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