git.hungrycats.org Git - xscreensaver/blob - hacks/webcollage

   1 #!/usr/bin/perl -w
   2 #
   3 # webcollage, Copyright (c) 1999-2005 by Jamie Zawinski <jwz@jwz.org>
   4 # This program decorates the screen with random images from the web.
   5 # One satisfied customer described it as "a nonstop pop culture brainbath."
   6 #
   7 # Permission to use, copy, modify, distribute, and sell this software and its
   8 # documentation for any purpose is hereby granted without fee, provided that
   9 # the above copyright notice appear in all copies and that both that
  10 # copyright notice and this permission notice appear in supporting
  11 # documentation.  No representations are made about the suitability of this
  12 # software for any purpose.  It is provided "as is" without express or
  13 # implied warranty.
  14
  15
  16 # To run this as a display mode with xscreensaver, add this to `programs':
  17 #
  18 #     webcollage -root
  19 #     webcollage -root -filter 'vidwhacker -stdin -stdout'
  20 #
  21 #
  22 # You can see this in action at http://www.jwz.org/webcollage/ --
  23 # it auto-reloads about once a minute.  To make a page similar to
  24 # that on your own system, do this:
  25 #
  26 #     webcollage -size '800x600' -imagemap $HOME/www/webcollage/index
  27 #
  28 #
  29 # If you have the "driftnet" program installed, webcollage can display a
  30 # collage of images sniffed off your local ethernet, instead of pulled out
  31 # of search engines: in that way, your screensaver can display the images
  32 # that your co-workers are downloading!
  33 #
  34 # Driftnet is available here: http://www.ex-parrot.com/~chris/driftnet/
  35 # Use it like so:
  36 #
  37 #     webcollage -root -driftnet
  38 #
  39 # Driftnet is the Unix implementation of the MacOS "EtherPEG" program.
  40
  41
  42 require 5;
  43 use strict;
  44
  45 # We can't "use diagnostics" here, because that library malfunctions if
  46 # you signal and catch alarms: it says "Uncaught exception from user code"
  47 # and exits, even though I damned well AM catching it!
  48 #use diagnostics;
  49
  50
  51 use Socket;
  52 require Time::Local;
  53 require POSIX;
  54 use Fcntl ':flock'; # import LOCK_* constants
  55 use POSIX qw(strftime);
  56
  57 use bytes;  # Larry can take Unicode and shove it up his ass sideways.
  58             # Perl 5.8.0 causes us to start getting incomprehensible
  59             # errors about UTF-8 all over the place without this.
  60
  61
  62 my $progname = $0; $progname =~ s@.*/@@g;
  63 my $version = q{ $Revision: 1.129 $ }; $version =~ s/^[^0-9]+([0-9.]+).*$/$1/;
  64 my $copyright = "WebCollage $version, Copyright (c) 1999-2005" .
  65     " Jamie Zawinski <jwz\@jwz.org>\n" .
  66     "            http://www.jwz.org/webcollage/\n";
  67
  68
  69
  70 my @search_methods = (  56, "altavista",    \&pick_from_alta_vista_random_link,
  71                         11, "livejournal",  \&pick_from_livejournal_images,
  72                          5, "yahoorand",    \&pick_from_yahoo_random_link,
  73                         10, "googlephotos", \&pick_from_google_image_photos,
  74                          5, "googleimgs",   \&pick_from_google_images,
  75                          3, "googlenums",   \&pick_from_google_image_numbers,
  76                          2, "flickr_recent", \&pick_from_flickr_recent,
  77                          8, "flickr_random", \&pick_from_flickr_random,
  78
  79                      # In Apr 2002, Google asked me to stop searching them.
  80                      # I asked them to add a "random link" url.  They said
  81                      # "that would be easy, we'll think about it" and then
  82                      # never wrote back.  Booo Google!  Booooo!  So, screw
  83                      # those turkeys, I've turned Google searching back on.
  84                      # I'm sure they can take it.  (Jan 2005.)
  85
  86                      # Jan 2005: Yahoo fucked up their search form so that
  87                      # it's no longer possible to do "or" searches on news
  88                      # images, so we rarely get any hits there any more.
  89                      #
  90                      #  0, "yahoonews",   \&pick_from_yahoo_news_text,
  91
  92                      # Dec 2004: the ircimages guy's server can't take the
  93                      # heat, so he started banning the webcollage user agent.
  94                      # I tried to convince him to add a lighter-weight page to
  95                      # support webcollage better, but he doesn't care.
  96                      #
  97                      #  0, "ircimages", \&pick_from_ircimages,
  98
  99                      # Dec 2002: Alta Vista has a new "random link" URL now.
 100                      # They added it specifically to better support webcollage!
 101                      # That was super cool of them.  This is how we used to do
 102                      # it, before:
 103                      #
 104                      #  0, "avimages", \&pick_from_alta_vista_images,
 105                      #  0, "avtext",   \&pick_from_alta_vista_text,
 106
 107                      # This broke in 2004.  Eh, Lycos sucks anyway.
 108                      #
 109                      #   0, "lycos",      \&pick_from_lycos_text,
 110
 111                      # This broke in 2003, I think.  I suspect Hotbot is
 112                      # actually the same search engine data as Lycos.
 113                      #
 114                      #  0, "hotbot",     \&pick_from_hotbot_text,
 115                       );
 116
 117 # programs we can use to write to the root window (tried in ascending order.)
 118 #
 119 my @root_displayers = (
 120   "xscreensaver-getimage -root -file",
 121   "chbg       -once -xscreensaver -max_size 100",
 122   "xv         -root -quit -viewonly +noresetroot -quick24 -rmode 5" .
 123   "           -rfg black -rbg black",
 124   "xli        -quiet -onroot -center -border black",
 125   "xloadimage -quiet -onroot -center -border black",
 126
 127 # this lame program wasn't built with vroot.h:
 128 # "xsri       -scale -keep-aspect -center-horizontal -center-vertical",
 129 );
 130
 131
 132 # Some sites need cookies to work properly.   These are they.
 133 #
 134 my %cookies = (
 135   "www.altavista.com"  =>  "AV_ALL=1",   # request uncensored searches
 136   "web.altavista.com"  =>  "AV_ALL=1",
 137
 138                                          # log in as "cipherpunk"
 139   "www.nytimes.com"    =>  'NYT-S=18cHMIlJOn2Y1bu5xvEG3Ufuk6E1oJ.' .
 140                            'FMxWaQV0igaB5Yi/Q/guDnLeoL.pe7i1oakSb' .
 141                            '/VqfdUdb2Uo27Vzt1jmPn3cpYRlTw9',
 142
 143   "ircimages.com"      =>  'disclaimer=1',
 144 );
 145
 146
 147 # If this is set, it's a helper program to use for pasting images together:
 148 # this is a lot faster and more efficient than using PPM pipelines, which is
 149 # what we do if this program doesn't exist.  (We check for "webcollage-helper"
 150 # on $PATH at startup, and set this variable appropriately.)
 151 #
 152 my $webcollage_helper = undef;
 153
 154
 155 # If we have the webcollage-helper program, then it will paste the images
 156 # together with transparency!  0.0 is invisible, 1.0 is totally opaque.
 157 #
 158 my $opacity = 0.85;
 159
 160
 161 # Some sites have  managed to poison the search engines.  These are they.
 162 # (We auto-detect sites that have poisoned the search engines via excessive
 163 # keywords or dictionary words,  but these are ones that slip through
 164 # anyway.)
 165 #
 166 # This can contain full host names, or 2 or 3 component domains.
 167 #
 168 my %poisoners = (
 169   "die.net"                 => 1,  # 'l33t h4ck3r d00dz.
 170   "genforum.genealogy.com"  => 1,  # Cluttering avtext with human names.
 171   "rootsweb.com"            => 1,  # Cluttering avtext with human names.
 172   "akamai.net"              => 1,  # Lots of sites have their images on Akamai.
 173   "akamaitech.net"          => 1,  # But those are pretty much all banners.
 174                                    # Since Akamai is super-expensive, let's
 175                                    # go out on a limb and assume that all of
 176                                    # their customers are rich-and-boring.
 177   "bartleby.com"            => 1,  # Dictionary, cluttering avtext.
 178   "encyclopedia.com"        => 1,  # Dictionary, cluttering avtext.
 179   "onlinedictionary.datasegment.com" => 1,  # Dictionary, cluttering avtext.
