fba/networks/lemmy.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 json
  18 import logging
  19
  20 import bs4
  21
  22 from fba import csrf
  23
  24 from fba.helpers import config
  25 from fba.helpers import domain as domain_helper
  26 from fba.helpers import tidyup
  27
  28 from fba.http import federation
  29 from fba.http import network
  30
  31 from fba.models import instances
  32
  33 logging.basicConfig(level=logging.INFO)
  34 logger = logging.getLogger(__name__)
  35 #logger.setLevel(logging.DEBUG)
  36
  37 def fetch_peers(domain: str, origin: str) -> list:
  38     logger.debug("domain='%s',origin='%s' - CALLED!", domain, origin)
  39     domain_helper.raise_on(domain)
  40
  41     peers = list()
  42
  43     # No CSRF by default, you don't have to add network.api_headers by yourself here
  44     headers = tuple()
  45
  46     try:
  47         logger.debug("Checking CSRF for domain='%s'", domain)
  48         headers = csrf.determine(domain, dict())
  49     except network.exceptions as exception:
  50         logger.warning("Exception '%s' during checking CSRF (fetch_peers,%s)", type(exception), __name__)
  51         instances.set_last_error(domain, exception)
  52
  53         logger.debug("Returning empty list ... - EXIT!")
  54         return list()
  55
  56     try:
  57         logger.debug("Fetching '/api/v3/site' from domain='%s' ...", domain)
  58         data = network.get_json_api(
  59             domain,
  60             "/api/v3/site",
  61             headers,
  62             (config.get("connection_timeout"), config.get("read_timeout"))
  63         )
  64
  65         logger.debug("data[]='%s'", type(data))
  66         if "error_message" in data:
  67             logger.warning("Could not reach any JSON API: domain='%s'", domain)
  68             instances.set_last_error(domain, data)
  69         elif "federated_instances" in data["json"] and isinstance(data["json"]["federated_instances"], dict):
  70             logger.debug("Found federated_instances for domain='%s'", domain)
  71             peers = peers + federation.add_peers(data["json"]["federated_instances"])
  72
  73             logger.debug("Marking domain='%s' as successfully handled ...", domain)
  74             instances.set_success(domain)
  75
  76         if len(peers) == 0:
  77             logger.warning("Fetching instances for domain='%s' from /instances ...", domain)
  78             peers = fetch_instances(domain, origin)
  79
  80     except network.exceptions as exception:
  81         logger.warning("Exception during fetching JSON: domain='%s',exception[%s]:'%s'", domain, type(exception), str(exception))
  82         instances.set_last_error(domain, exception)
  83
  84     logger.debug("peers()=%d - EXIT!", len(peers))
  85     return peers
  86
  87 def fetch_blocks(domain: str, nodeinfo_url: str) -> list:
  88     logger.debug("domain='%s,nodeinfo_url='%s' - CALLED!", domain, nodeinfo_url)
  89     domain_helper.raise_on(domain)
  90
  91     if not isinstance(nodeinfo_url, str):
  92         raise ValueError(f"Parameter nodeinfo_url[]='{type(nodeinfo_url)}' is not of type 'str'")
  93     elif nodeinfo_url == "":
  94         raise ValueError("Parameter 'nodeinfo_url' is empty")
  95
  96     translations = [
  97         "Blocked Instances".lower(),
  98         "Instàncies bloquejades".lower(),
  99         "Blocáilte Ásc".lower(),
 100         "封锁实例".lower(),
 101         "Blokované instance".lower(),
 102         "Geblokkeerde instanties".lower(),
 103         "Blockerade instanser".lower(),
 104         "Instàncias blocadas".lower(),
 105         "Istanze bloccate".lower(),
 106         "Instances bloquées".lower(),
 107         "Letiltott példányok".lower(),
