xmltooling/util/CurlURLInputStream.cpp

   1 /*
   2  * Licensed to the Apache Software Foundation (ASF) under one or more
   3  * contributor license agreements.  See the NOTICE file distributed with
   4  * this work for additional information regarding copyright ownership.
   5  * The ASF licenses this file to You under the Apache License, Version 2.0
   6  * (the "License"); you may not use this file except in compliance with
   7  * the License.  You may obtain a copy of the License at
   8  *
   9  *      http://www.apache.org/licenses/LICENSE-2.0
  10  *
  11  * Unless required by applicable law or agreed to in writing, software
  12  * distributed under the License is distributed on an "AS IS" BASIS,
  13  * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  14  * See the License for the specific language governing permissions and
  15  * limitations under the License.
  16  */
  17
  18 /**
  19  * xmltooling/util/CurlURLInputStream.cpp
  20  *
  21  * Asynchronous use of curl to fetch data from a URL.
  22  */
  23
  24 #include "internal.h"
  25
  26 #include <xmltooling/util/CurlURLInputStream.h>
  27 #include <xmltooling/util/XMLHelper.h>
  28
  29 #include <openssl/ssl.h>
  30 #include <xercesc/util/XercesDefs.hpp>
  31 #include <xercesc/util/XMLNetAccessor.hpp>
  32 #include <xercesc/util/XMLString.hpp>
  33 #include <xercesc/util/XMLExceptMsgs.hpp>
  34 #include <xercesc/util/Janitor.hpp>
  35 #include <xercesc/util/XMLUniDefs.hpp>
  36 #include <xercesc/util/TransService.hpp>
  37 #include <xercesc/util/TranscodingException.hpp>
  38 #include <xercesc/util/PlatformUtils.hpp>
  39
  40 using namespace xmltooling;
  41 using namespace xercesc;
  42
  43 namespace {
  44     static const XMLCh  _CURL[] =           UNICODE_LITERAL_4(C,U,R,L);
  45     static const XMLCh _option[] =          UNICODE_LITERAL_6(o,p,t,i,o,n);
  46     static const XMLCh _provider[] =        UNICODE_LITERAL_8(p,r,o,v,i,d,e,r);
  47     static const XMLCh TransportOption[] =  UNICODE_LITERAL_15(T,r,a,n,s,p,o,r,t,O,p,t,i,o,n);
  48     static const XMLCh uri[] =              UNICODE_LITERAL_3(u,r,i);
  49     static const XMLCh url[] =              UNICODE_LITERAL_3(u,r,l);
  50     static const XMLCh verifyHost[] =       UNICODE_LITERAL_10(v,e,r,i,f,y,H,o,s,t);
  51
  52     // callback to invoke a caller-defined SSL callback
  53     CURLcode ssl_ctx_callback(CURL* curl, SSL_CTX* ssl_ctx, void* userptr)
  54     {
  55         // Manually disable SSLv2 so we're not dependent on libcurl to do it.
  56         // Also disable the ticket option where implemented, since this breaks a variety
  57         // of servers. Newer libcurl also does this for us.
  58 #ifdef SSL_OP_NO_TICKET
  59         SSL_CTX_set_options(ssl_ctx, SSL_OP_ALL|SSL_OP_NO_SSLv2|SSL_OP_NO_TICKET);
  60 #else
  61         SSL_CTX_set_options(ssl_ctx, SSL_OP_ALL|SSL_OP_NO_SSLv2);
  62 #endif
  63
  64         return CURLE_OK;
  65     }
  66 }
  67
  68 CurlURLInputStream::CurlURLInputStream(const char* url)
  69     : fLog(logging::Category::getInstance(XMLTOOLING_LOGCAT".libcurl.InputStream"))
  70     , fURL(url)
  71     , fMulti(0)
  72     , fEasy(0)
  73     , fTotalBytesRead(0)
  74     , fWritePtr(0)
  75     , fBytesRead(0)
  76     , fBytesToRead(0)
  77     , fDataAvailable(false)
  78     , fBufferHeadPtr(fBuffer)
  79     , fBufferTailPtr(fBuffer)
  80     , fContentType(0)
  81 {
  82     init();
  83 }
  84
  85 CurlURLInputStream::CurlURLInputStream(const XMLCh* url)
  86     : fLog(logging::Category::getInstance(XMLTOOLING_LOGCAT".libcurl.InputStream"))
  87     , fMulti(0)