 180   "hotlinkpics.com"         => 1,  # Porn site that has poisoned avimages
 181                                    # (I don't see how they did it, though!)
 182   "alwayshotels.com"        => 1,  # Poisoned Lycos pretty heavily.
 183   "nextag.com"              => 1,  # Poisoned Alta Vista real good.
 184 );
 185
 186
 187 # When verbosity is turned on, we warn about sites that we seem to be hitting
 188 # a lot: usually this means some new poisoner has made it into the search
 189 # engines.  But sometimes, the warning is just because that site has a lot
 190 # of stuff on it.  So these are the sites that are immune to the "frequent
 191 # site" diagnostic message.
 192 #
 193 my %warningless_sites = (
 194   "home.earthlink.net"      => 1,  # Lots of home pages here.
 195   "www.geocities.com"       => 1,
 196   "www.angelfire.com"       => 1,
 197   "members.aol.com"         => 1,
 198   "img.photobucket.com"     => 1,
 199   "pics.livejournal.com"    => 1,
 200   "tinypic.com"             => 1,
 201   "flickr.com"              => 1,
 202
 203   "yimg.com"                => 1,  # This is where dailynews.yahoo.com stores
 204   "eimg.com"                => 1,  # its images, so pick_from_yahoo_news_text()
 205                                    # hits this every time.
 206
 207   "images.quizfarm.com"     => 1,  # damn those LJ quizzes...
 208   "images.quizilla.com"     => 1,
 209   "images.quizdiva.net"     => 1,
 210
 211   "driftnet"                => 1,  # builtin...
 212 );
 213
 214
 215 # For decoding HTML-encoded character entities to URLs.
 216 #
 217 my %entity_table = (
 218    "apos"   => '\'',
 219    "quot"   => '"', "amp"    => '&', "lt"     => '<', "gt"     => '>',
 220    "nbsp"   => ' ', "iexcl"  => '¡', "cent"   => '¢', "pound"  => '£',
 221    "curren" => '¤', "yen"    => '¥', "brvbar" => '¦', "sect"   => '§',
 222    "uml"    => '¨', "copy"   => '©', "ordf"   => 'ª', "laquo"  => '«',
 223    "not"    => '¬', "shy"    => '', "reg"    => '®', "macr"   => '¯',
 224    "deg"    => '°', "plusmn" => '±', "sup2"   => '²', "sup3"   => '³',
 225    "acute"  => '´', "micro"  => 'µ', "para"   => '¶', "middot" => '·',
 226    "cedil"  => '¸', "sup1"   => '¹', "ordm"   => 'º', "raquo"  => '»',
 227    "frac14" => '¼', "frac12" => '½', "frac34" => '¾', "iquest" => '¿',
 228    "Agrave" => 'À', "Aacute" => 'Á', "Acirc"  => 'Â', "Atilde" => 'Ã',
 229    "Auml"   => 'Ä', "Aring"  => 'Å', "AElig"  => 'Æ', "Ccedil" => 'Ç',
 230    "Egrave" => 'È', "Eacute" => 'É', "Ecirc"  => 'Ê', "Euml"   => 'Ë',
 231    "Igrave" => 'Ì', "Iacute" => 'Í', "Icirc"  => 'Î', "Iuml"   => 'Ï',
 232    "ETH"    => 'Ð', "Ntilde" => 'Ñ', "Ograve" => 'Ò', "Oacute" => 'Ó',
 233    "Ocirc"  => 'Ô', "Otilde" => 'Õ', "Ouml"   => 'Ö', "times"  => '×',
 234    "Oslash" => 'Ø', "Ugrave" => 'Ù', "Uacute" => 'Ú', "Ucirc"  => 'Û',
 235    "Uuml"   => 'Ü', "Yacute" => 'Ý', "THORN"  => 'Þ', "szlig"  => 'ß',
 236    "agrave" => 'à', "aacute" => 'á', "acirc"  => 'â', "atilde" => 'ã',
 237    "auml"   => 'ä', "aring"  => 'å', "aelig"  => 'æ', "ccedil" => 'ç',
 238    "egrave" => 'è', "eacute" => 'é', "ecirc"  => 'ê', "euml"   => 'ë',
 239    "igrave" => 'ì', "iacute" => 'í', "icirc"  => 'î', "iuml"   => 'ï',
 240    "eth"    => 'ð', "ntilde" => 'ñ', "ograve" => 'ò', "oacute" => 'ó',
 241    "ocirc"  => 'ô', "otilde" => 'õ', "ouml"   => 'ö', "divide" => '÷',
 242    "oslash" => 'ø', "ugrave" => 'ù', "uacute" => 'ú', "ucirc"  => 'û',
 243    "uuml"   => 'ü', "yacute" => 'ý', "thorn"  => 'þ', "yuml"   => 'ÿ',
 244    "ndash"  => '-', "mdash"  => "--"
 245 );
 246
 247
 248 ##############################################################################
 249 #
 250 # Various global flags set by command line parameters, or computed
 251 #
 252 ##############################################################################
 253
 254
 255 my $current_state = "???";      # for diagnostics
 256 my $load_method;
 257 my $last_search;
 258 my $image_succeeded = -1;
 259 my $suppress_audit = 0;
 260
 261 my $verbose_imgmap = 0;         # print out rectangles and URLs only (stdout)
 262 my $verbose_warnings = 0;       # print out warnings when things go wrong
 263 my $verbose_load = 0;           # diagnostics about loading of URLs
 264 my $verbose_filter = 0;         # diagnostics about page selection/rejection
 265 my $verbose_net = 0;            # diagnostics about network I/O
 266 my $verbose_pbm = 0;            # diagnostics about PBM pipelines
 267 my $verbose_http = 0;           # diagnostics about all HTTP activity
 268 my $verbose_exec = 0;           # diagnostics about executing programs
 269
 270 my $report_performance_interval = 60 * 15;  # print some stats every 15 minutes
 271
 272 my $http_proxy = undef;
 273 my $http_timeout = 20;
 274 my $cvt_timeout = 10;
 275
 276 my $min_width = 50;
 277 my $min_height = 50;
 278 my $min_ratio = 1/5;
 279
 280 my $min_gif_area = (120 * 120);
 281
 282
 283 my $no_output_p = 0;
 284 my $urls_only_p = 0;
 285 my $imagemap_base = undef;
 286
 287 my @pids_to_kill = ();  # forked pids we should kill when we exit, if any.
 288
 289 my $driftnet_magic = 'driftnet';
 290 my $driftnet_dir = undef;
 291 my $default_driftnet_cmd = "driftnet -a -m 100";
 292
 293 my $wordlist;
 294
 295 my %rejected_urls;
 296 my @tripwire_words = ("aberrate", "abode", "amorphous", "antioch",
 297                       "arrhenius", "arteriole", "blanket", "brainchild",
 298                       "burdensome", "carnival", "cherub", "chord", "clever",
 299                       "dedicate", "dilogarithm", "dolan", "dryden",
 300                       "eggplant");
 301
 302
 303 ##############################################################################
 304 #
 305 # Retrieving URLs
 306 #
 307 ##############################################################################
 308
 309 # returns three values: the HTTP response line; the document headers;
 310 # and the document body.
