#include "HtmlParser.h"
#include <libxml/uri.h>
#include "util.h"
namespace nghttp2 {
ParserData::ParserData(const std::string &base_uri)
: base_uri(base_uri), inside_head(0) {}
HtmlParser::HtmlParser(const std::string &base_uri)
: base_uri_(base_uri), parser_ctx_(nullptr), parser_data_(base_uri) {}
HtmlParser::~HtmlParser() { htmlFreeParserCtxt(parser_ctx_); }
namespace {
std::string_view get_attr(const xmlChar **attrs, const std::string_view &name) {
if (attrs == nullptr) {
return ""sv;
}
for (; *attrs; attrs += 2) {
if (util::strieq(std::string_view{reinterpret_cast<const char *>(attrs[0])},
name)) {
return std::string_view{reinterpret_cast<const char *>(attrs[1])};
}
}
return ""sv;
}
}
namespace {
ResourceType
get_resource_type_for_preload_as(const std::string_view &attribute_value) {
if (util::strieq("image"sv, attribute_value)) {
return REQ_IMG;
} else if (util::strieq("style"sv, attribute_value)) {
return REQ_CSS;
} else if (util::strieq("script"sv, attribute_value)) {
return REQ_UNBLOCK_JS;
} else {
return REQ_OTHERS;
}
}
}
namespace {
void add_link(ParserData *parser_data, const std::string_view &uri,
ResourceType res_type) {
auto u = xmlBuildURI(
reinterpret_cast<const xmlChar *>(uri.data()),
reinterpret_cast<const xmlChar *>(parser_data->base_uri.c_str()));
if (u) {
parser_data->links.push_back(
std::make_pair(reinterpret_cast<char *>(u), res_type));
xmlFree(u);
}
}
}
namespace {
void start_element_func(void *user_data, const xmlChar *src_name,
const xmlChar **attrs) {
auto parser_data = static_cast<ParserData *>(user_data);
auto name = std::string_view{reinterpret_cast<const char *>(src_name)};
if (util::strieq("head"sv, name)) {
++parser_data->inside_head;
}
if (util::strieq("link"sv, name)) {
auto rel_attr = get_attr(attrs, "rel"sv);
auto href_attr = get_attr(attrs, "href"sv);
if (rel_attr.empty() || href_attr.empty()) {
return;
}
if (util::strieq("shortcut icon"sv, rel_attr)) {
add_link(parser_data, href_attr, REQ_OTHERS);
} else if (util::strieq("stylesheet"sv, rel_attr)) {
add_link(parser_data, href_attr, REQ_CSS);
} else if (util::strieq("preload"sv, rel_attr)) {
auto as_attr = get_attr(attrs, "as"sv);
if (as_attr.empty()) {
return;
}
add_link(parser_data, href_attr,
get_resource_type_for_preload_as(as_attr));
}
} else if (util::strieq("img"sv, name)) {
auto src_attr = get_attr(attrs, "src"sv);
if (src_attr.empty()) {
return;
}
add_link(parser_data, src_attr, REQ_IMG);
} else if (util::strieq("script"sv, name)) {
auto src_attr = get_attr(attrs, "src"sv);
if (src_attr.empty()) {
return;
}
if (parser_data->inside_head) {
add_link(parser_data, src_attr, REQ_JS);
} else {
add_link(parser_data, src_attr, REQ_UNBLOCK_JS);
}
}
}
}
namespace {
void end_element_func(void *user_data, const xmlChar *name) {
auto parser_data = static_cast<ParserData *>(user_data);
if (util::strieq("head"sv,
std::string_view{reinterpret_cast<const char *>(name)})) {
--parser_data->inside_head;
}
}
}
namespace {
xmlSAXHandler saxHandler = {
nullptr, nullptr, nullptr, nullptr, nullptr, nullptr, nullptr, nullptr, nullptr, nullptr, nullptr, nullptr, nullptr, nullptr, &start_element_func, &end_element_func, nullptr, nullptr, nullptr, nullptr, nullptr, nullptr, nullptr, nullptr, nullptr, nullptr, nullptr, 0, nullptr, nullptr, nullptr, nullptr, };
}
int HtmlParser::parse_chunk(const char *chunk, size_t size, int fin) {
if (!parser_ctx_) {
parser_ctx_ = htmlCreatePushParserCtxt(
&saxHandler, &parser_data_, chunk, static_cast<int>(size),
base_uri_.c_str(), XML_CHAR_ENCODING_NONE);
if (!parser_ctx_) {
return -1;
} else {
if (fin) {
return parse_chunk_internal(nullptr, 0, fin);
} else {
return 0;
}
}
} else {
return parse_chunk_internal(chunk, size, fin);
}
}
int HtmlParser::parse_chunk_internal(const char *chunk, size_t size, int fin) {
int rv = htmlParseChunk(parser_ctx_, chunk, static_cast<int>(size), fin);
if (rv == 0) {
return 0;
} else {
return -1;
}
}
const std::vector<std::pair<std::string, ResourceType>> &
HtmlParser::get_links() const {
return parser_data_.links;
}
void HtmlParser::clear_links() { parser_data_.links.clear(); }
}