lib/PublicInbox/Eml.pm

   1 # Copyright (C) 2020 all contributors <meta@public-inbox.org>
   2 # License: AGPL-3.0+ <https://www.gnu.org/licenses/agpl-3.0.txt>
   3 #
   4 # Lazy MIME parser, it still slurps the full message but keeps short
   5 # lifetimes.  Unlike Email::MIME, it doesn't pre-split multipart
   6 # messages or do any up-front parsing of headers besides splitting
   7 # the header string from the body.
   8 #
   9 # Contains ideas and code from Email::Simple and Email::MIME
  10 # (Perl Artistic License, GPL-1+)
  11 #
  12 # This aims to replace Email::MIME for our purposes, similar API
  13 # but internal field names are differ if they're not 100%-compatible.
  14 #
  15 # Includes some proposed fixes for Email::MIME:
  16 # - header-less sub parts - https://github.com/rjbs/Email-MIME/issues/14
  17 # - "0" as boundary - https://github.com/rjbs/Email-MIME/issues/63
  18 #
  19 # $self = {
  20 #       bdy => scalar ref for body (may be undef),
  21 #       hdr => scalar ref for header,
  22 #       crlf => "\n" or "\r\n" (scalar, not a ref),
  23 #
  24 #       # filled in during ->each_part
  25 #       ct => hash ref returned by parse_content_type
  26 # }
  27 package PublicInbox::Eml;
  28 use strict;
  29 use v5.10.1;
  30 use Carp qw(croak);
  31 use Encode qw(find_encoding decode encode); # stdlib
  32 use Text::Wrap qw(wrap); # stdlib, we need Perl 5.6+ for $huge
  33 use MIME::Base64 3.05; # Perl 5.10.0 / 5.9.2
  34 use MIME::QuotedPrint 3.05; # ditto
  35
  36 my $MIME_Header = find_encoding('MIME-Header');
  37
  38 use PublicInbox::EmlContentFoo qw(parse_content_type parse_content_disposition);
  39 $PublicInbox::EmlContentFoo::STRICT_PARAMS = 0;
  40
  41 our $mime_parts_limit = 1000; # same as SpamAssassin (not in postfix AFAIK)
  42
  43 # the rest of the limit names are taken from postfix:
  44 our $mime_nesting_limit = 20; # seems enough, Perl sucks, here
  45 our $mime_boundary_length_limit = 2048; # same as postfix
  46 our $header_size_limit = 102400; # same as postfix
  47
  48 my %MIME_ENC = (qp => \&enc_qp, base64 => \&encode_base64);
  49 my %MIME_DEC = (qp => \&dec_qp, base64 => \&decode_base64);
  50 $MIME_ENC{quotedprint} = $MIME_ENC{'quoted-printable'} = $MIME_ENC{qp};
  51 $MIME_DEC{quotedprint} = $MIME_DEC{'quoted-printable'} = $MIME_DEC{qp};
  52 $MIME_ENC{$_} = \&identity_codec for qw(7bit 8bit binary);
  53
  54 my %DECODE_ADDRESS = map { $_ => 1 } qw(From To Cc Sender Reply-To);
  55 my %DECODE_FULL = (
  56         Subject => 1,
  57         'Content-Description' => 1,
  58         'Content-Type' => 1, # not correct, but needed, oh well
  59 );
  60 our %STR_TYPE = (text => 1);
  61 our %STR_SUBTYPE = (plain => 1, html => 1);
  62
  63 # message/* subtypes we descend into
  64 our %MESSAGE_DESCEND = (
  65         news => 1, # RFC 1849 (obsolete, but archives are forever)
  66         rfc822 => 1, # RFC 2046
  67         rfc2822 => 1, # gmime handles this (but not rfc5322)
  68         global => 1, # RFC 6532
  69 );
  70
  71 my %re_memo;
  72 sub re_memo ($) {
  73         my ($k) = @_;
  74         # Do not normalize $k with lc/uc; instead strive to keep
  75         # capitalization in our codebase consistent.