  88     , fEasy(0)
  89     , fTotalBytesRead(0)
  90     , fWritePtr(0)
  91     , fBytesRead(0)
  92     , fBytesToRead(0)
  93     , fDataAvailable(false)
  94     , fBufferHeadPtr(fBuffer)
  95     , fBufferTailPtr(fBuffer)
  96     , fContentType(0)
  97 {
  98     auto_ptr_char temp(url);
  99     fURL = temp.get();
 100     init();
 101 }
 102
 103 CurlURLInputStream::CurlURLInputStream(const DOMElement* e)
 104     : fLog(logging::Category::getInstance(XMLTOOLING_LOGCAT".libcurl.InputStream"))
 105     , fMulti(0)
 106     , fEasy(0)
 107     , fTotalBytesRead(0)
 108     , fWritePtr(0)
 109     , fBytesRead(0)
 110     , fBytesToRead(0)
 111     , fDataAvailable(false)
 112     , fBufferHeadPtr(fBuffer)
 113     , fBufferTailPtr(fBuffer)
 114     , fContentType(0)
 115 {
 116     const XMLCh* attr = e->getAttributeNS(NULL, url);
 117     if (!attr || !*attr) {
 118         attr = e->getAttributeNS(NULL, uri);
 119         if (!attr || !*attr)
 120             throw IOException("No URL supplied via DOM to CurlURLInputStream constructor.");
 121     }
 122
 123     auto_ptr_char temp(attr);
 124     fURL = temp.get();
 125     init(e);
 126 }
 127
 128 CurlURLInputStream::~CurlURLInputStream()
 129 {
 130     if (fEasy) {
 131         // Remove the easy handle from the multi stack
 132         curl_multi_remove_handle(fMulti, fEasy);
 133
 134         // Cleanup the easy handle
 135         curl_easy_cleanup(fEasy);
 136     }
 137
 138     if (fMulti) {
 139         // Cleanup the multi handle
 140         curl_multi_cleanup(fMulti);
 141     }
 142
 143     XMLString::release(&fContentType);
 144 }
 145
 146 void CurlURLInputStream::init(const DOMElement* e)
 147 {
 148     // Allocate the curl multi handle
 149     fMulti = curl_multi_init();
 150
 151     // Allocate the curl easy handle
 152     fEasy = curl_easy_init();
 153
 154     if (!fMulti || !fEasy)
 155         throw IOException("Failed to allocate libcurl handles.");
 156
 157     curl_easy_setopt(fEasy, CURLOPT_URL, fURL.c_str());
 158
 159     // Set up a way to recieve the data
 160     curl_easy_setopt(fEasy, CURLOPT_WRITEDATA, this);                       // Pass this pointer to write function
 161     curl_easy_setopt(fEasy, CURLOPT_WRITEFUNCTION, staticWriteCallback);    // Our static write function
 162
 163     // Do redirects
 164     curl_easy_setopt(fEasy, CURLOPT_FOLLOWLOCATION, 1);
 165     curl_easy_setopt(fEasy, CURLOPT_MAXREDIRS, 6);
 166
 167     // Default settings.
 168     curl_easy_setopt(fEasy, CURLOPT_CONNECTTIMEOUT,30);
 169     curl_easy_setopt(fEasy, CURLOPT_TIMEOUT,60);
 170     curl_easy_setopt(fEasy, CURLOPT_HTTPAUTH,0);
 171     curl_easy_setopt(fEasy, CURLOPT_USERPWD,NULL);
 172     curl_easy_setopt(fEasy, CURLOPT_SSL_VERIFYHOST, 2);
 173     curl_easy_setopt(fEasy, CURLOPT_SSL_VERIFYPEER, 0);
 174     curl_easy_setopt(fEasy, CURLOPT_SSL_CIPHER_LIST, "ALL:!aNULL:!LOW:!EXPORT:!SSLv2");
 175     curl_easy_setopt(fEasy, CURLOPT_NOPROGRESS, 1);
 176     curl_easy_setopt(fEasy, CURLOPT_NOSIGNAL, 1);
 177     curl_easy_setopt(fEasy, CURLOPT_FAILONERROR, 1);
 178
 179     // Install SSL callback.
 180     curl_easy_setopt(fEasy, CURLOPT_SSL_CTX_FUNCTION, ssl_ctx_callback);
 181
 182     fError[0] = 0;
 183     curl_easy_setopt(fEasy, CURLOPT_ERRORBUFFER, fError);
 184
 185     if (e) {
 186         const XMLCh* flag = e->getAttributeNS(NULL, verifyHost);
 187         if (flag && (*flag == chLatin_f || *flag == chDigit_0))
 188             curl_easy_setopt(fEasy, CURLOPT_SSL_VERIFYHOST, 0);
 189
 190         // Process TransportOption elements.
