Line data Source code
1 : /*-------------------------------------------------------------------------
2 : *
3 : * encode.c
4 : * Various data encoding/decoding things.
5 : *
6 : * Copyright (c) 2001-2024, PostgreSQL Global Development Group
7 : *
8 : *
9 : * IDENTIFICATION
10 : * src/backend/utils/adt/encode.c
11 : *
12 : *-------------------------------------------------------------------------
13 : */
14 : #include "postgres.h"
15 :
16 : #include <ctype.h>
17 :
18 : #include "mb/pg_wchar.h"
19 : #include "utils/builtins.h"
20 : #include "utils/memutils.h"
21 : #include "varatt.h"
22 :
23 :
24 : /*
25 : * Encoding conversion API.
26 : * encode_len() and decode_len() compute the amount of space needed, while
27 : * encode() and decode() perform the actual conversions. It is okay for
28 : * the _len functions to return an overestimate, but not an underestimate.
29 : * (Having said that, large overestimates could cause unnecessary errors,
30 : * so it's better to get it right.) The conversion routines write to the
31 : * buffer at *res and return the true length of their output.
32 : */
33 : struct pg_encoding
34 : {
35 : uint64 (*encode_len) (const char *data, size_t dlen);
36 : uint64 (*decode_len) (const char *data, size_t dlen);
37 : uint64 (*encode) (const char *data, size_t dlen, char *res);
38 : uint64 (*decode) (const char *data, size_t dlen, char *res);
39 : };
40 :
41 : static const struct pg_encoding *pg_find_encoding(const char *name);
42 :
43 : /*
44 : * SQL functions.
45 : */
46 :
47 : Datum
48 485456 : binary_encode(PG_FUNCTION_ARGS)
49 : {
50 485456 : bytea *data = PG_GETARG_BYTEA_PP(0);
51 485456 : Datum name = PG_GETARG_DATUM(1);
52 : text *result;
53 : char *namebuf;
54 : char *dataptr;
55 : size_t datalen;
56 : uint64 resultlen;
57 : uint64 res;
58 : const struct pg_encoding *enc;
59 :
60 485456 : namebuf = TextDatumGetCString(name);
61 :
62 485456 : enc = pg_find_encoding(namebuf);
63 485456 : if (enc == NULL)
64 0 : ereport(ERROR,
65 : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
66 : errmsg("unrecognized encoding: \"%s\"", namebuf)));
67 :
68 485456 : dataptr = VARDATA_ANY(data);
69 485456 : datalen = VARSIZE_ANY_EXHDR(data);
70 :
71 485456 : resultlen = enc->encode_len(dataptr, datalen);
72 :
73 : /*
74 : * resultlen possibly overflows uint32, therefore on 32-bit machines it's
75 : * unsafe to rely on palloc's internal check.
76 : */
77 485456 : if (resultlen > MaxAllocSize - VARHDRSZ)
78 0 : ereport(ERROR,
79 : (errcode(ERRCODE_PROGRAM_LIMIT_EXCEEDED),
80 : errmsg("result of encoding conversion is too large")));
81 :
82 485456 : result = palloc(VARHDRSZ + resultlen);
83 :
84 485456 : res = enc->encode(dataptr, datalen, VARDATA(result));
85 :
86 : /* Make this FATAL 'cause we've trodden on memory ... */
87 485456 : if (res > resultlen)
88 0 : elog(FATAL, "overflow - encode estimate too small");
89 :
90 485456 : SET_VARSIZE(result, VARHDRSZ + res);
91 :
92 485456 : PG_RETURN_TEXT_P(result);
93 : }
94 :
95 : Datum
96 32864 : binary_decode(PG_FUNCTION_ARGS)
97 : {
98 32864 : text *data = PG_GETARG_TEXT_PP(0);
99 32864 : Datum name = PG_GETARG_DATUM(1);
100 : bytea *result;
101 : char *namebuf;
102 : char *dataptr;
103 : size_t datalen;
104 : uint64 resultlen;
105 : uint64 res;
106 : const struct pg_encoding *enc;
107 :
108 32864 : namebuf = TextDatumGetCString(name);
109 :
110 32864 : enc = pg_find_encoding(namebuf);
111 32864 : if (enc == NULL)
112 0 : ereport(ERROR,
113 : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
114 : errmsg("unrecognized encoding: \"%s\"", namebuf)));
115 :
116 32864 : dataptr = VARDATA_ANY(data);
117 32864 : datalen = VARSIZE_ANY_EXHDR(data);
118 :
119 32864 : resultlen = enc->decode_len(dataptr, datalen);
120 :
121 : /*
122 : * resultlen possibly overflows uint32, therefore on 32-bit machines it's
123 : * unsafe to rely on palloc's internal check.
