sjero.net Git - wget/blob - src/css-url.c

   1 /* Collect URLs from CSS source.
   2    Copyright (C) 1998, 2000, 2001, 2002, 2003, 2009, 2010 Free Software
   3    Foundation, Inc.
   4
   5 This file is part of GNU Wget.
   6
   7 GNU Wget is free software; you can redistribute it and/or modify
   8 it under the terms of the GNU General Public License as published by
   9 the Free Software Foundation; either version 3 of the License, or (at
  10 your option) any later version.
  11
  12 GNU Wget is distributed in the hope that it will be useful,
  13 but WITHOUT ANY WARRANTY; without even the implied warranty of
  14 MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  15 GNU General Public License for more details.
  16
  17 You should have received a copy of the GNU General Public License
  18 along with Wget.  If not, see <http://www.gnu.org/licenses/>.
  19
  20 Additional permission under GNU GPL version 3 section 7
  21
  22 If you modify this program, or any covered work, by linking or
  23 combining it with the OpenSSL project's OpenSSL library (or a
  24 modified version of that library), containing parts covered by the
  25 terms of the OpenSSL or SSLeay licenses, the Free Software Foundation
  26 grants you additional permission to convey the resulting work.
  27 Corresponding Source for a non-source form of such a combination
  28 shall include the source code for the parts of OpenSSL used as well
  29 as that of the covered work.  */
  30
  31 /*
  32   Note that this is not an actual CSS parser, but just a lexical
  33   scanner with a tiny bit more smarts bolted on top.  A full parser
  34   is somewhat overkill for this job.  The only things we're interested
  35   in are @import rules and url() tokens, so it's easy enough to
  36   grab those without truly understanding the input.  The only downside
  37   to this is that we might be coerced into downloading files that
  38   a browser would ignore.  That might merit some more investigation.
  39  */
  40
  41 #include <wget.h>
  42
  43 #include <stdio.h>
  44 #ifdef HAVE_STRING_H
  45 # include <string.h>
  46 #else
  47 # include <strings.h>
  48 #endif
  49 #include <stdlib.h>
  50 #include <ctype.h>
  51 #include <errno.h>
  52
  53 #include "wget.h"
  54 #include "utils.h"
  55 #include "convert.h"
  56 #include "html-url.h"
  57 #include "css-tokens.h"
  58
  59 /* from lex.yy.c */
  60 extern char *yytext;
  61 extern int yyleng;
  62 typedef struct yy_buffer_state *YY_BUFFER_STATE;
  63 extern YY_BUFFER_STATE yy_scan_bytes (const char *bytes,int len  );
  64 extern int yylex (void);
  65
  66 #if 1
  67 const char *token_names[] = {
  68   "CSSEOF",
  69   "S",
  70   "CDO",
  71   "CDC",
  72   "INCLUDES",
  73   "DASHMATCH",
  74   "LBRACE",
  75   "PLUS",
  76   "GREATER",
  77   "COMMA",
  78   "STRING",
  79   "INVALID",
  80   "IDENT",
  81   "HASH",
  82   "IMPORT_SYM",
  83   "PAGE_SYM",
  84   "MEDIA_SYM",
  85   "CHARSET_SYM",
  86   "IMPORTANT_SYM",
  87   "EMS",
  88   "EXS",
  89   "LENGTH",
  90   "ANGLE",
  91   "TIME",
  92   "FREQ",
  93   "DIMENSION",
  94   "PERCENTAGE",
  95   "NUMBER",
  96   "URI",
  97   "FUNCTION"
  98 };
  99 #endif
 100
 101 /*
 102   Given a detected URI token, get only the URI specified within.
 103   Also adjust the starting position and length of the string.
 104
 105   A URI can be specified with or without quotes, and the quotes
 106   can be single or double quotes.  In addition there can be
 107   whitespace after the opening parenthesis and before the closing
 108   parenthesis.