 108         "Instancias bloqueadas".lower(),
 109         "Blokeatuta dauden instantziak".lower(),
 110         "차단된 인스턴스".lower(),
 111         "Peladen Yang Diblokir".lower(),
 112         "Blokerede servere".lower(),
 113         "Blokitaj nodoj".lower(),
 114         "Блокирани Инстанции".lower(),
 115         "Blockierte Instanzen".lower(),
 116         "Estetyt instanssit".lower(),
 117         "Instâncias bloqueadas".lower(),
 118         "Zablokowane instancje".lower(),
 119         "Blokované inštancie".lower(),
 120         "المثلاء المحجوبون".lower(),
 121         "Užblokuoti serveriai".lower(),
 122         "ブロックしたインスタンス".lower(),
 123         "Блокированные Инстансы".lower(),
 124         "Αποκλεισμένοι διακομιστές".lower(),
 125         "封鎖站台".lower(),
 126         "Instâncias bloqueadas".lower(),
 127     ]
 128
 129     blocklist = list()
 130
 131     try:
 132         # json endpoint for newer mastodongs
 133         logger.debug("Fetching /instances from domain='%s'", domain)
 134         response = network.fetch_response(
 135             domain,
 136             "/instances",
 137             network.web_headers,
 138             (config.get("connection_timeout"), config.get("read_timeout"))
 139         )
 140
 141         logger.debug("response.ok='%s',response.status_code=%d,response.text()=%d", response.ok, response.status_code, len(response.text))
 142         if response.ok and response.status_code < 300 and response.text != "":
 143             logger.debug("Parsing %s Bytes ...", len(response.text))
 144
 145             doc = bs4.BeautifulSoup(response.text, "html.parser")
 146             logger.debug("doc[]='%s'", type(doc))
 147
 148             found = None
 149             for criteria in [{"class": "home-instances container-lg"}, {"class": "container"}]:
 150                 logger.debug("criteria='%s'", criteria)
 151                 containers = doc.findAll("div", criteria)
 152
 153                 logger.debug("Checking %d containers ...", len(containers))
 154                 for container in containers:
 155                     logger.debug("container[]='%s'", type(container))
 156                     for header in container.find_all(["h2", "h3", "h4", "h5"]):
 157                         content = header
 158                         logger.debug("header[%s]='%s' - BEFORE!", type(header), header)
 159                         if header is not None:
 160                             content = str(header.contents[0])
 161                         logger.debug("content[%s]='%s' - AFTER!", type(content), content)
 162
 163                         if content is None:
 164                             logger.debug("domain='%s' has returned empty header='%s' - SKIPPED!", domain, header)
 165                             continue
 166                         elif not isinstance(content, str):
 167                             logger.debug("content[]='%s' is not supported/wanted type 'str' - SKIPPED!", type(content))
 168                             continue
 169                         elif content.lower() in translations:
 170                             logger.debug("Found header='%s' with blocked instances - BREAK(3) !", header)
 171                             found = header
 172                             break
 173
 174                     logger.debug("found[]='%s'", type(found))
 175                     if found is not None:
 176                         logger.debug("Found header with blocked instances - BREAK(2) !")
 177                         break
 178
 179                 logger.debug("found[]='%s'", type(found))
 180                 if found is not None:
 181                     logger.debug("Found header with blocked instances - BREAK(1) !")
