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 logging.basicConfig(level=logging.INFO)
  24 logger = logging.getLogger(__name__)
  25
  26 def raise_on(domain: str):
  27     logger.debug("domain='%s' - CALLED!", domain)
  28     if not isinstance(domain, str):
  29         raise ValueError(f"Parameter domain[]='{type(domain)}' is not of type 'str'")
  30     elif domain == "":
  31         raise ValueError("Parameter 'domain' is empty")
  32     elif domain.lower() != domain:
  33         raise ValueError(f"Parameter domain='{domain}' must be all lower-case")
  34     elif not validators.domain(domain.split("/")[0]):
  35         raise ValueError(f"domain='{domain}' is not a valid domain")
  36     elif domain.endswith(".arpa"):
  37         raise ValueError(f"domain='{domain}' is a domain for reversed IP addresses, please don't crawl them!")
  38     elif domain.endswith(".onion"):
  39         raise ValueError(f"domain='{domain}' is a TOR, please don't crawl them!")
  40     elif domain.endswith(".tld"):
  41         raise ValueError(f"domain='{domain}' is a fake domain, please don't crawl them!")
  42     elif "xn--" in domain:
  43         raise ValueError(f"domain='{domain}' is a punycode domain, please don't crawl them!")
  44
  45     logger.debug("EXIT!")
  46
  47 def is_in_url(domain: str, url: str) -> bool:
  48     logger.debug("domain='%s',url='%s' - CALLED!", domain, url)
  49     raise_on(domain)
  50
  51     if not isinstance(url, str):
  52         raise ValueError(f"Parameter url[]='%s' is not of type 'str'", type(url))
  53     elif url == "":
  54         raise ValueError("Parameter 'url' is empty")
  55
  56     components = urlparse(url)
  57     punycode = domain.encode("idna").decode("utf-8")
  58
  59     logger.debug("components[]='%s',punycode='%s'", type(components), punycode)
  60     is_found = (punycode == components.netloc or punycode == components.hostname)
  61
  62     logger.debug("is_found='%s' - EXIT!", is_found)
  63     return is_found