Dépôt officiel du core SPIP * Anciennement présent sur svn://trac.rezo.net/spip * Les plugins-dist faisant partie de la distribution SPIP sont présents dans https://git.spip.net/SPIP/[nom du plugin dist] https://www.spip.net
You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
 
 
 
 

1363 lines
40 KiB

<?php
/***************************************************************************\
* SPIP, Système de publication pour l'internet *
* *
* Copyright © avec tendresse depuis 2001 *
* Arnaud Martin, Antoine Pitrou, Philippe Rivière, Emmanuel Saint-James *
* *
* Ce programme est un logiciel libre distribué sous licence GNU/GPL. *
* Pour plus de détails voir le fichier COPYING.txt ou l'aide en ligne. *
\***************************************************************************/
/**
* Ce fichier gère l'obtention de données distantes
*
* @package SPIP\Core\Distant
**/
if (!defined('_ECRIRE_INC_VERSION')) {
return;
}
if (!defined('_INC_DISTANT_VERSION_HTTP')) {
define('_INC_DISTANT_VERSION_HTTP', 'HTTP/1.0');
}
if (!defined('_INC_DISTANT_CONTENT_ENCODING')) {
define('_INC_DISTANT_CONTENT_ENCODING', 'gzip');
}
if (!defined('_INC_DISTANT_USER_AGENT')) {
define('_INC_DISTANT_USER_AGENT', 'SPIP-' . $GLOBALS['spip_version_affichee'] . ' (' . $GLOBALS['home_server'] . ')');
}
if (!defined('_INC_DISTANT_MAX_SIZE')) {
define('_INC_DISTANT_MAX_SIZE', 2097152);
}
if (!defined('_INC_DISTANT_CONNECT_TIMEOUT')) {
define('_INC_DISTANT_CONNECT_TIMEOUT', 10);
}
define('_REGEXP_COPIE_LOCALE', ',' .
preg_replace(
'@^https?:@',
'https?:',
(isset($GLOBALS['meta']['adresse_site']) ? $GLOBALS['meta']['adresse_site'] : '')
)
. '/?spip.php[?]action=acceder_document.*file=(.*)$,');
//@define('_COPIE_LOCALE_MAX_SIZE',2097152); // poids (inc/utils l'a fait)
/**
* Crée au besoin la copie locale d'un fichier distant
*
* Prend en argument un chemin relatif au rep racine, ou une URL
* Renvoie un chemin relatif au rep racine, ou false
*
* @link https://www.spip.net/4155
* @pipeline_appel post_edition
*
* @param string $source
* @param string $mode
* - 'test' - ne faire que tester
* - 'auto' - charger au besoin
* - 'modif' - Si deja present, ne charger que si If-Modified-Since
* - 'force' - charger toujours (mettre a jour)
* @param string $local
* permet de specifier le nom du fichier local (stockage d'un cache par exemple, et non document IMG)
* @param int $taille_max
* taille maxi de la copie local, par defaut _COPIE_LOCALE_MAX_SIZE
* @return bool|string
*/
function copie_locale($source, $mode = 'auto', $local = null, $taille_max = null) {
// si c'est la protection de soi-meme, retourner le path
if ($mode !== 'force' and preg_match(_REGEXP_COPIE_LOCALE, $source, $match)) {
$source = substr(_DIR_IMG, strlen(_DIR_RACINE)) . urldecode($match[1]);
return @file_exists($source) ? $source : false;
}
if (is_null($local)) {
$local = fichier_copie_locale($source);
} else {
if (_DIR_RACINE and strncmp(_DIR_RACINE, $local, strlen(_DIR_RACINE)) == 0) {
$local = substr($local, strlen(_DIR_RACINE));
}
}
// si $local = '' c'est un fichier refuse par fichier_copie_locale(),
// par exemple un fichier qui ne figure pas dans nos documents ;
// dans ce cas on n'essaie pas de le telecharger pour ensuite echouer
if (!$local) {
return false;
}
$localrac = _DIR_RACINE . $local;
$t = ($mode == 'force') ? false : @file_exists($localrac);
// test d'existence du fichier
if ($mode == 'test') {
return $t ? $local : '';
}
// sinon voir si on doit/peut le telecharger
if ($local == $source or !tester_url_absolue($source)) {
return $local;
}
if ($mode == 'modif' or !$t) {
// passer par un fichier temporaire unique pour gerer les echecs en cours de recuperation
// et des eventuelles recuperations concurantes
include_spip('inc/acces');
if (!$taille_max) {
$taille_max = _COPIE_LOCALE_MAX_SIZE;
}
$res = recuperer_url(
$source,
['file' => $localrac, 'taille_max' => $taille_max, 'if_modified_since' => $t ? filemtime($localrac) : '']
);
if (!$res or (!$res['length'] and $res['status'] != 304)) {
spip_log("copie_locale : Echec recuperation $source sur $localrac status : " . $res['status'], 'distant' . _LOG_INFO_IMPORTANTE);
}
if (!$res['length']) {
// si $t c'est sans doute juste un not-modified-since
return $t ? $local : false;
}