 182                     break
 183
 184             logger.debug("found[]='%s'", type(found))
 185             if found is None:
 186                 logger.info("domain='%s' has no HTML blocklist, checking scripts ...", domain)
 187                 peers = parse_script(doc, "blocked")
 188
 189                 logger.debug("domain='%s' has %d peer(s).", domain, len(peers))
 190                 for blocked in peers:
 191                     logger.debug("Appending blocker='%s',blocked='%s',block_level='reject' ...", domain, blocked)
 192                     blocklist.append({
 193                         "blocker"    : domain,
 194                         "blocked"    : blocked,
 195                         "reason"     : None,
 196                         "block_level": "reject",
 197                     })
 198
 199                 logger.debug("blocklist()=%d - EXIT!", len(blocklist))
 200                 return blocklist
 201
 202             blocking = found.find_next(["ul", "table"]).findAll("a")
 203             logger.debug("Found %d blocked instance(s) ...", len(blocking))
 204             for tag in blocking:
 205                 logger.debug("tag[]='%s'", type(tag))
 206                 blocked = tidyup.domain(tag.contents[0])
 207                 logger.debug("blocked='%s'", blocked)
 208
 209                 if blocked == "":
 210                     logger.warning("blocked='%s' is empty after tidyup.domain() - SKIPPED!", tag.contents[0])
 211                     continue
 212
 213                 logger.debug("Appending blocker='%s',blocked='%s',block_level='reject' ...", domain, blocked)
 214                 blocklist.append({
 215                     "blocker"    : domain,
 216                     "blocked"    : blocked,
 217                     "reason"     : None,
 218                     "block_level": "reject",
 219                 })
 220
 221     except network.exceptions as exception:
 222         logger.warning("domain='%s',exception[%s]:'%s'", domain, type(exception), str(exception))
 223         instances.set_last_error(domain, exception)
 224
 225     logger.debug("blocklist()=%d - EXIT!", len(blocklist))
 226     return blocklist
 227
 228 def fetch_instances(domain: str, origin: str) -> list:
 229     logger.debug("domain='%s',origin='%s' - CALLED!", domain, origin)
 230     domain_helper.raise_on(domain)
 231
 232     peers = list()
 233
 234     try:
 235         # json endpoint for newer mastodongs
 236         logger.debug("Fetching /instances from domain='%s'", domain)
 237         response = network.fetch_response(
 238             domain,
 239             "/instances",
 240             network.web_headers,
 241             (config.get("connection_timeout"), config.get("read_timeout"))
 242         )
 243
 244         logger.debug("response.ok='%s',response.status_code=%d,response.text()=%d", response.ok, response.status_code, len(response.text))
 245         if response.ok and response.status_code < 300 and response.text != "":
 246             logger.debug("Parsing %s Bytes ...", len(response.text))
 247
 248             doc = bs4.BeautifulSoup(response.text, "html.parser")
 249             logger.debug("doc[]='%s'", type(doc))
 250
 251             for criteria in [{"class": "home-instances container-lg"}, {"class": "container"}]:
 252                 logger.debug("criteria='%s'", criteria)
 253                 containers = doc.findAll("div", criteria)
 254
 255                 logger.debug("Checking %d containers ...", len(containers))
 256                 for header in containers:
 257                     logger.debug("header[%s]='%s'", type(header), header)
 258
 259                     rows = header.find_next(["ul","table"]).findAll("a")
 260                     logger.debug("Found %d instance(s) ...", len(rows))
 261                     for tag in rows:
 262                         logger.debug("tag[]='%s'", type(tag))
 263                         text = tag.contents[0] if isinstance(tag.contents[0], str) else tag.contents[0].text
 264                         peer = tidyup.domain(text)
 265                         logger.debug("peer='%s'", peer)
 266
 267                         if peer == "":
 268                             logger.debug("peer is empty - SKIPPED!")
 269                             continue
 270                         elif peer in peers:
 271                             logger.debug("peer='%s' already added - SKIPPED!", peer)
 272                             continue
 273
 274                         logger.debug("Appending peer='%s' ...", peer)
 275                         peers.append(peer)
 276
 277             logger.debug("peers()=%d", len(peers))
 278             if len(peers) == 0:
 279                 logger.debug("Found no peers for domain='%s', trying script tag ...", domain)
 280                 peers = parse_script(doc)
 281
 282         logger.debug("Marking domain='%s' as successfully handled, peers()=%d ...", domain, len(peers))
 283         instances.set_success(domain)
 284
 285     except network.exceptions as exception:
 286         logger.warning("domain='%s',exception[%s]:'%s'", domain, type(exception), str(exception))
 287         instances.set_last_error(domain, exception)
 288
 289     logger.debug("peers()=%d - EXIT!", len(peers))
 290     return peers
 291
 292 def parse_script(doc: bs4.BeautifulSoup, only: str = None) -> list:
 293     logger.debug("doc[]='%s',only='%s' - CALLED!")