124 : */
125 32864 : if (resultlen > MaxAllocSize - VARHDRSZ)
126 0 : ereport(ERROR,
127 : (errcode(ERRCODE_PROGRAM_LIMIT_EXCEEDED),
128 : errmsg("result of decoding conversion is too large")));
129 :
130 32864 : result = palloc(VARHDRSZ + resultlen);
131 :
132 32864 : res = enc->decode(dataptr, datalen, VARDATA(result));
133 :
134 : /* Make this FATAL 'cause we've trodden on memory ... */
135 32864 : if (res > resultlen)
136 0 : elog(FATAL, "overflow - decode estimate too small");
137 :
138 32864 : SET_VARSIZE(result, VARHDRSZ + res);
139 :
140 32864 : PG_RETURN_BYTEA_P(result);
141 : }
142 :
143 :
144 : /*
145 : * HEX
146 : */
147 :
148 : static const char hextbl[] = "0123456789abcdef";
149 :
150 : static const int8 hexlookup[128] = {
151 : -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
152 : -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
153 : -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
154 : 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, -1, -1, -1, -1, -1, -1,
155 : -1, 10, 11, 12, 13, 14, 15, -1, -1, -1, -1, -1, -1, -1, -1, -1,
156 : -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
157 : -1, 10, 11, 12, 13, 14, 15, -1, -1, -1, -1, -1, -1, -1, -1, -1,
158 : -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
159 : };
160 :
161 : uint64
162 944898 : hex_encode(const char *src, size_t len, char *dst)
163 : {
164 944898 : const char *end = src + len;
165 :
166 23188726 : while (src < end)
167 : {
168 22243828 : *dst++ = hextbl[(*src >> 4) & 0xF];
169 22243828 : *dst++ = hextbl[*src & 0xF];
170 22243828 : src++;
171 : }
172 944898 : return (uint64) len * 2;
173 : }
174 :
175 : static inline bool
176 7924530 : get_hex(const char *cp, char *out)
177 : {
178 7924530 : unsigned char c = (unsigned char) *cp;
179 7924530 : int res = -1;
180 :
181 7924530 : if (c < 127)
182 7924530 : res = hexlookup[c];
183 :
184 7924530 : *out = (char) res;
185 :
186 7924530 : return (res >= 0);
187 : }
188 :
189 : uint64
190 32824 : hex_decode(const char *src, size_t len, char *dst)
191 : {
192 32824 : return hex_decode_safe(src, len, dst, NULL);
193 : }
194 :
195 : uint64
196 143956 : hex_decode_safe(const char *src, size_t len, char *dst, Node *escontext)
197 : {
198 : const char *s,
199 : *srcend;
200 : char v1,
201 : v2,
202 : *p;
203 :
204 143956 : srcend = src + len;
205 143956 : s = src;
206 143956 : p = dst;
207 4106260 : while (s < srcend)
208 : {
209 3962334 : if (*s == ' ' || *s == '\n' || *s == '\t' || *s == '\r')
210 : {
211 60 : s++;
212 60 : continue;
213 : }
214 3962274 : if (!get_hex(s, &v1))
215 0 : ereturn(escontext, 0,
216 : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
217 : errmsg("invalid hexadecimal digit: \"%.*s\"",
218 : pg_mblen(s), s)));
219 3962274 : s++;
220 3962274 : if (s >= srcend)
221 18 : ereturn(escontext, 0,
222 : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
223 : errmsg("invalid hexadecimal data: odd number of digits")));
224 3962256 : if (!get_hex(s, &v2))
225 12 : ereturn(escontext, 0,
226 : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
227 : errmsg("invalid hexadecimal digit: \"%.*s\"",
228 : pg_mblen(s), s)));
229 3962244 : s++;
230 3962244 : *p++ = (v1 << 4) | v2;
231 : }
232 :
233 143926 : return p - dst;
234 : }
235 :