  76         $re_memo{$k} ||= qr/^\Q$k\E:[ \t]*([^\n]*\r?\n # 1st line
  77                                         # continuation lines:
  78                                         (?:[^:\n]*?[ \t]+[^\n]*\r?\n)*)
  79                                         /ismx
  80 }
  81
  82 sub hdr_truncate ($) {
  83         my $len = length($_[0]);
  84         substr($_[0], $header_size_limit, $len) = '';
  85         my $end = rindex($_[0], "\n");
  86         if ($end >= 0) {
  87                 ++$end;
  88                 substr($_[0], $end, $len) = '';
  89                 warn "header of $len bytes truncated to $end bytes\n";
  90         } else {
  91                 $_[0] = '';
  92                 warn <<EOF
  93 header of $len bytes without `\\n' within $header_size_limit ignored
  94 EOF
  95         }
  96 }
  97
  98 # compatible with our uses of Email::MIME
  99 sub new {
 100         my $ref = ref($_[1]) ? $_[1] : \(my $cpy = $_[1]);
 101         # substr() can modify the first arg in-place and to avoid
 102         # memcpy/memmove on a potentially large scalar.  It does need
 103         # to make a copy for $hdr, though.  Idea stolen from Email::Simple.
 104
 105         # We also prefer index() on common LFLF emails since it's faster
 106         # and re scan can bump RSS by length($$ref) on big strings
 107         if (index($$ref, "\r\n") < 0 && (my $pos = index($$ref, "\n\n")) >= 0) {
 108                 # likely on *nix
 109                 my $hdr = substr($$ref, 0, $pos + 2, ''); # sv_chop on $$ref
 110                 chop($hdr); # lower SvCUR
 111                 hdr_truncate($hdr) if length($hdr) > $header_size_limit;
 112                 bless { hdr => \$hdr, crlf => "\n", bdy => $ref }, __PACKAGE__;
 113         } elsif ($$ref =~ /\r?\n(\r?\n)/s) {
 114                 my $hdr = substr($$ref, 0, $+[0], ''); # sv_chop on $$ref
 115                 substr($hdr, -(length($1))) = ''; # lower SvCUR
 116                 hdr_truncate($hdr) if length($hdr) > $header_size_limit;
 117                 bless { hdr => \$hdr, crlf => $1, bdy => $ref }, __PACKAGE__;
 118         } elsif ($$ref =~ /^[a-z0-9-]+[ \t]*:/ims && $$ref =~ /(\r?\n)\z/s) {
 119                 # body is optional :P
 120                 my $hdr = substr($$ref, 0, $header_size_limit + 1);
 121                 hdr_truncate($hdr) if length($hdr) > $header_size_limit;
 122                 bless { hdr => \$hdr, crlf => $1 }, __PACKAGE__;
 123         } else { # nothing useful
 124                 my $hdr = $$ref = '';
 125                 bless { hdr => \$hdr, crlf => "\n" }, __PACKAGE__;
 126         }
 127 }
 128
 129 sub new_sub {
 130         my (undef, $ref) = @_;
 131         # special case for messages like <85k5su9k59.fsf_-_@lola.goethe.zz>
 132         $$ref =~ /\A(\r?\n)/s or return new(undef, $ref);
 133         my $hdr = substr($$ref, 0, $+[0], ''); # sv_chop on $$ref
 134         bless { hdr => \$hdr, crlf => $1, bdy => $ref }, __PACKAGE__;
 135 }
 136
 137 # same output as Email::Simple::Header::header_raw, but we extract
 138 # headers on-demand instead of parsing them into a list which
 139 # requires O(n) lookups anyways
 140 sub header_raw {
 141         my $re = re_memo($_[1]);
 142         my @v = (${ $_[0]->{hdr} } =~ /$re/g);
 143         for (@v) {
 144                 # for compatibility w/ Email::Simple::Header,
 145                 s/\s+\z//s;
 146                 s/\A\s+//s;
 147                 s/\r?\n[ \t]*/ /gs;
 148         }
 149         wantarray ? @v : $v[0];
 150 }
 151
 152 # pick the first Content-Type header to match Email::MIME behavior.
 153 # It's usually the right one based on historical archives.
 154 sub ct ($) {
 155         # PublicInbox::EmlContentFoo::content_type:
 156         $_[0]->{ct} //= parse_content_type(header($_[0], 'Content-Type'));
 157 }
 158
 159 # returns a queue of sub-parts iff it's worth descending into
 160 sub mp_descend ($$) {
 161         my ($self, $nr) = @_; # or $once for top-level
 162         my $ct = ct($self);
 163         my $type = lc($ct->{type});
 164         if ($type eq 'message' && $MESSAGE_DESCEND{lc($ct->{subtype})}) {
 165                 my $nxt = new(undef, body_raw($self));
 166                 $self->{-call_cb} = $nxt->{is_submsg} = 1;
 167                 return [ $nxt ];
 168         }
 169         return if $type ne 'multipart';
 170         my $bnd = $ct->{attributes}->{boundary} // return; # single-part
 171         return if $bnd eq '' || length($bnd) >= $mime_boundary_length_limit;
 172         $bnd = quotemeta($bnd);
 173
 174         # this is a multipart message that didn't get descended into in
 175         # public-inbox <= 1.5.0, so ensure we call the user callback for
 176         # this part to not break PSGI downloads.