spip_log("copie_locale : recuperation $source sur $localrac taille " . $res['length'] . ' OK', 'distant');
// pour une eventuelle indexation
pipeline(
'post_edition',
[
'args' => [
'operation' => 'copie_locale',
'source' => $source,
'fichier' => $local,
'http_res' => $res['length'],
],
'data' => null
]
);
}
return $local;
}
/**
* Valider qu'une URL d'un document distant est bien distante
* et pas une url localhost qui permet d'avoir des infos sur le serveur
* inspiree de https://core.trac.wordpress.org/browser/trunk/src/wp-includes/http.php?rev=36435#L500
*
* @param string $url
* @param array $known_hosts
* url/hosts externes connus et acceptes
* @return false|string
* url ou false en cas d'echec
*/
function valider_url_distante($url, $known_hosts = []) {
if (!function_exists('protocole_verifier')) {
include_spip('inc/filtres_mini');
}
if (!protocole_verifier($url, ['http', 'https'])) {
return false;
}
$parsed_url = parse_url($url);
if (!$parsed_url or empty($parsed_url['host'])) {
return false;
}
if (isset($parsed_url['user']) or isset($parsed_url['pass'])) {
return false;
}
if (false !== strpbrk($parsed_url['host'], ':#?[]')) {
return false;
}
if (!is_array($known_hosts)) {
$known_hosts = [$known_hosts];
}
$known_hosts[] = $GLOBALS['meta']['adresse_site'];
$known_hosts[] = url_de_base();
$known_hosts = pipeline('declarer_hosts_distants', $known_hosts);
$is_known_host = false;
foreach ($known_hosts as $known_host) {
$parse_known = parse_url($known_host);
if (
$parse_known
and strtolower($parse_known['host']) === strtolower($parsed_url['host'])
) {
$is_known_host = true;
break;
}
}
if (!$is_known_host) {
$host = trim($parsed_url['host'], '.');
if (preg_match('#^\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}$#', $host)) {
$ip = $host;
} else {
$ip = gethostbyname($host);
if ($ip === $host) {
// Error condition for gethostbyname()
$ip = false;
}
}
if ($ip) {
$parts = array_map('intval', explode('.', $ip));
if (
127 === $parts[0] or 10 === $parts[0] or 0 === $parts[0]
or ( 172 === $parts[0] and 16 <= $parts[1] and 31 >= $parts[1] )
or ( 192 === $parts[0] && 168 === $parts[1] )
) {
return false;
}
}
}
if (empty($parsed_url['port'])) {
return $url;
}
$port = $parsed_url['port'];
if ($port === 80 or $port === 443 or $port === 8080) {
return $url;
}
if ($is_known_host) {
foreach ($known_hosts as $known_host) {
$parse_known = parse_url($known_host);
if (
$parse_known
and !empty($parse_known['port'])
and strtolower($parse_known['host']) === strtolower($parsed_url['host'])
and $parse_known['port'] == $port
) {
return $url;
}
}
}
return false;
}
/**
* Preparer les donnes pour un POST
* si $donnees est une chaine
* - charge a l'envoyeur de la boundariser, de gerer le Content-Type,
* de séparer les entetes des données par une ligne vide etc...
* - on traite les retour ligne pour les mettre au bon format
* - on decoupe en entete/corps (separes par ligne vide)
* si $donnees est un tableau
* - structuration en chaine avec boundary si necessaire ou fournie et bon Content-Type
*
* @param string|array $donnees
* @param string $boundary
* @return array
* entete,corps
*/
function prepare_donnees_post($donnees, $boundary = '') {
// permettre a la fonction qui a demande le post de formater elle meme ses donnees
// pour un appel soap par exemple
// l'entete est separe des donnees par un double retour a la ligne
// on s'occupe ici de passer tous les retours lignes (\r\n, \r ou \n) en \r\n
if (is_string($donnees) && strlen($donnees)) {
$entete = '';
// on repasse tous les \r\n et \r en simples \n
$donnees = str_replace("\r\n", "\n", $donnees);
$donnees = str_replace("\r", "\n", $donnees);
// un double retour a la ligne signifie la fin de l'entete et le debut des donnees
$p = strpos($donnees, "\n\n");
if ($p !== false) {
$entete = str_replace("\n", "\r\n", substr($donnees, 0, $p + 1));
$donnees = substr($donnees, $p + 2);
}
$chaine = str_replace("\n", "\r\n", $donnees);
} else {
/* boundary automatique */
// Si on a plus de 500 octects de donnees, on "boundarise"
if ($boundary === '') {
$taille = 0;
foreach ($donnees as $cle => $valeur) {
if (is_array($valeur)) {
foreach ($valeur as $val2) {
$taille += strlen($val2);
}
} else {
// faut-il utiliser spip_strlen() dans inc/charsets ?