 311 #
 312 sub get_document_1($$$) {
 313   my ($url, $referer, $timeout) = @_;
 314
 315   if (!defined($timeout)) { $timeout = $http_timeout; }
 316   if ($timeout > $http_timeout) { $timeout = $http_timeout; }
 317
 318   if ($timeout <= 0) {
 319     LOG (($verbose_net || $verbose_load), "timed out for $url");
 320     return ();
 321   }
 322
 323   LOG ($verbose_net, "get_document_1 $url " . ($referer ? $referer : ""));
 324
 325   if (! ($url =~ m@^http://@i)) {
 326     LOG ($verbose_net, "not an HTTP URL: $url");
 327     return ();
 328   }
 329
 330   my ($url_proto, $dummy, $serverstring, $path) = split(/\//, $url, 4);
 331   $path = "" unless $path;
 332
 333   if (!$url_proto || !$serverstring) {
 334     LOG (($verbose_net || $verbose_load), "unparsable URL: $url");
 335     return ();
 336   }
 337
 338   my ($them,$port) = split(/:/, $serverstring);
 339   $port = 80 unless $port;
 340
 341   my $them2 = $them;
 342   my $port2 = $port;
 343   if ($http_proxy) {
 344     $serverstring = $http_proxy if $http_proxy;
 345     $serverstring =~ s@^[a-z]+://@@;
 346     ($them2,$port2) = split(/:/, $serverstring);
 347     $port2 = 80 unless $port2;
 348   }
 349
 350   my ($remote, $iaddr, $paddr, $proto, $line);
 351   $remote = $them2;
 352   if ($port2 =~ /\D/) { $port2 = getservbyname($port2, 'tcp') }
 353   if (!$port2) {
 354     LOG (($verbose_net || $verbose_load), "unrecognised port in $url");
 355     return ();
 356   }
 357   $iaddr   = inet_aton($remote);
 358   if (!$iaddr) {
 359     LOG (($verbose_net || $verbose_load), "host not found: $remote");
 360     return ();
 361   }
 362   $paddr   = sockaddr_in($port2, $iaddr);
 363
 364
 365   my $head = "";
 366   my $body = "";
 367
 368   @_ =
 369     eval {
 370       local $SIG{ALRM} = sub {
 371         LOG (($verbose_net || $verbose_load), "timed out ($timeout) for $url");
 372         die "alarm\n";
 373       };
 374       alarm $timeout;
 375
 376       $proto   = getprotobyname('tcp');
 377       if (!socket(S, PF_INET, SOCK_STREAM, $proto)) {
 378         LOG (($verbose_net || $verbose_load), "socket: $!");
 379         return ();
 380       }
 381       if (!connect(S, $paddr)) {
 382         LOG (($verbose_net || $verbose_load), "connect($serverstring): $!");
 383         return ();
 384       }
 385
 386       select(S); $| = 1; select(STDOUT);
 387
 388       my $cookie = $cookies{$them};
 389
 390       my $user_agent = "$progname/$version";
 391
 392       if ($url =~ m@^http://www\.altavista\.com/@ ||
 393           $url =~ m@^http://random\.yahoo\.com/@ ||
 394           $url =~ m@^http://images\.google\.com/@) {
 395         # block this, you turkeys.
 396         $user_agent = "Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.7.5)" .
 397           " Gecko/20041111 Firefox/1.0";
 398       }
 399
 400       my $hdrs = "GET " . ($http_proxy ? $url : "/$path") . " HTTP/1.0\r\n" .
 401                  "Host: $them\r\n" .
 402                  "User-Agent: $user_agent\r\n";
 403       if ($referer) {
 404         $hdrs .= "Referer: $referer\r\n";
 405       }
 406       if ($cookie) {
 407         my @cc = split(/\r?\n/, $cookie);
 408         $hdrs .= "Cookie: " . join('; ', @cc) . "\r\n";
 409       }
 410       $hdrs .= "\r\n";
 411
 412       foreach (split('\r?\n', $hdrs)) {
 413         LOG ($verbose_http, "  ==> $_");
 414       }
 415       print S $hdrs;
 416       my $http = <S> || "";
 417
 418       # Kludge: the Yahoo Random Link is now returning as its first
 419       # line "Status: 301" instead of "HTTP/1.0 301 Found".  Fix it...
 420       #
 421       $http =~ s@^Status:\s+(\d+)\b@HTTP/1.0 $1@i;
 422
 423       $_  = $http;
 424       s/[\r\n]+$//s;
 425       LOG ($verbose_http, "  <== $_");
 426
 427       while (<S>) {
 428         $head .= $_;
 429         s/[\r\n]+$//s;
 430         last if m@^$@;
 431         LOG ($verbose_http, "  <== $_");
 432
 433         if (m@^Set-cookie:\s*([^;\r\n]+)@i) {
 434           set_cookie($them, $1)
 435         }
 436       }
 437
 438       my $lines = 0;
 439       while (<S>) {
 440         $body .= $_;
 441         $lines++;
 442       }
 443
 444       LOG ($verbose_http,
 445            "  <== [ body ]: $lines lines, " . length($body) . " bytes");
 446
 447       close S;
 448
 449       if (!$http) {
 450         LOG (($verbose_net || $verbose_load), "null response: $url");
 451         return ();
 452       }
 453
 454       $SIG{ALRM} = 'DEFAULT';  # seem to be suffering a race?
 455       return ( $http, $head, $body );
 456     };
 457   die if ($@ && $@ ne "alarm\n");       # propagate errors
 458
 459   if ($@ && $@ ne "alarm\n") {
 460     print STDERR blurb() . "DIE " . join(" ", $@) . "\n";
 461     die;
 462   }
 463
 464   if ($@) {
 465     # timed out
 466     $head = undef;
 467     $body = undef;
 468     $suppress_audit = 1;
 469     return ();
 470   } else {
 471     # didn't
 472     alarm 0;
 473     return @_;
 474   }
 475 }
 476
 477
 478 # returns two values: the document headers; and the document body.
 479 # if the given URL did a redirect, returns the redirected-to document.
 480 #
 481 sub get_document($$;$) {
 482   my ($url, $referer, $timeout) = @_;
 483   my $start = time;
 484
 485   if (defined($referer) && $referer eq $driftnet_magic) {
 486     return get_driftnet_file ($url);
 487   }
 488
 489   my $orig_url = $url;
 490   my $loop_count = 0;
 491   my $max_loop_count = 4;
 492
 493   do {
 494     if (defined($timeout) && $timeout <= 0) {
 495       LOG (($verbose_net || $verbose_load), "timed out for $url");
 496       $suppress_audit = 1;
 497       return ();
 498     }
 499
 500     my ( $http, $head, $body ) = get_document_1 ($url, $referer, $timeout);
 501
 502     if (defined ($timeout)) {
 503       my $now = time;
 504       my $elapsed = $now - $start;
 505       $timeout -= $elapsed;
 506       $start = $now;
 507     }
 508
 509     return () unless $http; # error message already printed
 510
 511     $http =~ s/[\r\n]+$//s;
 512
 513     if ( $http =~ m@^HTTP/[0-9.]+ 30[123]@ ) {
 514       $_ = $head;
 515
 516       my ( $location ) = m@^location:[ \t]*(.*)$@im;
 517       if ( $location ) {
 518         $location =~ s/[\r\n]$//;
 519
 520         LOG ($verbose_net, "redirect from $url to $location");
 521         $referer = $url;
 522         $url = $location;
 523
 524         if ($url =~ m@^/@) {
 525           $referer =~ m@^(http://[^/]+)@i;
 526           $url = $1 . $url;
 527         } elsif (! ($url =~ m@^[a-z]+:@i)) {
 528           $_ = $referer;
 529           s@[^/]+$@@g if m@^http://[^/]+/@i;
 530           $_ .= "/" if m@^http://[^/]+$@i;
 531           $url = $_ . $url;
 532         }
 533
 534       } else {
 535         LOG ($verbose_net, "no Location with \"$http\"");
 536         return ( $url, $body );
 537       }
 538
 539       if ($loop_count++ > $max_loop_count) {
 540         LOG ($verbose_net,
 541              "too many redirects ($max_loop_count) from $orig_url");
 542         $body = undef;
 543         return ();
 544       }
 545
 546     } elsif ( $http =~ m@^HTTP/[0-9.]+ ([4-9][0-9][0-9].*)$@ ) {
 547
 548       LOG (($verbose_net || $verbose_load), "failed: $1 ($url)");
 549
 550       # http errors -- return nothing.
 551       $body = undef;
 552       return ();
 553
 554     } elsif (!$body) {
 555
 556       LOG (($verbose_net || $verbose_load), "document contains no data: $url");
 557       return ();
 558
 559     } else {
 560
 561       # ok!
 562       return ( $url, $body );
 563     }
 564
 565   } while (1);
 566 }
 567
 568 # If we already have a cookie defined for this site, and the site is trying
 569 # to overwrite that very same cookie, let it do so.  This is because nytimes
 570 # expires its cookies - it lets you upgrade to a new cookie without logging
 571 # in again, but you have to present the old cookie to get the new cookie.
 572 # So, by doing this, the built-in cypherpunks cookie will never go "stale".
