fba/helpers/domain.py

   1 # Fedi API Block - An aggregator for fetching blocking data from fediverse nodes
   2 # Copyright (C) 2023 Free Software Foundation
   3 #
   4 # This program is free software: you can redistribute it and/or modify
   5 # it under the terms of the GNU Affero General Public License as published
   6 # by the Free Software Foundation, either version 3 of the License, or
   7 # (at your option) any later version.
   8 #
   9 # This program is distributed in the hope that it will be useful,
  10 # but WITHOUT ANY WARRANTY; without even the implied warranty of
  11 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  12 # GNU Affero General Public License for more details.
  13 #
  14 # You should have received a copy of the GNU Affero General Public License
  15 # along with this program.  If not, see <https://www.gnu.org/licenses/>.
  16
  17 import logging
  18
  19 from urllib.parse import urlparse
  20
  21 import validators
  22
  23 from fba.helpers import blacklist
  24
  25 from fba.models import instances
  26
  27 logging.basicConfig(level=logging.INFO)
  28 logger = logging.getLogger(__name__)
  29
  30 def raise_on(domain: str):
  31     logger.debug("domain='%s' - CALLED!", domain)
  32     if not isinstance(domain, str):
  33         raise ValueError(f"Parameter domain[]='{type(domain)}' is not of type 'str'")
  34     elif domain == "":
  35         raise ValueError("Parameter 'domain' is empty")
  36     elif domain.lower() != domain:
  37         raise ValueError(f"Parameter domain='{domain}' must be all lower-case")
  38     elif not validators.hostname(domain.split("/")[0]):
  39         raise ValueError(f"domain='{domain}' is not a valid domain")
  40     elif domain.endswith(".arpa"):
  41         raise ValueError(f"domain='{domain}' is a domain for reversed IP addresses, please don't crawl them!")
  42     elif domain.endswith(".onion"):
  43         raise ValueError(f"domain='{domain}' is a TOR, please don't crawl them!")
  44     elif domain.endswith(".tld"):
  45         raise ValueError(f"domain='{domain}' is a fake domain, please don't crawl them!")
  46
  47     logger.debug("EXIT!")
  48
  49 def is_in_url(domain: str, url: str) -> bool:
  50     logger.debug("domain='%s',url='%s' - CALLED!", domain, url)
  51     raise_on(domain)
  52
  53     if not isinstance(url, str):
  54         raise ValueError(f"Parameter url[]='{type(url)}' is not of type 'str'")
  55     elif url == "":
  56         raise ValueError("Parameter 'url' is empty")
  57
  58     punycode = domain.encode("idna").decode("utf-8")
  59
  60     components = urlparse(url)
  61     logger.debug("components[]='%s',punycode='%s'", type(components), punycode)
  62
  63     is_found = (punycode in [components.netloc, components.hostname])
  64
  65     logger.debug("is_found='%s' - EXIT!", is_found)
  66     return is_found
  67
  68 def is_wanted(domain: str) -> bool:
  69     logger.debug("domain='%s' - CALLED!", domain)
  70
  71     wanted = True
  72     if not isinstance(domain, str):
  73         raise ValueError(f"Parameter domain[]='{type(domain)}' is not of type 'str'")
  74     elif domain == "":
  75         raise ValueError("Parameter 'domain' is empty")
  76     elif domain.lower() != domain:
  77         wanted = False
  78     elif not validators.hostname(domain.split("/")[0]):
  79         logger.debug("domain='%s' is not a valid domain name - setting False ...", domain)
  80         wanted = False
  81     elif domain.endswith(".arpa"):
  82         logger.debug("domain='%s' is a domain for reversed IP addresses - setting False ...", domain)
  83         wanted = False
  84     elif domain.endswith(".onion"):
  85         logger.debug("domain='%s' is a TOR .onion domain - setting False ...", domain)
  86         wanted = False
  87     elif domain.endswith(".tld"):
  88         logger.debug("domain='%s' is a fake domain - setting False ...", domain)
  89         wanted = False
  90     elif blacklist.is_blacklisted(domain):
  91         logger.debug("domain='%s' is blacklisted - setting False ...", domain)
  92         wanted = False
  93     elif domain.find("/profile/") > 0 or domain.find("/users/") > 0 or (instances.is_registered(domain.split("/")[0]) and domain.find("/c/") > 0):
  94         logger.debug("domain='%s' is a single user", domain)
  95         wanted = False
  96     elif domain.find("/tag/") > 0:
  97         logger.debug("domain='%s' is a tag", domain)
  98         wanted = False
  99
 100     logger.debug("wanted='%s' - EXIT!", wanted)
 101     return wanted