$taille += strlen($valeur);
}
}
if ($taille > 500) {
$boundary = substr(md5(rand() . 'spip'), 0, 8);
}
}
if (is_string($boundary) and strlen($boundary)) {
// fabrique une chaine HTTP pour un POST avec boundary
$entete = "Content-Type: multipart/form-data; boundary=$boundary\r\n";
$chaine = '';
if (is_array($donnees)) {
foreach ($donnees as $cle => $valeur) {
if (is_array($valeur)) {
foreach ($valeur as $val2) {
$chaine .= "\r\n--$boundary\r\n";
$chaine .= "Content-Disposition: form-data; name=\"{$cle}[]\"\r\n";
$chaine .= "\r\n";
$chaine .= $val2;
}
} else {
$chaine .= "\r\n--$boundary\r\n";
$chaine .= "Content-Disposition: form-data; name=\"$cle\"\r\n";
$chaine .= "\r\n";
$chaine .= $valeur;
}
}
$chaine .= "\r\n--$boundary\r\n";
}
} else {
// fabrique une chaine HTTP simple pour un POST
$entete = 'Content-Type: application/x-www-form-urlencoded' . "\r\n";
$chaine = [];
if (is_array($donnees)) {
foreach ($donnees as $cle => $valeur) {
if (is_array($valeur)) {
foreach ($valeur as $val2) {
$chaine[] = rawurlencode($cle) . '[]=' . rawurlencode($val2);
}
} else {
$chaine[] = rawurlencode($cle) . '=' . rawurlencode($valeur);
}
}
$chaine = implode('&', $chaine);
} else {
$chaine = $donnees;
}
}
}
return [$entete, $chaine];
}
/**
* Convertir une URL dont le host est en utf8 en ascii
* Utilise la librairie https://github.com/phlylabs/idna-convert/tree/v0.9.1
* dans sa derniere version compatible toutes version PHP 5
* La fonction PHP idn_to_ascii depend d'un package php5-intl et est rarement disponible
*
* @param string $url_idn
* @return array|string
*/
function url_to_ascii($url_idn) {
if ($parts = parse_url($url_idn)) {
$host = $parts['host'];
if (!preg_match(',^[a-z0-9_\.\-]+$,i', $host)) {
include_spip('inc/idna_convert.class');
$IDN = new idna_convert();
$host_ascii = $IDN->encode($host);
$url_idn = explode($host, $url_idn, 2);
$url_idn = implode($host_ascii, $url_idn);
}
// et on urlencode les char utf si besoin dans le path
$url_idn = preg_replace_callback('/[^\x20-\x7f]/', function ($match) {
return urlencode($match[0]);
}, $url_idn);
}
return $url_idn;
}
/**
* Récupère le contenu d'une URL
* au besoin encode son contenu dans le charset local
*
* @uses init_http()
* @uses recuperer_entetes_complets()
* @uses recuperer_body()
* @uses transcoder_page()
* @uses prepare_donnees_post()
*
* @param string $url
* @param array $options
* bool transcoder : true si on veut transcoder la page dans le charset du site
* string methode : Type de requête HTTP à faire (HEAD, GET, POST, PUT, DELETE)
* int taille_max : Arrêter le contenu au-delà (0 = seulement les entetes ==> requête HEAD). Par defaut taille_max = 1Mo ou 16Mo si copie dans un fichier
* array headers : tableau associatif d'entetes https a envoyer
* string|array datas : Pour envoyer des donnees (array) et/ou entetes au complet, avec saut de ligne entre headers et donnees ( string @see prepare_donnees_post()) (force la methode POST si donnees non vide)
* string boundary : boundary pour formater les datas au format array
* bool refuser_gz : Pour forcer le refus de la compression (cas des serveurs orthographiques)
* int if_modified_since : Un timestamp unix pour arrêter la récuperation si la page distante n'a pas été modifiée depuis une date donnée
* string uri_referer : Pour préciser un référer différent
* string file : nom du fichier dans lequel copier le contenu
* int follow_location : nombre de redirections a suivre (0 pour ne rien suivre)
* string version_http : version du protocole HTTP a utiliser (par defaut defini par la constante _INC_DISTANT_VERSION_HTTP)
* @return array|bool
* false si echec
* array sinon :
* int status : le status de la page
* string headers : les entetes de la page
* string page : le contenu de la page (vide si copie dans un fichier)
* int last_modified : timestamp de derniere modification
* string location : url de redirection envoyee par la page
* string url : url reelle de la page recuperee
* int length : taille du contenu ou du fichier
*
* string file : nom du fichier si enregistre dans un fichier
*/
function recuperer_url($url, $options = []) {
// Conserve la mémoire de la méthode fournit éventuellement
$methode_demandee = $options['methode'] ?? '';
$default = [
'transcoder' => false,
'methode' => 'GET',
'taille_max' => null,
'headers' => [],
'datas' => '',
'boundary' => '',
'refuser_gz' => false,
'if_modified_since' => '',
'uri_referer' => '',
'file' => '',
'follow_location' => 10,
'version_http' => _INC_DISTANT_VERSION_HTTP,
];
$options = array_merge($default, $options);
// copier directement dans un fichier ?
$copy = $options['file'];
if ($options['methode'] == 'HEAD') {
$options['taille_max'] = 0;
}
if (is_null($options['taille_max'])) {
$options['taille_max'] = $copy ? _COPIE_LOCALE_MAX_SIZE : _INC_DISTANT_MAX_SIZE;
}
// Ajout des en-têtes spécifiques si besoin
$head_add = '';
if (!empty($options['headers'])) {
foreach ($options['headers'] as $champ => $valeur) {
$head_add .= $champ . ': ' . $valeur . "\r\n";
}
// ne pas le repasser a recuperer_url si on follow un location, car ils seront dans datas
unset($options['entetes']);
}
if (!empty($options['datas'])) {
list($head, $postdata) = prepare_donnees_post($options['datas'], $options['boundary']);
$head .= $head_add;
if (stripos($head, 'Content-Length:') === false) {
$head .= 'Content-Length: ' . strlen($postdata) . "\r\n";
}