 573 #
 574 sub set_cookie($$) {
 575   my ($host, $cookie) = @_;
 576   my $oc = $cookies{$host};
 577   return unless $oc;
 578   $_ = $oc;
 579   my ($oc_name, $oc_value) = m@^([^= \t\r\n]+)=(.*)$@;
 580   $_ = $cookie;
 581   my ($nc_name, $nc_value) = m@^([^= \t\r\n]+)=(.*)$@;
 582
 583   if ($oc_name eq $nc_name &&
 584       $oc_value ne $nc_value) {
 585     $cookies{$host} = $cookie;
 586     LOG ($verbose_net, "overwrote ${host}'s $oc_name cookie");
 587   }
 588 }
 589
 590
 591 ############################################################################
 592 #
 593 # Extracting image URLs from HTML
 594 #
 595 ############################################################################
 596
 597 # given a URL and the body text at that URL, selects and returns a random
 598 # image from it.  returns () if no suitable images found.
 599 #
 600 sub pick_image_from_body($$) {
 601   my ($url, $body) = @_;
 602
 603   my $base = $url;
 604   $_ = $url;
 605
 606   # if there's at least one slash after the host, take off the last
 607   # pathname component
 608   if ( m@^http://[^/]+/@io ) {
 609     $base =~ s@[^/]+$@@go;
 610   }
 611
 612   # if there are no slashes after the host at all, put one on the end.
 613   if ( m@^http://[^/]+$@io ) {
 614     $base .= "/";
 615   }
 616
 617   $_ = $body;
 618
 619   # strip out newlines, compress whitespace
 620   s/[\r\n\t ]+/ /go;
 621
 622   # nuke comments
 623   s/<!--.*?-->//go;
 624
 625
 626   # There are certain web sites that list huge numbers of dictionary
 627   # words in their bodies or in their <META NAME=KEYWORDS> tags (surprise!
 628   # Porn sites tend not to be reputable!)
 629   #
 630   # I do not want webcollage to filter on content: I want it to select
 631   # randomly from the set of images on the web.  All the logic here for
 632   # rejecting some images is really a set of heuristics for rejecting
 633   # images that are not really images: for rejecting *text* that is in
 634   # GIF/JPEG/PNG form.  I don't want text, I want pictures, and I want
 635   # the content of the pictures to be randomly selected from among all
 636   # the available content.
 637   #
 638   # So, filtering out "dirty" pictures by looking for "dirty" keywords
 639   # would be wrong: dirty pictures exist, like it or not, so webcollage
 640   # should be able to select them.
 641   #
 642   # However, picking a random URL is a hard thing to do.  The mechanism I'm
 643   # using is to search for a selection of random words.  This is not
 644   # perfect, but works ok most of the time.  The way it breaks down is when
 645   # some URLs get precedence because their pages list *every word* as
 646   # related -- those URLs come up more often than others.
 647   #
 648   # So, after we've retrieved a URL, if it has too many keywords, reject
 649   # it.  We reject it not on the basis of what those keywords are, but on
 650   # the basis that by having so many, the page has gotten an unfair
 651   # advantage against our randomizer.
 652   #
 653   my $trip_count = 0;
 654   foreach my $trip (@tripwire_words) {
 655     $trip_count++ if m/$trip/i;
 656   }
 657
 658   if ($trip_count >= $#tripwire_words - 2) {
 659     LOG (($verbose_filter || $verbose_load),
 660          "there is probably a dictionary in \"$url\": rejecting.");
 661     $rejected_urls{$url} = -1;
 662     $body = undef;
 663     $_ = undef;
 664     return ();
 665   }
 666
 667
 668   my @urls;
 669   my %unique_urls;
 670
 671   foreach (split(/ *</)) {
 672     if ( m/^meta /i ) {
 673
 674       # Likewise, reject any web pages that have a KEYWORDS meta tag
 675       # that is too long.
 676       #
 677       if (m/name ?= ?\"?keywords\"?/i &&
 678           m/content ?= ?\"([^\"]+)\"/) {
 679         my $L = length($1);
 680         if ($L > 1000) {
 681           LOG (($verbose_filter || $verbose_load),
 682                "excessive keywords ($L bytes) in $url: rejecting.");
 683           $rejected_urls{$url} = $L;
 684           $body = undef;
 685           $_ = undef;
 686           return ();
 687         } else {
 688           LOG ($verbose_filter, "  keywords ($L bytes) in $url (ok)");
 689         }
 690       }
 691
 692     } elsif ( m/^(img|a) .*(src|href) ?= ?\"? ?(.*?)[ >\"]/io ) {
 693
 694       my $was_inline = (! ( "$1" eq "a" || "$1" eq "A" ));
 695       my $link = $3;
 696       my ( $width )  = m/width ?=[ \"]*(\d+)/oi;
 697       my ( $height ) = m/height ?=[ \"]*(\d+)/oi;
 698       $_ = $link;
 699
 700       if ( m@^/@o ) {
 701         my $site;
 702         ( $site = $base ) =~ s@^(http://[^/]*).*@$1@gio;
 703         $_ = "$site$link";
 704       } elsif ( ! m@^[^/:?]+:@ ) {
 705         $_ = "$base$link";
 706         s@/\./@/@g;
 707         1 while (s@/[^/]+/\.\./@/@g);
 708       }
 709
 710       # skip non-http
 711       if ( ! m@^http://@io ) {
 712         next;
 713       }
 714
 715       # skip non-image
 716       if ( ! m@[.](gif|jpg|jpeg|pjpg|pjpeg|png)$@io ) {
 717         next;
 718       }
 719
 720       # skip really short or really narrow images
 721       if ( $width && $width < $min_width) {
 722         if (!$height) { $height = "?"; }
 723         LOG ($verbose_filter, "  skip narrow image $_ (${width}x$height)");
 724         next;
 725       }
 726
 727       if ( $height && $height < $min_height) {
 728         if (!$width) { $width = "?"; }
 729         LOG ($verbose_filter, "  skip short image $_ (${width}x$height)");
 730         next;
 731       }
 732
 733       # skip images with ratios that make them look like banners.
 734       if ($min_ratio && $width && $height &&
 735           ($width * $min_ratio ) > $height) {
 736         if (!$height) { $height = "?"; }
 737         LOG ($verbose_filter, "  skip bad ratio $_ (${width}x$height)");
 738         next;
 739       }
 740
 741       # skip GIFs with a small number of pixels -- those usually suck.
 742       if ($width && $height &&
 743           m/\.gif$/io &&
 744           ($width * $height) < $min_gif_area) {
 745         LOG ($verbose_filter, "  skip small GIF $_ (${width}x$height)");
 746         next;
 747       }
 748
 749       # skip images with a URL that indicates a Yahoo thumbnail.
 750       if (m@\.yimg\.com/.*/t/@) {
 751         if (!$width)  { $width  = "?"; }
 752         if (!$height) { $height = "?"; }
 753         LOG ($verbose_filter, "  skip yahoo thumb $_ (${width}x$height)");
 754         next;
 755       }
 756
 757       my $url = $_;
 758
 759       if ($unique_urls{$url}) {
 760         LOG ($verbose_filter, "  skip duplicate image $_");
 761         next;
 762       }
 763
 764       LOG ($verbose_filter,
 765            "  image $url" .
 766            ($width && $height ? " (${width}x${height})" : "") .
 767            ($was_inline ? " (inline)" : ""));
 768
 769       $urls[++$#urls] = $url;
 770       $unique_urls{$url}++;
 771
 772       # JPEGs are preferable to GIFs and PNGs.
 773       $_ = $url;
 774       if ( ! m@[.](gif|png)$@io ) {
 775         $urls[++$#urls] = $url;
 776       }
 777
 778       # pointers to images are preferable to inlined images.
 779       if ( ! $was_inline ) {
 780         $urls[++$#urls] = $url;
 781         $urls[++$#urls] = $url;
 782       }
 783     }
 784   }
 785
 786   my $fsp = ($body =~ m@<frameset@i);
 787
 788   $_ = undef;
 789   $body = undef;
 790
 791   @urls = depoison (@urls);
 792
 793   if ( $#urls < 0 ) {
 794     LOG ($verbose_load, "no images on $base" . ($fsp ? " (frameset)" : ""));
 795     return ();
 796   }
 797
 798   # pick a random element of the table
 799   my $i = int(rand($#urls+1));
 800   $url = $urls[$i];
 801
 802   LOG ($verbose_load, "picked image " .($i+1) . "/" . ($#urls+1) . ": $url");
 803
 804   return $url;
 805 }
 806
 807 # Given a URL and the RSS feed from that URL, pick a random image from
 808 # the feed.  This is a lot simpler than extracting images out of a page:
 809 # we already know we have reasonable images, so we just pick one.
