(array_keys($array) as $key)
 791                 unset($array[$key]['area']['offset']);
 792
 793         return $array;
 794 }
 795
 796 ?>