$options['datas'] = $head . "\r\n" . $postdata;
if (
strlen($postdata)
and !$methode_demandee
) {
$options['methode'] = 'POST';
}
} elseif ($head_add) {
$options['datas'] = $head_add . "\r\n";
}
// Accepter les URLs au format feed:// ou qui ont oublie le http:// ou les urls relatives au protocole
$url = preg_replace(',^feed://,i', 'http://', $url);
if (!tester_url_absolue($url)) {
$url = 'http://' . $url;
} elseif (strncmp($url, '//', 2) == 0) {
$url = 'http:' . $url;
}
$url = url_to_ascii($url);
$result = [
'status' => 0,
'headers' => '',
'page' => '',
'length' => 0,
'last_modified' => '',
'location' => '',
'url' => $url
];
// si on ecrit directement dans un fichier, pour ne pas manipuler en memoire refuser gz
$refuser_gz = (($options['refuser_gz'] or $copy) ? true : false);
// ouvrir la connexion et envoyer la requete et ses en-tetes
list($handle, $fopen) = init_http(
$options['methode'],
$url,
$refuser_gz,
$options['uri_referer'],
$options['datas'],
$options['version_http'],
$options['if_modified_since']
);
if (!$handle) {
spip_log("ECHEC init_http $url", 'distant' . _LOG_ERREUR);
return false;
}
// Sauf en fopen, envoyer le flux d'entree
// et recuperer les en-tetes de reponses
if (!$fopen) {
$res = recuperer_entetes_complets($handle, $options['if_modified_since']);
if (!$res) {
fclose($handle);
$t = @parse_url($url);
$host = $t['host'];
// Chinoisierie inexplicable pour contrer
// les actions liberticides de l'empire du milieu
if (
!need_proxy($host)
and $res = @file_get_contents($url)
) {
$result['length'] = strlen($res);
if ($copy) {
ecrire_fichier($copy, $res);
$result['file'] = $copy;
} else {
$result['page'] = $res;
}
$res = [
'status' => 200,
];
} else {
spip_log("ECHEC chinoiserie $url", 'distant' . _LOG_ERREUR);
return false;
}
} elseif ($res['location'] and $options['follow_location']) {
$options['follow_location']--;
fclose($handle);
include_spip('inc/filtres');
$url = suivre_lien($url, $res['location']);
spip_log("recuperer_url recommence sur $url", 'distant');
return recuperer_url($url, $options);
} elseif ($res['status'] !== 200) {
spip_log('HTTP status ' . $res['status'] . " pour $url", 'distant');
}
$result['status'] = $res['status'];
if (isset($res['headers'])) {
$result['headers'] = $res['headers'];
}
if (isset($res['last_modified'])) {
$result['last_modified'] = $res['last_modified'];
}
if (isset($res['location'])) {
$result['location'] = $res['location'];
}
}
// on ne veut que les entetes
if (!$options['taille_max'] or $options['methode'] == 'HEAD' or $result['status'] == '304') {
return $result;
}
// s'il faut deballer, le faire via un fichier temporaire
// sinon la memoire explose pour les gros flux
$gz = false;
if (preg_match(",\bContent-Encoding: .*gzip,is", $result['headers'])) {
$gz = (_DIR_TMP . md5(uniqid(mt_rand())) . '.tmp.gz');
}
// si on a pas deja recuperer le contenu par une methode detournee
if (!$result['length']) {
$res = recuperer_body($handle, $options['taille_max'], $gz ? $gz : $copy);
fclose($handle);
if ($copy) {
$result['length'] = $res;
$result['file'] = $copy;
} elseif ($res) {
$result['page'] = &$res;
$result['length'] = strlen($result['page']);
}
if (!$result['status']) {
$result['status'] = 200; // on a reussi, donc !
}
}
if (!$result['page']) {
return $result;
}
// Decompresser au besoin
if ($gz) {
$result['page'] = implode('', gzfile($gz));
supprimer_fichier($gz);
}
// Faut-il l'importer dans notre charset local ?
if ($options['transcoder']) {
include_spip('inc/charsets');
$result['page'] = transcoder_page($result['page'], $result['headers']);
}
return $result;
}
/**
* Récuperer une URL si on l'a pas déjà dans un cache fichier
*
* Le délai de cache est fourni par l'option `delai_cache`
* Les autres options et le format de retour sont identiques à la fonction `recuperer_url`
* @uses recuperer_url()
*
* @param string $url
* @param array $options
* int delai_cache : anciennete acceptable pour le contenu (en seconde)
* @return array|bool|mixed
*/
function recuperer_url_cache($url, $options = []) {
if (!defined('_DELAI_RECUPERER_URL_CACHE')) {
define('_DELAI_RECUPERER_URL_CACHE', 3600);
}
$default = [
'transcoder' => false,
'methode' => 'GET',
'taille_max' => null,
'datas' => '',
'boundary' => '',
'refuser_gz' => false,
'if_modified_since' => '',
'uri_referer' => '',
'file' => '',
'follow_location' => 10,
'version_http' => _INC_DISTANT_VERSION_HTTP,
'delai_cache' => in_array(_VAR_MODE, ['preview', 'recalcul']) ? 0 : _DELAI_RECUPERER_URL_CACHE,
];
$options = array_merge($default, $options);
// cas ou il n'est pas possible de cacher
if (!empty($options['data']) or $options['methode'] == 'POST') {
return recuperer_url($url, $options);
}
// ne pas tenter plusieurs fois la meme url en erreur (non cachee donc)
static $errors = [];
if (isset($errors[$url])) {
return $errors[$url];
}
$sig = $options;
unset($sig['if_modified_since']);
unset($sig['delai_cache']);
$sig['url'] = $url;
$dir = sous_repertoire(_DIR_CACHE, 'curl');
$cache = md5(serialize($sig)) . '-' . substr(preg_replace(',\W+,', '_', $url), 0, 80);
$sub = sous_repertoire($dir, substr($cache, 0, 2));
$cache = "$sub$cache";
$res = false;
$is_cached = file_exists($cache);
if (
$is_cached
and (filemtime($cache) > $_SERVER['REQUEST_TIME'] - $options['delai_cache'])
) {
lire_fichier($cache, $res);
if ($res = unserialize($res)) {
// mettre le last_modified et le status=304 ?