 810 # Returns: the real URL of the page (preferably not the RSS version),
 811 # and the image.
 812
 813 sub pick_image_from_rss($$) {
 814   my ( $url, $body ) = @_;
 815   my @suitable = ($body =~ m/<enclosure url="(.*?)"/g);
 816
 817   my ($base) = ($body =~ m@<link>([^<>]+)</link>@i);
 818   $base = $url unless $base;
 819
 820   # pick a random element of the table
 821   if (@suitable) {
 822     my $i = int(rand(scalar @suitable));
 823     my $url = $suitable[$i];
 824     LOG ($verbose_load, "picked image " .($i+1) . "/" .
 825                         ($#suitable+1) . ": $url");
 826     return ($base, $url);
 827   }
 828   return;
 829 }
 830
 831 \f
 832 ############################################################################
 833 #
 834 # Subroutines for getting pages and images out of search engines
 835 #
 836 ############################################################################
 837
 838
 839 sub pick_dictionary() {
 840   my @dicts = ("/usr/dict/words",
 841                "/usr/share/dict/words",
 842                "/usr/share/lib/dict/words");
 843   foreach my $f (@dicts) {
 844     if (-f $f) {
 845       $wordlist = $f;
 846       last;
 847     }
 848   }
 849   error ("$dicts[0] does not exist") unless defined($wordlist);
 850 }
 851
 852 # returns a random word from the dictionary
 853 #
 854 sub random_word() {
 855
 856   local *IN;
 857   if (! open (IN, "<$wordlist")) {
 858     return undef;
 859   }
 860
 861   my $size = (stat(IN))[7];
 862   my $word = undef;
 863   my $count = 0;
 864
 865   while (1) {
 866     error ("looping ($count) while reading $wordlist")
 867       if (++$count > 100);
 868
 869     my $pos = int (rand ($size));
 870     if (seek (IN, $pos, 0)) {
 871       $word = <IN>;   # toss partial line
 872       $word = <IN>;   # keep next line
 873     }
 874
 875     next unless ($word);
 876     next if ($word =~ m/^[-\']/);
 877
 878     $word = lc($word);
 879     $word =~ s/^.*-//s;
 880     $word =~ s/^[^a-z]+//s;
 881     $word =~ s/[^a-z]+$//s;
 882     $word =~ s/\'s$//s;
 883     $word =~ s/ys$/y/s;
 884     $word =~ s/ally$//s;
 885     $word =~ s/ly$//s;
 886     $word =~ s/ies$/y/s;
 887     $word =~ s/ally$/al/s;
 888     $word =~ s/izes$/ize/s;
 889     $word =~ s/esses$/ess/s;
 890     $word =~ s/(.{5})ing$/$1/s;
 891
 892     next if (length ($word) > 14);
 893     last if ($word);
 894   }
 895
 896   close (IN);
 897
 898   if ( $word =~ s/\s/\+/gs ) {  # convert intra-word spaces to "+".
 899     $word = "\%22$word\%22";    # And put quotes (%22) around it.
 900   }
 901
 902   return $word;
 903 }
 904
 905
 906 sub random_words($) {
 907   my ($or_p) = @_;
 908   my $sep = ($or_p ? "%20OR%20" : "%20");
 909   return (random_word . $sep .
 910           random_word . $sep .
 911           random_word . $sep .
 912           random_word . $sep .
 913           random_word);
 914 }
 915
 916
 917 sub url_quote($) {
 918   my ($s) = @_;
 919   $s =~ s|([^-a-zA-Z0-9.\@/_\r\n])|sprintf("%%%02X", ord($1))|ge;
 920   return $s;
 921 }
 922
 923 sub url_unquote($) {
 924   my ($s) = @_;
 925   $s =~ s/[+]/ /g;
 926   $s =~ s/%([a-z0-9]{2})/chr(hex($1))/ige;
 927   return $s;
 928 }
 929
 930 sub html_quote($) {
 931   my ($s) = @_;
 932   $s =~ s/&/&amp;/gi;
 933   $s =~ s/</&lt;/gi;
 934   $s =~ s/>/&gt;/gi;
 935   $s =~ s/\"/&quot;/gi;
 936   return $s;
 937 }
 938
 939 sub html_unquote($) {
 940   my ($s) = @_;
 941   $s =~ s/(&([a-z]+);)/{ $entity_table{$2} || $1; }/gexi;  # e.g., &apos;
 942   $s =~ s/(&\#(\d+);)/{ chr($2) }/gexi;                    # e.g., &#39;
 943   return $s;
 944 }
 945
 946
 947 # Loads the given URL (a search on some search engine) and returns:
 948 # - the total number of hits the search engine claimed it had;
 949 # - a list of URLs from the page that the search engine returned;
 950 # Note that this list contains all kinds of internal search engine
 951 # junk URLs too -- caller must prune them.
 952 #
 953 sub pick_from_search_engine($$$) {
 954   my ( $timeout, $search_url, $words ) = @_;
 955
 956   $_ = $words;
 957   s/%20/ /g;
 958
 959   print STDERR "\n\n" if ($verbose_load);
 960
 961   LOG ($verbose_load, "words: $_");
 962   LOG ($verbose_load, "URL: $search_url");
 963
 964   $last_search = $search_url;   # for warnings
 965
 966   my $start = time;
 967   my ( $base, $body ) = get_document ($search_url, undef, $timeout);
 968   if (defined ($timeout)) {
 969     $timeout -= (time - $start);
 970     if ($timeout <= 0) {
 971       $body = undef;
 972       LOG (($verbose_net || $verbose_load),
 973            "timed out (late) for $search_url");
 974       $suppress_audit = 1;
 975       return ();
 976     }
 977   }
 978
 979   return () if (! $body);
 980
 981
 982   my @subpages;
 983
 984   my $search_count = "?";
 985   if ($body =~ m@found (approximately |about )?(<B>)?(\d+)(</B>)? image@) {
 986     $search_count = $3;
 987   } elsif ($body =~ m@<NOBR>((\d{1,3})(,\d{3})*)&nbsp;@i) {
 988     $search_count = $1;
 989   } elsif ($body =~ m@found ((\d{1,3})(,\d{3})*|\d+) Web p@) {
 990     $search_count = $1;
 991   } elsif ($body =~ m@found about ((\d{1,3})(,\d{3})*|\d+) results@) {
 992     $search_count = $1;
 993   } elsif ($body =~ m@\b\d+ - \d+ of (\d+)\b@i) { # avimages
 994     $search_count = $1;
 995   } elsif ($body =~ m@About ((\d{1,3})(,\d{3})*) images@i) { # avimages
 996     $search_count = $1;
 997   } elsif ($body =~ m@We found ((\d{1,3})(,\d{3})*|\d+) results@i) { # *vista
 998     $search_count = $1;
 999   } elsif ($body =~ m@ of about <B>((\d{1,3})(,\d{3})*)<@i) { # googleimages
1000     $search_count = $1;
1001   } elsif ($body =~ m@<B>((\d{1,3})(,\d{3})*)</B> Web sites were found@i) {
1002     $search_count = $1;    # lycos
1003   } elsif ($body =~ m@WEB.*?RESULTS.*?\b((\d{1,3})(,\d{3})*)\b.*?Matches@i) {
1004     $search_count = $1;                          # hotbot
1005   } elsif ($body =~ m@no photos were found containing@i) { # avimages
1006     $search_count = "0";
1007   } elsif ($body =~ m@found no document matching@i) { # avtext
1008     $search_count = "0";
1009   }
1010   1 while ($search_count =~ s/^(\d+)(\d{3})/$1,$2/);
1011
1012 #  if ($search_count eq "?" || $search_count eq "0") {
1013 #    local *OUT;
1014 #    my $file = "/tmp/wc.html";
1015 #    open(OUT, ">$file") || error ("writing $file: $!");
1016 #    print OUT $body;
1017 #    close OUT;
1018 #    print STDERR  blurb() . "###### wrote $file\n";
1019 #  }
1020
1021
1022   my $length = length($body);
1023   my $href_count = 0;
1024
1025   $_ = $body;
1026
1027   s/[\r\n\t ]+/ /g;
1028
1029
1030   s/(<A )/\n$1/gi;
1031   foreach (split(/\n/)) {
1032     $href_count++;
1033     my ($u) = m@<A\s.*\bHREF\s*=\s*([^>]+)>@i;
1034     next unless $u;
1035
1036     if ($u =~ m/^\"([^\"]*)\"/) { $u = $1; }   # quoted string
1037     elsif ($u =~ m/^([^\s]*)\s/) { $u = $1; }  # or token
1038
1039     if ( $rejected_urls{$u} ) {
1040       LOG ($verbose_filter, "  pre-rejecting candidate: $u");
1041       next;
1042     }
1043
1044     LOG ($verbose_http, "    HREF: $u");
1045
1046     $subpages[++$#subpages] = $u;
1047   }
1048
1049   if ( $#subpages < 0 ) {
1050     LOG ($verbose_filter,
1051          "found nothing on $base ($length bytes, $href_count links).");
1052     return ();
1053   }
1054
1055   LOG ($verbose_filter, "" . $#subpages+1 . " links on $search_url");
1056
1057   return ($search_count, @subpages);
1058 }
1059
1060
1061 sub depoison(@) {
1062   my (@urls) = @_;
1063   my @urls2 = ();
1064   foreach (@urls) {
1065     my ($h) = m@^http://([^/: \t\r\n]+)@i;
1066
1067     next unless defined($h);
1068
1069     if ($poisoners{$h}) {
1070       LOG (($verbose_filter), "  rejecting poisoner: $_");
1071       next;
1072     }
1073     if ($h =~ m@([^.]+\.[^.]+\.[^.]+)$@ &&
1074         $poisoners{$1}) {
1075       LOG (($verbose_filter), "  rejecting poisoner: $_");
1076       next;
1077     }
1078     if ($h =~ m@([^.]+\.[^.]+)$@ &&
1079         $poisoners{$1}) {
1080       LOG (($verbose_filter), "  rejecting poisoner: $_");
1081       next;
1082     }
1083
1084     push @urls2, $_;
1085   }
1086   return @urls2;
1087 }
1088
1089
1090 # given a list of URLs, picks one at random; loads it; and returns a
1091 # random image from it.