236 : static uint64
237 485368 : hex_enc_len(const char *src, size_t srclen)
238 : {
239 485368 : return (uint64) srclen << 1;
240 : }
241 :
242 : static uint64
243 32824 : hex_dec_len(const char *src, size_t srclen)
244 : {
245 32824 : return (uint64) srclen >> 1;
246 : }
247 :
248 : /*
249 : * BASE64
250 : */
251 :
252 : static const char _base64[] =
253 : "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/";
254 :
255 : static const int8 b64lookup[128] = {
256 : -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
257 : -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
258 : -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, 62, -1, -1, -1, 63,
259 : 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, -1, -1, -1, -1, -1, -1,
260 : -1, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14,
261 : 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, -1, -1, -1, -1, -1,
262 : -1, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40,
263 : 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, -1, -1, -1, -1, -1,
264 : };
265 :
266 : static uint64
267 12 : pg_base64_encode(const char *src, size_t len, char *dst)
268 : {
269 : char *p,
270 12 : *lend = dst + 76;
271 : const char *s,
272 12 : *end = src + len;
273 12 : int pos = 2;
274 12 : uint32 buf = 0;
275 :
276 12 : s = src;
277 12 : p = dst;
278 :
279 852 : while (s < end)
280 : {
281 840 : buf |= (unsigned char) *s << (pos << 3);
282 840 : pos--;
283 840 : s++;
284 :
285 : /* write it out */
286 840 : if (pos < 0)
287 : {
288 276 : *p++ = _base64[(buf >> 18) & 0x3f];
289 276 : *p++ = _base64[(buf >> 12) & 0x3f];
290 276 : *p++ = _base64[(buf >> 6) & 0x3f];
291 276 : *p++ = _base64[buf & 0x3f];
292 :
293 276 : pos = 2;
294 276 : buf = 0;
295 : }
296 840 : if (p >= lend)
297 : {
298 12 : *p++ = '\n';
299 12 : lend = p + 76;
300 : }
301 : }
302 12 : if (pos != 2)
303 : {
304 12 : *p++ = _base64[(buf >> 18) & 0x3f];
305 12 : *p++ = _base64[(buf >> 12) & 0x3f];
306 12 : *p++ = (pos == 0) ? _base64[(buf >> 6) & 0x3f] : '=';
307 12 : *p++ = '=';
308 : }
309 :
310 12 : return p - dst;
311 : }
312 :
313 : static uint64
314 10 : pg_base64_decode(const char *src, size_t len, char *dst)
315 : {
316 10 : const char *srcend = src + len,
317 10 : *s = src;
318 10 : char *p = dst;
319 : char c;
320 10 : int b = 0;
321 10 : uint32 buf = 0;
322 10 : int pos = 0,
323 10 : end = 0;
324 :
325 624 : while (s < srcend)
326 : {
327 614 : c = *s++;
328 :
329 614 : if (c == ' ' || c == '\t' || c == '\n' || c == '\r')
330 6 : continue;
331 :
332 608 : if (c == '=')
333 : {
334 : /* end sequence */
335 16 : if (!end)
336 : {
337 10 : if (pos == 2)
338 6 : end = 1;
339 4 : else if (pos == 3)
340 4 : end = 2;
341 : else
342 0 : ereport(ERROR,
343 : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
344 : errmsg("unexpected \"=\" while decoding base64 sequence")));
345 : }
346 16 : b = 0;
347 : }
348 : else
349 : {
350 592 : b = -1;
351 592 : if (c > 0 && c < 127)
352 592 : b = b64lookup[(unsigned char) c];
353 592 : if (b < 0)
354 0 : ereport(ERROR,
355 : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
356 : errmsg("invalid symbol \"%.*s\" found while decoding base64 sequence",
357 : pg_mblen(s - 1), s - 1)));
358 : }
359 : /* add it to buffer */