}
}
if (!$res) {
$res = recuperer_url($url, $options);
// ne pas recharger cette url non cachee dans le meme hit puisque non disponible
if (!$res) {
if ($is_cached) {
// on a pas reussi a recuperer mais on avait un cache : l'utiliser
lire_fichier($cache, $res);
$res = unserialize($res);
}
return $errors[$url] = $res;
}
ecrire_fichier($cache, serialize($res));
}
return $res;
}
/**
* Recuperer le contenu sur lequel pointe la resource passee en argument
* $taille_max permet de tronquer
* de l'url dont on a deja recupere les en-tetes
*
* @param resource $handle
* @param int $taille_max
* @param string $fichier
* fichier dans lequel copier le contenu de la resource
* @return bool|int|string
* bool false si echec
* int taille du fichier si argument fichier fourni
* string contenu de la resource
*/
function recuperer_body($handle, $taille_max = _INC_DISTANT_MAX_SIZE, $fichier = '') {
$taille = 0;
$result = '';
$fp = false;
if ($fichier) {
include_spip('inc/acces');
$tmpfile = "$fichier." . creer_uniqid() . '.tmp';
$fp = spip_fopen_lock($tmpfile, 'w', LOCK_EX);
if (!$fp and file_exists($fichier)) {
return filesize($fichier);
}
if (!$fp) {
return false;
}
$result = 0; // on renvoie la taille du fichier
}
while (!feof($handle) and $taille < $taille_max) {
$res = fread($handle, 16384);
$taille += strlen($res);
if ($fp) {
fwrite($fp, $res);
$result = $taille;
} else {
$result .= $res;
}
}
if ($fp) {
spip_fclose_unlock($fp);
spip_unlink($fichier);
@rename($tmpfile, $fichier);
if (!file_exists($fichier)) {
return false;
}
}
return $result;
}
/**
* Lit les entetes de reponse HTTP sur la socket $handle
* et retourne
* false en cas d'echec,
* un tableau associatif en cas de succes, contenant :
* - le status
* - le tableau complet des headers
* - la date de derniere modif si connue
* - l'url de redirection si specifiee
*
* @param resource $handle
* @param int|bool $if_modified_since
* @return bool|array
* int status
* string headers
* int last_modified
* string location
*/
function recuperer_entetes_complets($handle, $if_modified_since = false) {
$result = ['status' => 0, 'headers' => [], 'last_modified' => 0, 'location' => ''];
$s = @trim(fgets($handle, 16384));
if (!preg_match(',^HTTP/[0-9]+\.[0-9]+ ([0-9]+),', $s, $r)) {
return false;
}
$result['status'] = intval($r[1]);
while ($s = trim(fgets($handle, 16384))) {
$result['headers'][] = $s . "\n";
preg_match(',^([^:]*): *(.*)$,i', $s, $r);
list(, $d, $v) = $r;
if (strtolower(trim($d)) == 'location' and $result['status'] >= 300 and $result['status'] < 400) {
$result['location'] = $v;
} elseif ($d == 'Last-Modified') {
$result['last_modified'] = strtotime($v);
}
}
if (
$if_modified_since
and $result['last_modified']
and $if_modified_since > $result['last_modified']
and $result['status'] == 200
) {
$result['status'] = 304;
}
$result['headers'] = implode('', $result['headers']);
return $result;
}
/**
* Calcule le nom canonique d'une copie local d'un fichier distant
*
* Si on doit conserver une copie locale des fichiers distants, autant que ca
* soit à un endroit canonique
*
* @note
* Si ca peut être bijectif c'est encore mieux,
* mais là tout de suite je ne trouve pas l'idee, étant donné les limitations
* des filesystems
*
* @param string $source
* URL de la source
* @param string $extension
* Extension du fichier
* @return string
* Nom du fichier pour copie locale
**/
function nom_fichier_copie_locale($source, $extension) {
include_spip('inc/documents');
$d = creer_repertoire_documents('distant'); # IMG/distant/
$d = sous_repertoire($d, $extension); # IMG/distant/pdf/
// on se place tout le temps comme si on etait a la racine
if (_DIR_RACINE) {
$d = preg_replace(',^' . preg_quote(_DIR_RACINE) . ',', '', $d);
}
$m = md5($source);
return $d
. substr(preg_replace(',[^\w-],', '', basename($source)) . '-' . $m, 0, 12)
. substr($m, 0, 4)
. ".$extension";
}
/**
* Donne le nom de la copie locale de la source
*
* Soit obtient l'extension du fichier directement de l'URL de la source,
* soit tente de le calculer.
*
* @uses nom_fichier_copie_locale()
* @uses recuperer_infos_distantes()
*
* @param string $source
* URL de la source distante
* @return string
* Nom du fichier calculé
**/
function fichier_copie_locale($source) {
// Si c'est deja local pas de souci
if (!tester_url_absolue($source)) {
if (_DIR_RACINE) {
$source = preg_replace(',^' . preg_quote(_DIR_RACINE) . ',', '', $source);
}
return $source;
}
// optimisation : on regarde si on peut deviner l'extension dans l'url et si le fichier
// a deja ete copie en local avec cette extension
// dans ce cas elle est fiable, pas la peine de requeter en base
$path_parts = pathinfo($source);
if (!isset($path_parts['extension'])) {
$path_parts['extension'] = '';
}
$ext = $path_parts ? $path_parts['extension'] : '';
if (
$ext
and preg_match(',^\w+$,', $ext) // pas de php?truc=1&...