1092 # returns the url of the page loaded; the url of the image chosen.
1093 #
1094 sub pick_image_from_pages($$$$@) {
1095   my ($base, $total_hit_count, $unfiltered_link_count, $timeout, @pages) = @_;
1096
1097   $total_hit_count = "?" unless defined($total_hit_count);
1098
1099   @pages = depoison (@pages);
1100   LOG ($verbose_load,
1101        "" . ($#pages+1) . " candidates of $unfiltered_link_count links" .
1102        " ($total_hit_count total)");
1103
1104   return () if ($#pages < 0);
1105
1106   my $i = int(rand($#pages+1));
1107   my $page = $pages[$i];
1108
1109   LOG ($verbose_load, "picked page $page");
1110
1111   $suppress_audit = 1;
1112
1113   my ( $base2, $body2 ) = get_document ($page, $base, $timeout);
1114
1115   if (!$base2 || !$body2) {
1116     $body2 = undef;
1117     return ();
1118   }
1119
1120   my $img = pick_image_from_body ($base2, $body2);
1121   $body2 = undef;
1122
1123   if ($img) {
1124     return ($base2, $img);
1125   } else {
1126     return ();
1127   }
1128 }
1129
1130 \f
1131 ############################################################################
1132 #
1133 # Pick images from random pages returned by the Yahoo Random Link
1134 #
1135 ############################################################################
1136
1137 # yahoorand
1138 my $yahoo_random_link = "http://random.yahoo.com/fast/ryl";
1139
1140
1141 # Picks a random page; picks a random image on that page;
1142 # returns two URLs: the page containing the image, and the image.
1143 # Returns () if nothing found this time.
1144 #
1145 sub pick_from_yahoo_random_link($) {
1146   my ($timeout) = @_;
1147
1148   print STDERR "\n\n" if ($verbose_load);
1149   LOG ($verbose_load, "URL: $yahoo_random_link");
1150
1151   $last_search = $yahoo_random_link;   # for warnings
1152
1153   $suppress_audit = 1;
1154
1155   my ( $base, $body ) = get_document ($yahoo_random_link, undef, $timeout);
1156   if (!$base || !$body) {
1157     $body = undef;
1158     return;
1159   }
1160
1161   LOG ($verbose_load, "redirected to: $base");
1162
1163   my $img = pick_image_from_body ($base, $body);
1164   $body = undef;
1165
1166   if ($img) {
1167     return ($base, $img);
1168   } else {
1169     return ();
1170   }
1171 }
1172
1173 \f
1174 ############################################################################
1175 #
1176 # Pick images from random pages returned by the Alta Vista Random Link
1177 #
1178 ############################################################################
1179
1180 # altavista
1181 my $alta_vista_random_link = "http://www.altavista.com/image/randomlink";
1182
1183
1184 # Picks a random page; picks a random image on that page;
1185 # returns two URLs: the page containing the image, and the image.
1186 # Returns () if nothing found this time.
1187 #
1188 sub pick_from_alta_vista_random_link($) {
1189   my ($timeout) = @_;
1190
1191   print STDERR "\n\n" if ($verbose_load);
1192   LOG ($verbose_load, "URL: $alta_vista_random_link");
1193
1194   $last_search = $alta_vista_random_link;   # for warnings
1195
1196   $suppress_audit = 1;
1197
1198   my ( $base, $body ) = get_document ($alta_vista_random_link,
1199                                       undef, $timeout);
1200   if (!$base || !$body) {
1201     $body = undef;
1202     return;
1203   }
1204
1205   LOG ($verbose_load, "redirected to: $base");
1206
1207   my $img = pick_image_from_body ($base, $body);
1208   $body = undef;
1209
1210   if ($img) {
1211     return ($base, $img);
1212   } else {
1213     return ();
1214   }
1215 }
1216
1217 \f
1218 ############################################################################
1219 #
1220 # Pick images by feeding random words into Alta Vista Image Search
1221 #
1222 ############################################################################
1223
1224
1225 my $alta_vista_images_url = "http://www.altavista.com/image/results" .
1226                             "?ipht=1" .       # photos
1227                             "&igrph=1" .      # graphics
1228                             "&iclr=1" .       # color
1229                             "&ibw=1" .        # b&w
1230                             "&micat=1" .      # no partner sites
1231                             "&sc=on" .        # "site collapse"
1232                             "&q=";
1233
1234 # avimages
1235 sub pick_from_alta_vista_images($) {
1236   my ($timeout) = @_;
1237
1238   my $words = random_word();
1239   my $page = (int(rand(9)) + 1);
1240   my $search_url = $alta_vista_images_url . $words;
1241
1242   if ($page > 1) {
1243     $search_url .= "&pgno=" . $page;            # page number
1244     $search_url .= "&stq=" . (($page-1) * 12);  # first hit result on page
1245   }
1246
1247   my ($search_hit_count, @subpages) =
1248     pick_from_search_engine ($timeout, $search_url, $words);
1249
1250   my @candidates = ();
1251   foreach my $u (@subpages) {
1252
1253     # avimages is encoding their URLs now.
1254     next unless ($u =~ s/^.*\*\*(http%3a.*$)/$1/gsi);
1255     $u = url_unquote($u);
1256
1257     next unless ($u =~ m@^http://@i);    #  skip non-HTTP or relative URLs
1258     next if ($u =~ m@[/.]altavista\.com\b@i);     # skip altavista builtins
1259     next if ($u =~ m@[/.]yahoo\.com\b@i);         # yahoo and av in cahoots?
1260     next if ($u =~ m@[/.]doubleclick\.net\b@i);   # you cretins
1261     next if ($u =~ m@[/.]clicktomarket\.com\b@i); # more cretins
1262
1263     next if ($u =~ m@[/.]viewimages\.com\b@i);    # stacked deck
1264     next if ($u =~ m@[/.]gettyimages\.com\b@i);
1265
1266     LOG ($verbose_filter, "  candidate: $u");
1267     push @candidates, $u;
1268   }
1269
1270   return pick_image_from_pages ($search_url, $search_hit_count, $#subpages+1,
1271                                 $timeout, @candidates);
1272 }
1273
1274
1275 \f
1276 ############################################################################
1277 #
1278 # Pick images by feeding random words into Google Image Search.
1279 # By Charles Gales <gales@us.ibm.com>
1280 #
1281 ############################################################################
1282
1283
1284 my $google_images_url =     "http://images.google.com/images" .