 191         bool success;
 192         DOMElement* child = XMLHelper::getLastChildElement(e, TransportOption);
 193         while (child) {
 194             if (child->hasChildNodes() && XMLString::equals(child->getAttributeNS(NULL,_provider), _CURL)) {
 195                 auto_ptr_char option(child->getAttributeNS(NULL,_option));
 196                 auto_ptr_char value(child->getFirstChild()->getNodeValue());
 197                 if (option.get() && *option.get() && value.get() && *value.get()) {
 198                     // For libcurl, the option is an enum and the value type depends on the option.
 199                     CURLoption opt = static_cast<CURLoption>(strtol(option.get(), NULL, 10));
 200                     if (opt < CURLOPTTYPE_OBJECTPOINT)
 201                         success = (curl_easy_setopt(fEasy, opt, strtol(value.get(), NULL, 10)) == CURLE_OK);
 202 #ifdef CURLOPTTYPE_OFF_T
 203                     else if (opt < CURLOPTTYPE_OFF_T)
 204                         success = (curl_easy_setopt(fEasy, opt, value.get()) == CURLE_OK);
 205 # ifdef HAVE_CURL_OFF_T
 206                     else if (sizeof(curl_off_t) == sizeof(long))
 207                         success = (curl_easy_setopt(fEasy, opt, strtol(value.get(), NULL, 10)) == CURLE_OK);
 208 # else
 209                     else if (sizeof(off_t) == sizeof(long))
 210                         success = (curl_easy_setopt(fEasy, opt, strtol(value.get(), NULL, 10)) == CURLE_OK);
 211 # endif
 212                     else
 213                         success = false;
 214 #else
 215                     else
 216                         success = (curl_easy_setopt(fEasy, opt, value.get()) == CURLE_OK);
 217 #endif
 218                     if (!success)
 219                         fLog.error("failed to set transport option (%s)", option.get());
 220                 }
 221             }
 222             child = XMLHelper::getPreviousSiblingElement(child, TransportOption);
 223         }
 224     }
 225
 226     // Add easy handle to the multi stack
 227     curl_multi_add_handle(fMulti, fEasy);
 228
 229     fLog.debug("libcurl trying to fetch %s", fURL.c_str());
 230
 231     // Start reading, to get the content type
 232     while(fBufferHeadPtr == fBuffer) {
 233         int runningHandles = 0;
 234         try {
 235             readMore(&runningHandles);
 236         }
 237         catch (XMLException& ex) {
 238             curl_multi_remove_handle(fMulti, fEasy);
 239             curl_easy_cleanup(fEasy);
 240             fEasy = NULL;
 241             curl_multi_cleanup(fMulti);
 242             fMulti = NULL;
 243             auto_ptr_char msg(ex.getMessage());
 244             throw IOException(msg.get());
 245         }
 246         if(runningHandles == 0) break;
 247     }
 248
 249     // Find the content type
 250     char* contentType8 = NULL;
 251     curl_easy_getinfo(fEasy, CURLINFO_CONTENT_TYPE, &contentType8);
 252     if(contentType8)
 253         fContentType = XMLString::transcode(contentType8);
 254 }
 255
 256
 257 size_t CurlURLInputStream::staticWriteCallback(char* buffer, size_t size, size_t nitems, void* outstream)
 258 {
 259     return ((CurlURLInputStream*)outstream)->writeCallback(buffer, size, nitems);
 260 }
 261
 262 size_t CurlURLInputStream::writeCallback(char* buffer, size_t size, size_t nitems)
 263 {
 264     size_t cnt = size * nitems;
 265     size_t totalConsumed = 0;
 266
 267     // Consume as many bytes as possible immediately into the buffer
 268     size_t consume = (cnt > fBytesToRead) ? fBytesToRead : cnt;
 269     memcpy(fWritePtr, buffer, consume);
 270     fWritePtr       += consume;
 271     fBytesRead      += consume;
 272     fTotalBytesRead += consume;
 273     fBytesToRead    -= consume;
 274
 275     //fLog.debug("write callback consuming %d bytes", consume);
 276
 277     // If bytes remain, rebuffer as many as possible into our holding buffer
 278     buffer          += consume;
 279     totalConsumed   += consume;
 280     cnt             -= consume;
 281     if (cnt > 0)
 282     {
 283         size_t bufAvail = sizeof(fBuffer) - (fBufferHeadPtr - fBuffer);
 284         consume = (cnt > bufAvail) ? bufAvail : cnt;
 285         memcpy(fBufferHeadPtr, buffer, consume);
 286         fBufferHeadPtr  += consume;
 287         buffer          += consume;
 288         totalConsumed   += consume;
 289         //fLog.debug("write callback rebuffering %d bytes", consume);
 290     }
 291
 292     // Return the total amount we've consumed. If we don't consume all the bytes
 293     // then an error will be generated. Since our buffer size is equal to the
 294     // maximum size that curl will write, this should never happen unless there
 295     // is a logic error somewhere here.