and $f = nom_fichier_copie_locale($source, $ext)
and file_exists(_DIR_RACINE . $f)
) {
return $f;
}
// Si c'est deja dans la table des documents,
// ramener le nom de sa copie potentielle
$ext = sql_getfetsel('extension', 'spip_documents', 'fichier=' . sql_quote($source) . " AND distant='oui' AND extension <> ''");
if ($ext) {
return nom_fichier_copie_locale($source, $ext);
}
// voir si l'extension indiquee dans le nom du fichier est ok
// et si il n'aurait pas deja ete rapatrie
$ext = $path_parts ? $path_parts['extension'] : '';
if ($ext and sql_getfetsel('extension', 'spip_types_documents', 'extension=' . sql_quote($ext))) {
$f = nom_fichier_copie_locale($source, $ext);
if (file_exists(_DIR_RACINE . $f)) {
return $f;
}
}
// Ping pour voir si son extension est connue et autorisee
// avec mise en cache du resultat du ping
$cache = sous_repertoire(_DIR_CACHE, 'rid') . md5($source);
if (
!@file_exists($cache)
or !$path_parts = @unserialize(spip_file_get_contents($cache))
or _request('var_mode') == 'recalcul'
) {
$path_parts = recuperer_infos_distantes($source, 0, false);
ecrire_fichier($cache, serialize($path_parts));
}
$ext = !empty($path_parts['extension']) ? $path_parts['extension'] : '';
if ($ext and sql_getfetsel('extension', 'spip_types_documents', 'extension=' . sql_quote($ext))) {
return nom_fichier_copie_locale($source, $ext);
}
spip_log("pas de copie locale pour $source", 'distant' . _LOG_ERREUR);
}
/**
* Récupérer les infos d'un document distant, sans trop le télécharger
*
* @param string $source
* URL de la source
* @param int $max
* Taille maximum du fichier à télécharger
* @param bool $charger_si_petite_image
* Pour télécharger le document s'il est petit
* @return array
* Couples des informations obtenues parmis :
*
* - 'body' = chaine
* - 'type_image' = booleen
* - 'titre' = chaine
* - 'largeur' = intval
* - 'hauteur' = intval
* - 'taille' = intval
* - 'extension' = chaine
* - 'fichier' = chaine
* - 'mime_type' = chaine
**/
function recuperer_infos_distantes($source, $max = 0, $charger_si_petite_image = true) {
// pas la peine de perdre son temps
if (!tester_url_absolue($source)) {
return false;
}
# charger les alias des types mime
include_spip('base/typedoc');
$a = [];
$mime_type = '';
// On va directement charger le debut des images et des fichiers html,
// de maniere a attrapper le maximum d'infos (titre, taille, etc). Si
// ca echoue l'utilisateur devra les entrer...
$reponse = recuperer_url($source, ['taille_max' => $max, 'refuser_gz' => true]);
$headers = $reponse['headers'] ?? '';
$a['body'] = $reponse['page'] ?? '';
if ($headers) {
if (preg_match(",\nContent-Type: *([^[:space:];]*),i", "\n$headers", $regs)) {
$mime_type = (trim($regs[1]));
} else {
$mime_type = '';
} // inconnu
// Appliquer les alias
while (isset($GLOBALS['mime_alias'][$mime_type])) {
$mime_type = $GLOBALS['mime_alias'][$mime_type];
}
// Si on a un mime-type insignifiant
// text/plain,application/octet-stream ou vide
// c'est peut-etre que le serveur ne sait pas
// ce qu'il sert ; on va tenter de detecter via l'extension de l'url
// ou le Content-Disposition: attachment; filename=...
$t = null;
if (in_array($mime_type, ['text/plain', '', 'application/octet-stream'])) {
if (
!$t
and preg_match(',\.([a-z0-9]+)(\?.*)?$,i', $source, $rext)
) {
$t = sql_fetsel('extension', 'spip_types_documents', 'extension=' . sql_quote($rext[1], '', 'text'));
}
if (
!$t
and preg_match(',^Content-Disposition:\s*attachment;\s*filename=(.*)$,Uims', $headers, $m)
and preg_match(',\.([a-z0-9]+)(\?.*)?$,i', $m[1], $rext)
) {
$t = sql_fetsel('extension', 'spip_types_documents', 'extension=' . sql_quote($rext[1], '', 'text'));
}
}
// Autre mime/type (ou text/plain avec fichier d'extension inconnue)
if (!$t) {
$t = sql_fetsel('extension', 'spip_types_documents', 'mime_type=' . sql_quote($mime_type));
}
// Toujours rien ? (ex: audio/x-ogg au lieu de application/ogg)
// On essaie de nouveau avec l'extension
if (
!$t
and $mime_type != 'text/plain'
and preg_match(',\.([a-z0-9]+)(\?.*)?$,i', $source, $rext)
) {
# eviter xxx.3 => 3gp (> SPIP 3)
$t = sql_fetsel('extension', 'spip_types_documents', 'extension=' . sql_quote($rext[1], '', 'text'));
}
if ($t) {
spip_log("mime-type $mime_type ok, extension " . $t['extension'], 'distant');
$a['extension'] = $t['extension'];
} else {
# par defaut on retombe sur '.bin' si c'est autorise
spip_log("mime-type $mime_type inconnu", 'distant');
$t = sql_fetsel('extension', 'spip_types_documents', "extension='bin'");
if (!$t) {
return false;
}
$a['extension'] = $t['extension'];
}
if (preg_match(",\nContent-Length: *([^[:space:]]*),i", "\n$headers", $regs)) {
$a['taille'] = intval($regs[1]);
}
}
// Echec avec HEAD, on tente avec GET
if (!$a and !$max) {
spip_log("tenter GET $source", 'distant');
$a = recuperer_infos_distantes($source, _INC_DISTANT_MAX_SIZE);
}
// si on a rien trouve pas la peine d'insister
if (!$a) {
return false;
}
// S'il s'agit d'une image pas trop grosse ou d'un fichier html, on va aller
// recharger le document en GET et recuperer des donnees supplementaires...