1285                             "?site=images" .  # photos
1286                             "&btnG=Search" .  # graphics
1287                             "&safe=off" .     # no screening
1288                             "&imgsafe=off" .
1289                             "&q=";
1290
1291 # googleimgs
1292 sub pick_from_google_images($;$$) {
1293   my ($timeout, $words, $max_page) = @_;
1294
1295   if (!defined($words)) {
1296     $words = random_word;   # only one word for Google
1297   }
1298
1299   my $page = (int(rand(9)) + 1);
1300   my $num = 20;     # 20 images per page
1301   my $search_url = $google_images_url . $words;
1302
1303   if ($page > 1) {
1304     $search_url .= "&start=" . $page*$num;      # page number
1305     $search_url .= "&num="   . $num;            #images per page
1306   }
1307
1308   my ($search_hit_count, @subpages) =
1309     pick_from_search_engine ($timeout, $search_url, $words);
1310
1311   my @candidates = ();
1312   my %referers;
1313   foreach my $u (@subpages) {
1314     next unless ($u =~ m@imgres\?imgurl@i);    #  All pics start with this
1315     next if ($u =~ m@[/.]google\.com\b@i);     # skip google builtins
1316
1317     if ($u =~ m@^/imgres\?imgurl=(.*?)\&imgrefurl=(.*?)\&@) {
1318       my $ref = $2;
1319       my $img = $1;
1320       $img = "http://$img" unless ($img =~ m/^http:/i);
1321
1322       LOG ($verbose_filter, "  candidate: $ref");
1323       push @candidates, $img;
1324       $referers{$img} = $ref;
1325     }
1326   }
1327
1328   @candidates = depoison (@candidates);
1329   return () if ($#candidates < 0);
1330   my $i = int(rand($#candidates+1));
1331   my $img = $candidates[$i];
1332   my $ref = $referers{$img};
1333
1334   LOG ($verbose_load, "picked image " . ($i+1) . ": $img (on $ref)");
1335   return ($ref, $img);
1336 }
1337
1338
1339 \f
1340 ############################################################################
1341 #
1342 # Pick images by feeding random numbers into Google Image Search.
1343 # By jwz, suggested by Ian O'Donnell.
1344 #
1345 ############################################################################
1346
1347
1348 # googlenums
1349 sub pick_from_google_image_numbers($) {
1350   my ($timeout) = @_;
1351
1352   my $max = 9999;
1353   my $number = int(rand($max));
1354
1355   $number = sprintf("%04d", $number)
1356     if (rand() < 0.3);
1357
1358   pick_from_google_images ($timeout, "$number");
1359 }
1360
1361
1362 \f
1363 ############################################################################
1364 #
1365 # Pick images by feeding random digital camera file names into
1366 # Google Image Search.
1367 # By jwz, inspired by the excellent Random Personal Picture Finder
1368 # at http://www.diddly.com/random/
1369 #
1370 ############################################################################
1371
1372 my @photomakers = (
1373   #
1374   # Common digital camera file name formats, as described at
1375   # http://www.diddly.com/random/about.html
1376   #
1377   sub { sprintf ("dcp%05d.jpg",  int(rand(4000))); },   # Kodak
1378   sub { sprintf ("dsc%05d.jpg",  int(rand(4000))); },   # Nikon
1379   sub { sprintf ("dscn%04d.jpg", int(rand(4000))); },   # Nikon
1380   sub { sprintf ("mvc-%03d.jpg", int(rand(999)));  },   # Sony Mavica
1381   sub { sprintf ("mvc%05d.jpg",  int(rand(9999))); },   # Sony Mavica
1382   sub { sprintf ("P101%04d.jpg", int(rand(9999))); },   # Olympus w/ date=101
1383   sub { sprintf ("P%x%02d%04d.jpg",                     # Olympus
1384                  int(rand(0xC)), int(rand(30))+1,
1385                  rand(9999)); },
1386   sub { sprintf ("IMG_%03d.jpg",  int(rand(999))); },   # ?
1387   sub { sprintf ("IMAG%04d.jpg",  int(rand(9999))); },  # RCA and Samsung
1388   sub { my $n = int(rand(9999));                        # Canon
1389           sprintf ("1%02d-%04d.jpg", int($n/100), $n); },
1390   sub { my $n = int(rand(9999));                        # Canon
1391           sprintf ("1%02d-%04d_IMG.jpg",
1392                    int($n/100), $n); },
1393   sub { sprintf ("IMG_%04d.jpg", int(rand(9999))); },   # Canon
1394   sub { sprintf ("dscf%04d.jpg", int(rand(9999))); },   # Fuji Finepix
1395   sub { sprintf ("pdrm%04d.jpg", int(rand(9999))); },   # Toshiba PDR
1396   sub { sprintf ("IM%06d.jpg", int(rand(9999))); },     # HP Photosmart
1397   sub { sprintf ("EX%06d.jpg", int(rand(9999))); },     # HP Photosmart
1398 #  sub { my $n = int(rand(3));                          # Kodak DC-40,50,120
1399 #        sprintf ("DC%04d%s.jpg", int(rand(9999)),
1400 #                 $n == 0 ? 'S' : $n == 1 ? 'M' : 'L'); },
1401   sub { sprintf ("pict%04d.jpg", int(rand(9999))); },   # Minolta Dimage
1402   sub { sprintf ("P%07d.jpg", int(rand(9999))); },      # Kodak DC290
1403 #  sub { sprintf ("%02d%02d%04d.jpg",                   # Casio QV3000, QV4000
1404 #                 int(rand(12))+1, int(rand(31))+1,
1405 #                 int(rand(999))); },
1406 #  sub { sprintf ("%02d%x%02d%04d.jpg",                 # Casio QV7000
1407 #                 int(rand(6)), # year
1408 #                 int(rand(12))+1, int(rand(31))+1,
1409 #                 int(rand(999))); },
1410   sub { sprintf ("IMGP%04d.jpg", int(rand(9999))); },   # Pentax Optio S
1411   sub { sprintf ("PANA%04d.jpg", int(rand(9999))); },   # Panasonic vid still
1412   sub { sprintf ("HPIM%04d.jpg", int(rand(9999))); },   # HP Photosmart
1413   sub { sprintf ("PCDV%04d.jpg", int(rand(9999))); },   # ?
1414  );
1415
1416
1417 # googlephotos
1418 sub pick_from_google_image_photos($) {
1419   my ($timeout) = @_;
1420
1421   my $i = int(rand($#photomakers + 1));
1422   my $fn = $photomakers[$i];
1423   my $file = &$fn;
1424   my $words .= $file . "%20filetype:jpg";
1425
1426   pick_from_google_images ($timeout, $words);
1427 }
1428
1429
1430 \f
1431 ############################################################################
1432 #
1433 # Pick images by feeding random words into Alta Vista Text Search
1434 #
1435 ############################################################################
1436
1437
1438 my $alta_vista_url = "http://www.altavista.com/web/results" .
1439                      "?pg=aq" .
1440                      "&aqmode=s" .
1441                      "&filetype=html" .
1442                      "&sc=on" .        # "site collapse"
1443                      "&nbq=50" .
1444                      "&aqo=";
1445
1446 # avtext
1447 sub pick_from_alta_vista_text($) {
1448   my ($timeout) = @_;
1449
1450   my $words = random_words(0);
1451   my $page = (int(rand(9)) + 1);
1452   my $search_url = $alta_vista_url . $words;
1453
1454   if ($page > 1) {
1455     $search_url .= "&pgno=" . $page;
1456     $search_url .= "&stq=" . (($page-1) * 10);
1457   }
1458
1459   my ($search_hit_count, @subpages) =
1460     pick_from_search_engine ($timeout, $search_url, $words);
1461
1462   my @candidates = ();
1463   foreach my $u (@subpages) {
1464
1465     # Those altavista fuckers are playing really nasty redirection games
1466     # these days: the filter your clicks through their site, but use
1467     # onMouseOver to make it look like they're not!  Well, it makes it
1468     # easier for us to identify search results...
1469     #
1470     next unless ($u =~ s/^.*\*\*(http%3a.*$)/$1/gsi);
1471     $u = url_unquote($u);
1472
1473     next unless ($u =~ m@^http://@i);    #  skip non-HTTP or relative URLs
1474     next if ($u =~ m@[/.]altavista\.com\b@i);     # skip altavista builtins
1475     next if ($u =~ m@[/.]yahoo\.com\b@i);         # yahoo and av in cahoots?