 177         $self->{-call_cb} = $self->{is_submsg};
 178
 179         # "multipart" messages can exist w/o a body
 180         my $bdy = ($nr ? delete($self->{bdy}) : \(body_raw($self))) or return;
 181
 182         # Cut at the the first epilogue, not subsequent ones.
 183         # *sigh* just the regexp match alone seems to bump RSS by
 184         # length($$bdy) on a ~30M string:
 185         my $epilogue_missing;
 186         if ($$bdy =~ /(?:\r?\n)?^--$bnd--[ \t]*\r?$/sm) {
 187                 substr($$bdy, $-[0]) = '';
 188         } else {
 189                 $epilogue_missing = 1;
 190         }
 191
 192         # *Sigh* split() doesn't work in-place and return CoW strings
 193         # because Perl wants to "\0"-terminate strings.  So split()
 194         # again bumps RSS by length($$bdy)
 195
 196         # Quiet warning for "Complex regular subexpression recursion limit"
 197         # in case we get many empty parts, it's harmless in this case
 198         no warnings 'regexp';
 199         my ($pre, @parts) = split(/(?:\r?\n)?(?:^--$bnd[ \t]*\r?\n)+/ms,
 200                                 $$bdy,
 201                                 # + 3 since we don't want the last part
 202                                 # processed to include any other excluded
 203                                 # parts ($nr starts at 1, and I suck at math)
 204                                 $mime_parts_limit + 3 - $nr);
 205
 206         if (@parts) { # the usual path if we got this far:
 207                 undef $bdy; # release memory ASAP if $nr > 0
 208
 209                 # compatibility with Email::MIME
 210                 $parts[-1] =~ s/\n\r?\n\z/\n/s if $epilogue_missing;
 211
 212                 # ignore empty parts
 213                 @parts = map { new_sub(undef, \$_) } grep /[^ \t\r\n]/s, @parts;
 214
 215                 # Keep "From: someone..." from preamble in old,
 216                 # buggy versions of git-send-email, otherwise drop it
 217                 # There's also a case where quoted text showed up in the
 218                 # preamble
 219                 # <20060515162817.65F0F1BBAE@citi.umich.edu>
 220                 unshift(@parts, new_sub(undef, \$pre)) if $pre =~ /:/s;
 221                 return \@parts;
 222         }
 223         # "multipart", but no boundary found, treat as single part
 224         $self->{bdy} //= $bdy;
 225         undef;
 226 }
 227
 228 # $p = [ \@parts, $depth, $idx ]
 229 # $idx[0] grows as $depth grows, $idx[1] == $p->[-1] == current part
 230 # (callers need to be updated)
 231 # \@parts is a queue which empties when we're done with a parent part
 232
 233 # same usage as PublicInbox::MsgIter::msg_iter
 234 # $cb - user-supplied callback sub
 235 # $arg - user-supplied arg (think pthread_create)
 236 # $once - unref body scalar during iteration
 237 sub each_part {
 238         my ($self, $cb, $arg, $once, $all) = @_;
 239         my $p = mp_descend($self, $once // 0) or
 240                                         return $cb->([$self, 0, 1], $arg);
 241
 242         $cb->([$self, 0, 0], $arg) if ($all || $self->{-call_cb}); # rare
 243
 244         $p = [ $p, 0 ];
 245         my @s; # our virtual stack
 246         my $nr = 0;
 247         while ((scalar(@{$p->[0]}) || ($p = pop @s)) &&
 248                         ++$nr <= $mime_parts_limit) {
 249                 ++$p->[-1]; # bump index
 250                 my (undef, @idx) = @$p;
 251                 @idx = (join('.', @idx));
 252                 my $depth = ($idx[0] =~ tr/././) + 1;
 253                 my $sub = shift @{$p->[0]};
 254                 if ($depth < $mime_nesting_limit &&
 255                                 (my $nxt = mp_descend($sub, $nr))) {
 256                         push(@s, $p) if scalar @{$p->[0]};
 257                         $p = [ $nxt, @idx, 0 ];
 258                         ($all || $sub->{-call_cb}) and
 259                                 $cb->([$sub, $depth, @idx], $arg);
 260                 } else { # a leaf node
 261                         $cb->([$sub, $depth, @idx], $arg);
 262                 }
 263         }
 264 }
 265
 266 sub enc_qp {
 267         # prevent MIME::QuotedPrint from encoding CR as =0D since it's