include_spip('inc/filtres_images_lib_mini');
if (
strpos($mime_type, 'image/') === 0
and $extension = _image_trouver_extension_depuis_mime($mime_type)
) {
if (
$max == 0
and (empty($a['taille']) or $a['taille'] < _INC_DISTANT_MAX_SIZE)
and in_array($extension, formats_image_acceptables())
and $charger_si_petite_image
) {
$a = recuperer_infos_distantes($source, _INC_DISTANT_MAX_SIZE);
} else {
if ($a['body']) {
$a['extension'] = $extension;
$a['fichier'] = _DIR_RACINE . nom_fichier_copie_locale($source, $extension);
ecrire_fichier($a['fichier'], $a['body']);
$size_image = @spip_getimagesize($a['fichier']);
$a['largeur'] = intval($size_image[0]);
$a['hauteur'] = intval($size_image[1]);
$a['type_image'] = true;
}
}
}
// Fichier swf, si on n'a pas la taille, on va mettre 425x350 par defaut
// ce sera mieux que 0x0
// Flash is dead!
if (
$a and isset($a['extension']) and $a['extension'] == 'swf'
and empty($a['largeur'])
) {
$a['largeur'] = 425;
$a['hauteur'] = 350;
}
if ($mime_type == 'text/html') {
include_spip('inc/filtres');
$page = recuperer_url($source, ['transcoder' => true, 'taille_max' => _INC_DISTANT_MAX_SIZE]);
$page = $page['page'] ?? '';
if (preg_match(',<title>(.*?)</title>,ims', $page, $regs)) {
$a['titre'] = corriger_caracteres(trim($regs[1]));
}
if (!isset($a['taille']) or !$a['taille']) {
$a['taille'] = strlen($page); # a peu pres
}
}
$a['mime_type'] = $mime_type;
return $a;
}
/**
* Tester si un host peut etre recuperer directement ou doit passer par un proxy
*
* On peut passer en parametre le proxy et la liste des host exclus,
* pour les besoins des tests, lors de la configuration
*
* @param string $host
* @param string $http_proxy
* @param string $http_noproxy
* @return string
*/
function need_proxy($host, $http_proxy = null, $http_noproxy = null) {
if (is_null($http_proxy)) {
$http_proxy = isset($GLOBALS['meta']['http_proxy']) ? $GLOBALS['meta']['http_proxy'] : null;
}
// rien a faire si pas de proxy :)
if (is_null($http_proxy) or !$http_proxy = trim($http_proxy)) {
return '';
}
if (is_null($http_noproxy)) {
$http_noproxy = isset($GLOBALS['meta']['http_noproxy']) ? $GLOBALS['meta']['http_noproxy'] : null;
}
// si pas d'exception, on retourne le proxy
if (is_null($http_noproxy) or !$http_noproxy = trim($http_noproxy)) {
return $http_proxy;
}
// si le host ou l'un des domaines parents est dans $http_noproxy on fait exception
// $http_noproxy peut contenir plusieurs domaines separes par des espaces ou retour ligne
$http_noproxy = str_replace("\n", ' ', $http_noproxy);
$http_noproxy = str_replace("\r", ' ', $http_noproxy);
$http_noproxy = " $http_noproxy ";
$domain = $host;
// si le domaine exact www.example.org est dans les exceptions
if (strpos($http_noproxy, " $domain ") !== false) {
return '';
}
while (strpos($domain, '.') !== false) {
$domain = explode('.', $domain);
array_shift($domain);
$domain = implode('.', $domain);
// ou si un domaine parent commencant par un . est dans les exceptions (indiquant qu'il couvre tous les sous-domaines)
if (strpos($http_noproxy, " .$domain ") !== false) {
return '';
}
}
// ok c'est pas une exception
return $http_proxy;
}
/**
* Initialise une requete HTTP avec entetes
*
* Décompose l'url en son schema+host+path+port et lance la requete.
* Retourne le descripteur sur lequel lire la réponse.
*
* @uses lance_requete()
*
* @param string $method
* HEAD, GET, POST
* @param string $url
* @param bool $refuse_gz
* @param string $referer
* @param string $datas
* @param string $vers
* @param string $date
* @return array
*/
function init_http($method, $url, $refuse_gz = false, $referer = '', $datas = '', $vers = 'HTTP/1.0', $date = '') {
$user = $via_proxy = $proxy_user = '';
$fopen = false;
$t = @parse_url($url);
$host = $t['host'];
if ($t['scheme'] == 'http') {
$scheme = 'http';
$noproxy = '';
} elseif ($t['scheme'] == 'https') {
$scheme = 'ssl';
$noproxy = 'ssl://';
if (!isset($t['port']) || !($port = $t['port'])) {
$t['port'] = 443;
}
} else {
$scheme = $t['scheme'];
$noproxy = $scheme . '://';
}
if (isset($t['user'])) {
$user = [$t['user'], $t['pass']];
}
if (!isset($t['port']) || !($port = $t['port'])) {
$port = 80;
}
if (!isset($t['path']) || !($path = $t['path'])) {
$path = '/';
}
if (!empty($t['query'])) {
$path .= '?' . $t['query'];
}
$f = lance_requete($method, $scheme, $user, $host, $path, $port, $noproxy, $refuse_gz, $referer, $datas, $vers, $date);
if (!$f or !is_resource($f)) {
// fallback : fopen si on a pas fait timeout dans lance_requete
// ce qui correspond a $f===110
if (
$f !== 110
and !need_proxy($host)
and !_request('tester_proxy')
and (!isset($GLOBALS['inc_distant_allow_fopen']) or $GLOBALS['inc_distant_allow_fopen'])
) {
$f = @fopen($url, 'rb');
spip_log("connexion vers $url par simple fopen", 'distant');
$fopen = true;
} else {
// echec total
$f = false;
}
}
return [$f, $fopen];
}
/**
* Lancer la requete proprement dite
*
* @param string $method
* type de la requete (GET, HEAD, POST...)