 296     return totalConsumed;
 297 }
 298
 299 bool CurlURLInputStream::readMore(int* runningHandles)
 300 {
 301     // Ask the curl to do some work
 302     CURLMcode curlResult = curl_multi_perform(fMulti, runningHandles);
 303
 304     // Process messages from curl
 305     int msgsInQueue = 0;
 306     for (CURLMsg* msg = NULL; (msg = curl_multi_info_read(fMulti, &msgsInQueue)) != NULL; )
 307     {
 308         //fLog.debug("msg %d, %d from curl", msg->msg, msg->data.result);
 309
 310         if (msg->msg != CURLMSG_DONE)
 311             return true;
 312
 313         switch (msg->data.result)
 314         {
 315         case CURLE_OK:
 316             // We completed successfully. runningHandles should have dropped to zero, so we'll bail out below...
 317             break;
 318
 319         case CURLE_UNSUPPORTED_PROTOCOL:
 320             ThrowXML(MalformedURLException, XMLExcepts::URL_UnsupportedProto);
 321             break;
 322
 323         case CURLE_COULDNT_RESOLVE_HOST:
 324         case CURLE_COULDNT_RESOLVE_PROXY:
 325             ThrowXML1(NetAccessorException,  XMLExcepts::NetAcc_TargetResolution, fURL.c_str());
 326             break;
 327
 328         case CURLE_COULDNT_CONNECT:
 329             ThrowXML1(NetAccessorException, XMLExcepts::NetAcc_ConnSocket, fURL.c_str());
 330             break;
 331
 332         case CURLE_RECV_ERROR:
 333             ThrowXML1(NetAccessorException, XMLExcepts::NetAcc_ReadSocket, fURL.c_str());
 334             break;
 335
 336         default:
 337             fLog.error("error while fetching %s: (%d) %s", fURL.c_str(), msg->data.result, fError);
 338             ThrowXML1(NetAccessorException, XMLExcepts::NetAcc_InternalError, fURL.c_str());
 339             break;
 340         }
 341     }
 342
 343     // If nothing is running any longer, bail out
 344     if(*runningHandles == 0)
 345         return false;
 346
 347     // If there is no further data to read, and we haven't
 348     // read any yet on this invocation, call select to wait for data
 349     if (curlResult != CURLM_CALL_MULTI_PERFORM && fBytesRead == 0)
 350     {
 351         fd_set readSet;
 352         fd_set writeSet;
 353         fd_set exceptSet;
 354         int fdcnt=0;
 355
 356         FD_ZERO(&readSet);
 357         FD_ZERO(&writeSet);
 358         FD_ZERO(&exceptSet);
 359
 360         // Ask curl for the file descriptors to wait on
 361         curl_multi_fdset(fMulti, &readSet, &writeSet, &exceptSet, &fdcnt);
 362
 363         // Wait on the file descriptors
 364         timeval tv;
 365         tv.tv_sec  = 2;
 366         tv.tv_usec = 0;
 367         select(fdcnt+1, &readSet, &writeSet, &exceptSet, &tv);
 368     }
 369
 370     return curlResult == CURLM_CALL_MULTI_PERFORM;
 371 }
 372
 373 xsecsize_t CurlURLInputStream::readBytes(XMLByte* const toFill, const xsecsize_t maxToRead)
 374 {
 375     fBytesRead = 0;
 376     fBytesToRead = maxToRead;
 377     fWritePtr = toFill;
 378
 379     for (bool tryAgain = true; fBytesToRead > 0 && (tryAgain || fBytesRead == 0); )
 380     {
 381         // First, any buffered data we have available
 382         size_t bufCnt = fBufferHeadPtr - fBufferTailPtr;
 383         bufCnt = (bufCnt > fBytesToRead) ? fBytesToRead : bufCnt;
 384         if (bufCnt > 0)
 385         {
 386             memcpy(fWritePtr, fBufferTailPtr, bufCnt);
 387             fWritePtr       += bufCnt;
 388             fBytesRead      += bufCnt;
 389             fTotalBytesRead += bufCnt;
 390             fBytesToRead    -= bufCnt;
 391
 392             fBufferTailPtr  += bufCnt;
 393             if (fBufferTailPtr == fBufferHeadPtr)
 394                 fBufferHeadPtr = fBufferTailPtr = fBuffer;
 395
 396             //fLog.debug("consuming %d buffered bytes", bufCnt);
 397
 398             tryAgain = true;
 399             continue;
 400         }
 401
 402         // Ask the curl to do some work
 403         int runningHandles = 0;
 404         tryAgain = readMore(&runningHandles);
 405
 406         // If nothing is running any longer, bail out
 407         if (runningHandles == 0)
 408             break;
 409     }
 410
 411     return fBytesRead;
 412 }