 268         # against RFCs and breaks MUAs
 269         $_[0] =~ s/\r\n/\n/sg;
 270         encode_qp($_[0], "\r\n");
 271 }
 272
 273 sub dec_qp {
 274         # RFC 2822 requires all lines to end in CRLF, though... :<
 275         $_[0] = decode_qp($_[0]);
 276         $_[0] =~ s/\n/\r\n/sg;
 277         $_[0]
 278 }
 279
 280 sub identity_codec { $_[0] }
 281
 282 ########### compatibility section for existing Email::MIME uses #########
 283
 284 sub header_obj {
 285         bless { hdr => $_[0]->{hdr}, crlf => $_[0]->{crlf} }, __PACKAGE__;
 286 }
 287
 288 sub subparts {
 289         my ($self) = @_;
 290         my $parts = mp_descend($self, 0) or return ();
 291         my $bnd = ct($self)->{attributes}->{boundary} // die 'BUG: no boundary';
 292         my $bdy = $self->{bdy};
 293         if ($$bdy =~ /\A(.*?)(?:\r?\n)?^--\Q$bnd\E[ \t]*\r?$/sm) {
 294                 $self->{preamble} = $1;
 295         }
 296         if ($$bdy =~ /^--\Q$bnd\E--[ \t]*\r?\n(.+)\z/sm) {
 297                 $self->{epilogue} = $1;
 298         }
 299         @$parts;
 300 }
 301
 302 sub parts_set {
 303         my ($self, $parts) = @_;
 304
 305         # we can't fully support what Email::MIME does,
 306         # just what our filter code needs:
 307         my $bnd = ct($self)->{attributes}->{boundary} // die <<EOF;
 308 ->parts_set not supported for single-part messages
 309 EOF
 310         my $crlf = $self->{crlf};
 311         my $fin_bnd = "$crlf--$bnd--$crlf";
 312         $bnd = "$crlf--$bnd$crlf";
 313         ${$self->{bdy}} = join($bnd,
 314                                 delete($self->{preamble}) // '',
 315                                 map { $_->as_string } @$parts
 316                                 ) .
 317                                 $fin_bnd .
 318                                 (delete($self->{epilogue}) // '');
 319         undef;
 320 }
 321
 322 sub body_set {
 323         my ($self, $body) = @_;
 324         my $bdy = $self->{bdy} = ref($body) ? $body : \$body;
 325         if (my $cte = header_raw($self, 'Content-Transfer-Encoding')) {
 326                 my $enc = $MIME_ENC{lc($cte)} or croak("can't encode `$cte'");
 327                 $$bdy = $enc->($$bdy); # in-place
 328         }
 329         undef;
 330 }
 331
 332 sub body_str_set {
 333         my ($self, $body_str) = @_;
 334         my $charset = ct($self)->{attributes}->{charset} or
 335                 Carp::confess('body_str was given, but no charset is defined');
 336         body_set($self, \(encode($charset, $body_str, Encode::FB_CROAK)));
 337 }
 338
 339 sub content_type { scalar header($_[0], 'Content-Type') }
 340
 341 # we only support raw header_set
 342 sub header_set {
 343         my ($self, $pfx, @vals) = @_;
 344         my $re = re_memo($pfx);
 345         my $hdr = $self->{hdr};
 346         return $$hdr =~ s!$re!!g if !@vals;
 347         $pfx .= ': ';
 348         my $len = 78 - length($pfx);
 349         @vals = map {;
 350                 # folding differs from Email::Simple::Header,
 351                 # we favor tabs for visibility (and space savings :P)
 352                 if (length($_) >= $len && (/\n[^ \t]/s || !/\n/s)) {
 353                         local $Text::Wrap::columns = $len;
 354                         local $Text::Wrap::huge = 'overflow';
 355                         $pfx . wrap('', "\t", $_) . $self->{crlf};
 356                 } else {
 357                         $pfx . $_ . $self->{crlf};
 358                 }
 359         } @vals;
 360         $$hdr =~ s!$re!shift(@vals) // ''!ge; # replace current headers, first
 361         $$hdr .= join('', @vals); # append any leftovers not replaced
 362         # wantarray ? @_[2..$#_] : $_[2]; # Email::Simple::Header compat
 363         undef; # we don't care for the return value
 364 }
 365
 366 # note: we only call this method on Subject
 367 sub header_str_set {
 368         my ($self, $name, @vals) = @_;
 369         for (@vals) {
 370                 next unless /[^\x20-\x7e]/;
 371                 # 39: int((75 - length("Subject: =?UTF-8?B?".'?=') ) / 4) * 3;
 372                 s/(.{1,39})/
 373                         my $x = $1;
 374                         utf8::encode($x); # to octets