* @param string $scheme
* protocole (http, tls, ftp...)
* @param array $user
* couple (utilisateur, mot de passe) en cas d'authentification http
* @param string $host
* nom de domaine
* @param string $path
* chemin de la page cherchee
* @param string $port
* port utilise pour la connexion
* @param bool $noproxy
* protocole utilise si requete sans proxy
* @param bool $refuse_gz
* refuser la compression GZ
* @param string $referer
* referer
* @param string $datas
* donnees postees
* @param string $vers
* version HTTP
* @param int|string $date
* timestamp pour entente If-Modified-Since
* @return bool|resource
* false|int si echec
* resource socket vers l'url demandee
*/
function lance_requete(
$method,
$scheme,
$user,
$host,
$path,
$port,
$noproxy,
$refuse_gz = false,
$referer = '',
$datas = '',
$vers = 'HTTP/1.0',
$date = ''
) {
$proxy_user = '';
$http_proxy = need_proxy($host);
if ($user) {
$user = urlencode($user[0]) . ':' . urlencode($user[1]);
}
$connect = '';
if ($http_proxy) {
if (!defined('_PROXY_HTTPS_NOT_VIA_CONNECT') and in_array($scheme, ['tls','ssl'])) {
$path_host = (!$user ? '' : "$user@") . $host . (($port != 80) ? ":$port" : '');
$connect = 'CONNECT ' . $path_host . " $vers\r\n"
. "Host: $path_host\r\n"
. "Proxy-Connection: Keep-Alive\r\n";
} else {
$path = (in_array($scheme, ['tls','ssl']) ? 'https://' : "$scheme://")
. (!$user ? '' : "$user@")
. "$host" . (($port != 80) ? ":$port" : '') . $path;
}
$t2 = @parse_url($http_proxy);
$first_host = $t2['host'];
if (!($port = $t2['port'])) {
$port = 80;
}
if ($t2['user']) {
$proxy_user = base64_encode($t2['user'] . ':' . $t2['pass']);
}
} else {
$first_host = $noproxy . $host;
}
if ($connect) {
$streamContext = stream_context_create([
'ssl' => [
'verify_peer' => false,
'allow_self_signed' => true,
'SNI_enabled' => true,
'peer_name' => $host,
]
]);
$f = @stream_socket_client(
"tcp://$first_host:$port",
$errno,
$errstr,
_INC_DISTANT_CONNECT_TIMEOUT,
STREAM_CLIENT_CONNECT,
$streamContext
);
spip_log("Recuperer $path sur $first_host:$port par $f (via CONNECT)", 'connect');
if (!$f) {
spip_log("Erreur connexion $errno $errstr", 'distant' . _LOG_ERREUR);
return $errno;
}
stream_set_timeout($f, _INC_DISTANT_CONNECT_TIMEOUT);
fputs($f, $connect);
fputs($f, "\r\n");
$res = fread($f, 1024);
if (
!$res
or !count($res = explode(' ', $res))
or $res[1] !== '200'
) {
spip_log("Echec CONNECT sur $first_host:$port", 'connect' . _LOG_INFO_IMPORTANTE);
fclose($f);
return false;
}
// important, car sinon on lit trop vite et les donnees ne sont pas encore dispo
stream_set_blocking($f, true);
// envoyer le handshake
stream_socket_enable_crypto($f, true, STREAM_CRYPTO_METHOD_SSLv23_CLIENT);
spip_log("OK CONNECT sur $first_host:$port", 'connect');
} else {
$ntry = 3;
do {
$f = @fsockopen($first_host, $port, $errno, $errstr, _INC_DISTANT_CONNECT_TIMEOUT);
} while (!$f and $ntry-- and $errno !== 110 and sleep(1));
spip_log("Recuperer $path sur $first_host:$port par $f");
if (!$f) {
spip_log("Erreur connexion $errno $errstr", 'distant' . _LOG_ERREUR);
return $errno;
}
stream_set_timeout($f, _INC_DISTANT_CONNECT_TIMEOUT);
}
$site = isset($GLOBALS['meta']['adresse_site']) ? $GLOBALS['meta']['adresse_site'] : '';
$host_port = $host;
if ($port != (in_array($scheme, ['tls','ssl']) ? 443 : 80)) {
$host_port .= ":$port";
}
$req = "$method $path $vers\r\n"
. "Host: $host_port\r\n"
. 'User-Agent: ' . _INC_DISTANT_USER_AGENT . "\r\n"
. ($refuse_gz ? '' : ('Accept-Encoding: ' . _INC_DISTANT_CONTENT_ENCODING . "\r\n"))
. (!$site ? '' : "Referer: $site/$referer\r\n")
. (!$date ? '' : 'If-Modified-Since: ' . (gmdate('D, d M Y H:i:s', $date) . " GMT\r\n"))
. (!$user ? '' : ('Authorization: Basic ' . base64_encode($user) . "\r\n"))
. (!$proxy_user ? '' : "Proxy-Authorization: Basic $proxy_user\r\n")
. (!strpos($vers, '1.1') ? '' : "Keep-Alive: 300\r\nConnection: keep-alive\r\n");
# spip_log("Requete\n$req", 'distant');
fputs($f, $req);
fputs($f, $datas ? $datas : "\r\n");
return $f;
}