 294     if not isinstance(doc, bs4.BeautifulSoup):
 295         raise ValueError(f"Parameter doc[]='{type(only)}' is not of type 'bs4.BeautifulSoup'")
 296     elif not isinstance(only, str) and only is not None:
 297         raise ValueError(f"Parameter only[]='{type(only)}' is not of type 'str'")
 298     elif isinstance(only, str) and only == "":
 299         raise ValueError("Parameter 'only' is empty")
 300
 301     scripts = doc.find_all("script")
 302     peers = list()
 303
 304     logger.debug("scripts()=%d", len(scripts))
 305     for script in scripts:
 306         logger.debug("script[%s].contents()=%d", type(script), len(script.contents))
 307         if len(script.contents) == 0:
 308             logger.debug("script has no contents - SKIPPED!")
 309             continue
 310         elif not script.contents[0].startswith("window.isoData"):
 311             logger.debug("script.contents[0]='%s' does not start with window.isoData - SKIPPED!", script.contents[0])
 312             continue
 313
 314         logger.debug("script.contents[0][]='%s'", type(script.contents[0]))
 315
 316         iso_data = script.contents[0].split("=")[1].strip().replace(":undefined", ":\"undefined\"")
 317         logger.debug("iso_data[%s]='%s'", type(iso_data), iso_data)
 318
 319         parsed = None
 320         try:
 321             parsed = json.loads(iso_data)
 322         except json.decoder.JSONDecodeError as exception:
 323             logger.warning("Exception '%s' during parsing %d Bytes: '%s' - EXIT!", type(exception), len(iso_data), str(exception))
 324             return list()
 325
 326         logger.debug("parsed[%s]()=%d", type(parsed), len(parsed))
 327
 328         if "routeData" not in parsed:
 329             logger.warning("parsed[%s]()=%d does not contain element 'routeData'", type(parsed), len(parsed))
 330             continue
 331         elif "federatedInstancesResponse" not in parsed["routeData"]:
 332             logger.warning("parsed[routeData][%s]()=%d does not contain element 'federatedInstancesResponse'", type(parsed["routeData"]), len(parsed["routeData"]))
 333             continue
 334         elif "data" not in parsed["routeData"]["federatedInstancesResponse"]:
 335             logger.warning("parsed[routeData][federatedInstancesResponse][%s]()=%d does not contain element 'data'", type(parsed["routeData"]["federatedInstancesResponse"]), len(parsed["routeData"]["federatedInstancesResponse"]))
 336             continue
 337         elif "federated_instances" not in parsed["routeData"]["federatedInstancesResponse"]["data"]:
 338             logger.warning("parsed[routeData][federatedInstancesResponse][data][%s]()=%d does not contain element 'data'", type(parsed["routeData"]["federatedInstancesResponse"]["data"]), len(parsed["routeData"]["federatedInstancesResponse"]["data"]))
 339             continue
 340
 341         data = parsed["routeData"]["federatedInstancesResponse"]["data"]["federated_instances"]
 342         logger.debug("Checking %d data elements ...", len(data))
 343         for element in data:
 344             logger.debug("element='%s'", element)
 345             if isinstance(only, str) and only != element:
 346                 logger.debug("Skipping unwanted element='%s',only='%s'", element, only)
 347                 continue
 348
 349             logger.debug("Checking data[%s]()=%d row(s) ...", element, len(data[element]))
 350             for row in data[element]:
 351                 logger.debug("row[]='%s'", type(row))
 352                 if "domain" not in row:
 353                     logger.warning("row()=%d has no element 'domain' - SKIPPED!", len(row))
 354                     continue
 355
 356                 logger.debug("row[domain]='%s' - BEFORE!", row["domain"])
 357                 peer = tidyup.domain(row["domain"])
 358                 logger.debug("peer='%s' - AFTER!", peer)
 359
 360                 if peer == "":
 361                     logger.debug("peer is empty - SKIPPED!")
 362                     continue
 363                 elif peer in peers:
 364                     logger.debug("peer='%s' already added - SKIPPED!", peer)
 365                     continue
 366
 367                 logger.debug("Appending peer='%s' ...", peer)
 368                 peers.append(peer)
 369
 370     logger.debug("peers()=%d - EXIT!", len(peers))
 371     return peers