360 608 : buf = (buf << 6) + b;
361 608 : pos++;
362 608 : if (pos == 4)
363 : {
364 152 : *p++ = (buf >> 16) & 255;
365 152 : if (end == 0 || end > 1)
366 146 : *p++ = (buf >> 8) & 255;
367 152 : if (end == 0 || end > 2)
368 142 : *p++ = buf & 255;
369 152 : buf = 0;
370 152 : pos = 0;
371 : }
372 : }
373 :
374 10 : if (pos != 0)
375 0 : ereport(ERROR,
376 : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
377 : errmsg("invalid base64 end sequence"),
378 : errhint("Input data is missing padding, is truncated, or is otherwise corrupted.")));
379 :
380 10 : return p - dst;
381 : }
382 :
383 :
384 : static uint64
385 12 : pg_base64_enc_len(const char *src, size_t srclen)
386 : {
387 : /* 3 bytes will be converted to 4, linefeed after 76 chars */
388 12 : return ((uint64) srclen + 2) / 3 * 4 + (uint64) srclen / (76 * 3 / 4);
389 : }
390 :
391 : static uint64
392 10 : pg_base64_dec_len(const char *src, size_t srclen)
393 : {
394 10 : return ((uint64) srclen * 3) >> 2;
395 : }
396 :
397 : /*
398 : * Escape
399 : * Minimally escape bytea to text.
400 : * De-escape text to bytea.
401 : *
402 : * We must escape zero bytes and high-bit-set bytes to avoid generating
403 : * text that might be invalid in the current encoding, or that might
404 : * change to something else if passed through an encoding conversion
405 : * (leading to failing to de-escape to the original bytea value).
406 : * Also of course backslash itself has to be escaped.
407 : *
408 : * De-escaping processes \\ and any \### octal
409 : */
410 :
411 : #define VAL(CH) ((CH) - '0')
412 : #define DIG(VAL) ((VAL) + '0')
413 :
414 : static uint64
415 76 : esc_encode(const char *src, size_t srclen, char *dst)
416 : {
417 76 : const char *end = src + srclen;
418 76 : char *rp = dst;
419 76 : uint64 len = 0;
420 :
421 732 : while (src < end)
422 : {
423 656 : unsigned char c = (unsigned char) *src;
424 :
425 656 : if (c == '\0' || IS_HIGHBIT_SET(c))
426 : {
427 78 : rp[0] = '\\';
428 78 : rp[1] = DIG(c >> 6);
429 78 : rp[2] = DIG((c >> 3) & 7);
430 78 : rp[3] = DIG(c & 7);
431 78 : rp += 4;
432 78 : len += 4;
433 : }
434 578 : else if (c == '\\')
435 : {
436 0 : rp[0] = '\\';
437 0 : rp[1] = '\\';
438 0 : rp += 2;
439 0 : len += 2;
440 : }
441 : else
442 : {
443 578 : *rp++ = c;
444 578 : len++;
445 : }
446 :
447 656 : src++;
448 : }
449 :
450 76 : return len;
451 : }
452 :
453 : static uint64
454 30 : esc_decode(const char *src, size_t srclen, char *dst)
455 : {
456 30 : const char *end = src + srclen;
457 30 : char *rp = dst;
458 30 : uint64 len = 0;
459 :
460 2400084 : while (src < end)
461 : {
462 2400054 : if (src[0] != '\\')
463 2400024 : *rp++ = *src++;
464 30 : else if (src + 3 < end &&
465 30 : (src[1] >= '0' && src[1] <= '3') &&
466 30 : (src[2] >= '0' && src[2] <= '7') &&
467 30 : (src[3] >= '0' && src[3] <= '7'))
468 30 : {
469 : int val;
470 :
471 30 : val = VAL(src[1]);
472 30 : val <<= 3;
473 30 : val += VAL(src[2]);
474 30 : val <<= 3;
475 30 : *rp++ = val + VAL(src[3]);
476 30 : src += 4;
477 : }
478 0 : else if (src + 1 < end &&
479 0 : (src[1] == '\\'))
480 : {
481 0 : *rp++ = '\\';
482 0 : src += 2;
483 : }
484 : else
485 : {
486 : /*
487 : * One backslash, not followed by ### valid octal. Should never
488 : * get here, since esc_dec_len does same check.