 375                         '=?UTF-8?B?'.encode_base64($x, '').'?='
 376                 /xges;
 377         }
 378         header_set($self, $name, @vals);
 379 }
 380
 381 sub mhdr_decode ($) {
 382         eval { $MIME_Header->decode($_[0], Encode::FB_DEFAULT) } // $_[0];
 383 }
 384
 385 sub filename {
 386         my $dis = header_raw($_[0], 'Content-Disposition');
 387         my $attrs = parse_content_disposition($dis)->{attributes};
 388         my $fn = $attrs->{filename};
 389         $fn = ct($_[0])->{attributes}->{name} if !defined($fn) || $fn eq '';
 390         (defined($fn) && $fn =~ /=\?/) ? mhdr_decode($fn) : $fn;
 391 }
 392
 393 sub xs_addr_str { # helper for ->header / ->header_str
 394         for (@_) { # array from header_raw()
 395                 next unless /=\?/;
 396                 my @g = parse_email_groups($_); # [ foo => [ E::A::X, ... ]
 397                 for (my $i = 0; $i < @g; $i += 2) {
 398                         if (defined($g[$i]) && $g[$i] =~ /=\?/) {
 399                                 $g[$i] = mhdr_decode($g[$i]);
 400                         }
 401                         my $addrs = $g[$i + 1];
 402                         for my $eax (@$addrs) {
 403                                 for my $m (qw(phrase comment)) {
 404                                         my $v = $eax->$m;
 405                                         $eax->$m(mhdr_decode($v)) if
 406                                                         $v && $v =~ /=\?/;
 407                                 }
 408                         }
 409                 }
 410                 $_ = format_email_groups(@g);
 411         }
 412 }
 413
 414 eval {
 415         require Email::Address::XS;
 416         Email::Address::XS->import(qw(parse_email_groups format_email_groups));
 417         1;
 418 } or do {
 419         # fallback to just decoding everything, because parsing
 420         # email addresses correctly w/o C/XS is slow
 421         %DECODE_FULL = (%DECODE_FULL, %DECODE_ADDRESS);
 422         %DECODE_ADDRESS = ();
 423 };
 424
 425 *header = \&header_str;
 426 sub header_str {
 427         my ($self, $name) = @_;
 428         my @v = header_raw($self, $name);
 429         if ($DECODE_ADDRESS{$name}) {
 430                 xs_addr_str(@v);
 431         } elsif ($DECODE_FULL{$name}) {
 432                 for (@v) {
 433                         $_ = mhdr_decode($_) if /=\?/;
 434                 }
 435         }
 436         wantarray ? @v : $v[0];
 437 }
 438
 439 sub body_raw { ${$_[0]->{bdy} // \''}; }
 440
 441 sub body {
 442         my $raw = body_raw($_[0]);
 443         my $cte = header_raw($_[0], 'Content-Transfer-Encoding') or return $raw;
 444         ($cte) = ($cte =~ /([a-zA-Z0-9\-]+)/) or return $raw; # For S/MIME, etc
 445         my $dec = $MIME_DEC{lc($cte)} or return $raw;
 446         $dec->($raw);
 447 }
 448
 449 sub body_str {
 450         my ($self) = @_;
 451         my $ct = ct($self);
 452         my $charset = $ct->{attributes}->{charset};
 453         if (!$charset) {
 454                 if ($STR_TYPE{$ct->{type}} && $STR_SUBTYPE{$ct->{subtype}}) {
 455                         return body($self);
 456                 }
 457                 Carp::confess("can't get body as a string for ",
 458                         join("\n\t", header_raw($self, 'Content-Type')));
 459         }
 460         decode($charset, body($self), Encode::FB_CROAK);
 461 }
 462
 463 sub as_string {
 464         my ($self) = @_;
 465         my $ret = ${ $self->{hdr} };
 466         return $ret unless defined($self->{bdy});
 467         $ret .= $self->{crlf};
 468         $ret .= ${$self->{bdy}};
 469 }
 470
 471 # Unlike Email::MIME::charset_set, this only changes the parsed
 472 # representation of charset used for search indexing and HTML display.
 473 # This does NOT affect what ->as_string returns.
 474 sub charset_set {
 475         ct($_[0])->{attributes}->{charset} = $_[1];
 476 }
 477
 478 sub crlf { $_[0]->{crlf} // "\n" }
 479
 480 sub willneed { re_memo($_) for @_ }
 481
 482 willneed(qw(From To Cc Date Subject Content-Type In-Reply-To References
 483                 Message-ID X-Alt-Message-ID));
 484
 485 1;