 109 */
 110 char *
 111 get_uri_string (const char *at, int *pos, int *length)
 112 {
 113   char *uri;
 114   /*char buf[1024];
 115   strncpy(buf,at + *pos, *length);
 116   buf[*length] = '\0';
 117   DEBUGP (("get_uri_string: \"%s\"\n", buf));*/
 118
 119   if (0 != strncasecmp (at + *pos, "url(", 4))
 120     return NULL;
 121
 122   *pos += 4;
 123   *length -= 5; /* url() */
 124   /* skip leading space */
 125   while (isspace (at[*pos]))
 126     {
 127       (*pos)++;
 128       if (--(*length) == 0)
 129         return NULL;
 130     }
 131
 132   /* skip trailing space */
 133   while (isspace (at[*pos + *length - 1]))
 134     {
 135       (*length)--;
 136     }
 137   /* trim off quotes */
 138   if (at[*pos] == '\'' || at[*pos] == '"')
 139     {
 140       (*pos)++;
 141       *length -= 2;
 142     }
 143
 144   uri = xmalloc (*length + 1);
 145   if (uri)
 146     {
 147       strncpy (uri, at + *pos, *length);
 148       uri[*length] = '\0';
 149     }
 150
 151   return uri;
 152 }
 153
 154 void
 155 get_urls_css (struct map_context *ctx, int offset, int buf_length)
 156 {
 157   int token;
 158   /*char tmp[2048];*/
 159   int buffer_pos = 0;
 160   int pos, length;
 161   char *uri;
 162
 163   /*
 164   strncpy(tmp,ctx->text + offset, buf_length);
 165   tmp[buf_length] = '\0';
 166   DEBUGP (("get_urls_css: \"%s\"\n", tmp));
 167   */
 168
 169   /* tell flex to scan from this buffer */
 170   yy_scan_bytes (ctx->text + offset, buf_length);
 171
 172   while((token = yylex()) != CSSEOF)
 173     {
 174       /*DEBUGP (("%s ", token_names[token]));*/
 175       /* @import "foo.css"
 176          or @import url(foo.css)
 177       */
 178       if(token == IMPORT_SYM)
 179         {
 180           do {
 181             buffer_pos += yyleng;
 182           } while((token = yylex()) == S);
 183
 184           /*DEBUGP (("%s ", token_names[token]));*/
 185
 186           if (token == STRING || token == URI)
 187             {
 188               /*DEBUGP (("Got URI "));*/
 189               pos = buffer_pos + offset;
 190               length = yyleng;
 191
 192               if (token == URI)
 193                 {
 194                   uri = get_uri_string (ctx->text, &pos, &length);
 195                 }
 196               else
 197                 {
 198                   /* cut out quote characters */
 199                   pos++;
 200                   length -= 2;
 201                   uri = xmalloc (length + 1);
 202                   strncpy (uri, yytext + 1, length);
 203                   uri[length] = '\0';
 204                 }
 205
 206               if (uri)
 207                 {
 208                   struct urlpos *up = append_url (uri, pos, length, ctx);
 209                   DEBUGP (("Found @import: [%s] at %d [%s]\n", yytext, buffer_pos, uri));
 210
 211                   if (up)
 212                     {
 213                       up->link_inline_p = 1;
 214                       up->link_css_p = 1;
 215                       up->link_expect_css = 1;
 216                     }
 217
 218                   xfree(uri);
 219                 }
 220             }
 221         }
 222       /* background-image: url(foo.png)
 223          note that we don't care what
 224          property this is actually on.
 225       */
 226       else if(token == URI)
 227         {
 228           pos = buffer_pos + offset;
 229           length = yyleng;
 230           uri = get_uri_string (ctx->text, &pos, &length);
 231
 232           if (uri)
 233             {
 234               struct urlpos *up = append_url (uri, pos, length, ctx);
 235               DEBUGP (("Found URI: [%s] at %d [%s]\n", yytext, buffer_pos, uri));
 236               if (up)
 237                 {
 238                   up->link_inline_p = 1;
 239                   up->link_css_p = 1;
 240                 }
 241
 242               xfree (uri);
 243             }
 244         }
 245       buffer_pos += yyleng;
 246     }
 247   DEBUGP (("\n"));
 248 }
 249
 250 struct urlpos *
 251 get_urls_css_file (const char *file, const char *url)
 252 {
 253   struct file_memory *fm;
 254   struct map_context ctx;
 255
 256   /* Load the file. */
 257   fm = wget_read_file (file);
 258   if (!fm)
 259     {
 260       logprintf (LOG_NOTQUIET, "%s: %s\n", file, strerror (errno));
 261       return NULL;
 262     }
 263   DEBUGP (("Loaded %s (size %s).\n", file, number_to_static_string (fm->length)));
 264
 265   ctx.text = fm->content;
 266   ctx.head = NULL;
 267   ctx.base = NULL;
 268   ctx.parent_base = url ? url : opt.base_href;
 269   ctx.document_file = file;
 270   ctx.nofollow = 0;
 271
 272   get_urls_css (&ctx, 0, fm->length);
 273   wget_read_file_free (fm);
 274   return ctx.head;
 275 }