489 : */
490 0 : ereport(ERROR,
491 : (errcode(ERRCODE_INVALID_TEXT_REPRESENTATION),
492 : errmsg("invalid input syntax for type %s", "bytea")));
493 : }
494 :
495 2400054 : len++;
496 : }
497 :
498 30 : return len;
499 : }
500 :
501 : static uint64
502 76 : esc_enc_len(const char *src, size_t srclen)
503 : {
504 76 : const char *end = src + srclen;
505 76 : uint64 len = 0;
506 :
507 732 : while (src < end)
508 : {
509 656 : if (*src == '\0' || IS_HIGHBIT_SET(*src))
510 78 : len += 4;
511 578 : else if (*src == '\\')
512 0 : len += 2;
513 : else
514 578 : len++;
515 :
516 656 : src++;
517 : }
518 :
519 76 : return len;
520 : }
521 :
522 : static uint64
523 30 : esc_dec_len(const char *src, size_t srclen)
524 : {
525 30 : const char *end = src + srclen;
526 30 : uint64 len = 0;
527 :
528 2400084 : while (src < end)
529 : {
530 2400054 : if (src[0] != '\\')
531 2400024 : src++;
532 30 : else if (src + 3 < end &&
533 30 : (src[1] >= '0' && src[1] <= '3') &&
534 30 : (src[2] >= '0' && src[2] <= '7') &&
535 30 : (src[3] >= '0' && src[3] <= '7'))
536 : {
537 : /*
538 : * backslash + valid octal
539 : */
540 30 : src += 4;
541 : }
542 0 : else if (src + 1 < end &&
543 0 : (src[1] == '\\'))
544 : {
545 : /*
546 : * two backslashes = backslash
547 : */
548 0 : src += 2;
549 : }
550 : else
551 : {
552 : /*
553 : * one backslash, not followed by ### valid octal
554 : */
555 0 : ereport(ERROR,
556 : (errcode(ERRCODE_INVALID_TEXT_REPRESENTATION),
557 : errmsg("invalid input syntax for type %s", "bytea")));
558 : }
559 :
560 2400054 : len++;
561 : }
562 30 : return len;
563 : }
564 :
565 : /*
566 : * Common
567 : */
568 :
569 : static const struct
570 : {
571 : const char *name;
572 : struct pg_encoding enc;
573 : } enclist[] =
574 :
575 : {
576 : {
577 : "hex",
578 : {
579 : hex_enc_len, hex_dec_len, hex_encode, hex_decode
580 : }
581 : },
582 : {
583 : "base64",
584 : {
585 : pg_base64_enc_len, pg_base64_dec_len, pg_base64_encode, pg_base64_decode
586 : }
587 : },
588 : {
589 : "escape",
590 : {
591 : esc_enc_len, esc_dec_len, esc_encode, esc_decode
592 : }
593 : },
594 : {
595 : NULL,
596 : {
597 : NULL, NULL, NULL, NULL
598 : }
599 : }
600 : };
601 :
602 : static const struct pg_encoding *
603 518320 : pg_find_encoding(const char *name)
604 : {
605 : int i;
606 :
607 518554 : for (i = 0; enclist[i].name; i++)
608 518554 : if (pg_strcasecmp(enclist[i].name, name) == 0)
609 518320 : return &enclist[i].enc;
610 :
611 0 : return NULL;
612 : }
|