1476
1477     LOG ($verbose_filter, "  candidate: $u");
1478     push @candidates, $u;
1479   }
1480
1481   return pick_image_from_pages ($search_url, $search_hit_count, $#subpages+1,
1482                                 $timeout, @candidates);
1483 }
1484
1485
1486 \f
1487 ############################################################################
1488 #
1489 # Pick images by feeding random words into Hotbot
1490 #
1491 ############################################################################
1492
1493 my $hotbot_search_url =("http://hotbot.lycos.com/default.asp" .
1494                         "?ca=w" .
1495                         "&descriptiontype=0" .
1496                         "&imagetoggle=1" .
1497                         "&matchmode=any" .
1498                         "&nummod=2" .
1499                         "&recordcount=50" .
1500                         "&sitegroup=1" .
1501                         "&stem=1" .
1502                         "&cobrand=undefined" .
1503                         "&query=");
1504
1505 sub pick_from_hotbot_text($) {
1506   my ($timeout) = @_;
1507
1508   $last_search = $hotbot_search_url;   # for warnings
1509
1510   # lycos seems to always give us back dictionaries and word lists if
1511   # we search for more than one word...
1512   #
1513   my $words = random_word();
1514
1515   my $start = int(rand(8)) * 10 + 1;
1516   my $search_url = $hotbot_search_url . $words . "&first=$start&page=more";
1517
1518   my ($search_hit_count, @subpages) =
1519     pick_from_search_engine ($timeout, $search_url, $words);
1520
1521   my @candidates = ();
1522   foreach my $u (@subpages) {
1523
1524     # Hotbot plays redirection games too
1525     # (not any more?)
1526 #    next unless ($u =~ m@/director.asp\?.*\btarget=([^&]+)@);
1527 #    $u = url_decode($1);
1528
1529     next unless ($u =~ m@^http://@i);    #  skip non-HTTP or relative URLs
1530     next if ($u =~ m@[/.]hotbot\.com\b@i);     # skip hotbot builtins
1531     next if ($u =~ m@[/.]lycos\.com\b@i);      # skip hotbot builtins
1532     next if ($u =~ m@[/.]inktomi\.com\b@i);    # skip hotbot builtins
1533
1534     LOG ($verbose_filter, "  candidate: $u");
1535     push @candidates, $u;
1536   }
1537
1538   return pick_image_from_pages ($search_url, $search_hit_count, $#subpages+1,
1539                                 $timeout, @candidates);
1540 }
1541
1542
1543 \f
1544 ############################################################################
1545 #
1546 # Pick images by feeding random words into Lycos
1547 #
1548 ############################################################################
1549
1550 my $lycos_search_url = "http://search.lycos.com/default.asp" .
1551                        "?lpv=1" .
1552                        "&loc=searchhp" .
1553                        "&tab=web" .
1554                        "&query=";
1555
1556 sub pick_from_lycos_text($) {
1557   my ($timeout) = @_;
1558
1559   $last_search = $lycos_search_url;   # for warnings
1560
1561   # lycos seems to always give us back dictionaries and word lists if
1562   # we search for more than one word...
1563   #
1564   my $words = random_word();
1565
1566   my $start = int(rand(8)) * 10 + 1;
1567   my $search_url = $lycos_search_url . $words . "&first=$start&page=more";
1568
1569   my ($search_hit_count, @subpages) =
1570     pick_from_search_engine ($timeout, $search_url, $words);
1571
1572   my @candidates = ();
1573   foreach my $u (@subpages) {
1574
1575     # Lycos plays redirection games.
1576     # (not any more?)
1577 #    next unless ($u =~ m@^http://click.lycos.com/director.asp
1578 #                         .*
1579 #                         \btarget=([^&]+)
1580 #                         .*
1581 #                        @x);
1582 #    $u = url_decode($1);
1583
1584     next unless ($u =~ m@^http://@i);    #  skip non-HTTP or relative URLs
1585     next if ($u =~ m@[/.]hotbot\.com\b@i);     # skip lycos builtins
1586     next if ($u =~ m@[/.]lycos\.com\b@i);      # skip lycos builtins
1587     next if ($u =~ m@[/.]terralycos\.com\b@i); # skip lycos builtins
1588     next if ($u =~ m@[/.]inktomi\.com\b@i);    # skip lycos builtins
1589
1590
1591     LOG ($verbose_filter, "  candidate: $u");
1592     push @candidates, $u;
1593   }
1594
1595   return pick_image_from_pages ($search_url, $search_hit_count, $#subpages+1,
1596                                 $timeout, @candidates);
1597 }
1598
1599
1600 \f
1601 ############################################################################
1602 #
1603 # Pick images by feeding random words into news.yahoo.com
1604 #
1605 ############################################################################
1606
1607 my $yahoo_news_url = "http://news.search.yahoo.com/search/news" .
1608                      "?c=news_photos" .
1609                      "&p=";
1610
1611 # yahoonews
1612 sub pick_from_yahoo_news_text($) {
1613   my ($timeout) = @_;
1614
1615   $last_search = $yahoo_news_url;   # for warnings
1616
1617   my $words = random_word();
1618   my $search_url = $yahoo_news_url . $words;
1619
1620   my ($search_hit_count, @subpages) =
1621     pick_from_search_engine ($timeout, $search_url, $words);
1622
1623   my @candidates = ();
1624   foreach my $u (@subpages) {
1625
1626     # de-redirectize the URLs
1627     $u =~ s@^http://rds\.yahoo\.com/.*-http%3A@http:@s;
1628
1629     # only accept URLs on Yahoo's news site
1630     next unless ($u =~ m@^http://dailynews\.yahoo\.com/@i ||
1631                  $u =~ m@^http://story\.news\.yahoo\.com/@i);
1632     next unless ($u =~ m@&u=/@);
1633
1634     LOG ($verbose_filter, "  candidate: $u");
1635     push @candidates, $u;
1636   }
1637
1638   return pick_image_from_pages ($search_url, $search_hit_count, $#subpages+1,
1639                                 $timeout, @candidates);
1640 }
1641
1642
1643 \f
1644 ############################################################################
1645 #
1646 # Pick images from LiveJournal's list of recently-posted images.
1647 #
1648 ############################################################################
1649
1650 my $livejournal_img_url = "http://www.livejournal.com/stats/latest-img.bml";
1651
1652 # With most of our image sources, we get a random page and then select
1653 # from the images on it.  However, in the case of LiveJournal, the page
1654 # of images tends to update slowly; so we'll remember the last N entries
1655 # on it and randomly select from those, to get a wider variety each time.
1656
1657 my $lj_cache_size = 1000;
1658 my @lj_cache = (); # fifo, for ordering by age
1659 my %lj_cache = (); # hash, for detecting dups
1660
1661 # livejournal
1662 sub pick_from_livejournal_images($) {
1663   my ($timeout) = @_;
1664
1665   $last_search = $livejournal_img_url;   # for warnings
1666
1667   my ( $base, $body ) = get_document ($livejournal_img_url, undef, $timeout);
1668   return () unless $body;
1669
1670   $body =~ s/\n/ /gs;
1671   $body =~ s/(<recent-image)\b/\n$1/gsi;
1672
1673   foreach (split (/\n/, $body)) {
1674     next unless (m/^<recent-image\b/);
1675     next unless (m/\bIMG=[\'\"]([^\'\"]+)[\'\"]/si);
1676     my $img = html_unquote ($1);
1677
1678     next if ($lj_cache{$img}); # already have it
1679
1680     next unless (m/\bURL=[\'\"]([^\'\"]+)[\'\"]/si);
1681     my $page = html_unquote ($1);
1682     my @pair = ($img, $page);
1683     LOG ($verbose_filter, "  candidate: $img");
1684     push @lj_cache, \@pair;
1685     $lj_cache{$img} = \@pair;
1686   }
1687
1688   return () if ($#lj_cache == -1);
1689
1690   my $n = $#lj_cache+1;
1691   my $i = int(rand($n));
1692   my ($img, $page) = @{$lj_cache[$i]};
1693
1694   # delete this one from @lj_cache and from %lj_cache.
1695   #
1696   @lj_cache = ( @lj_cache[0 .. $i-1],
1697                 @lj_cache[$i+1 .. $#lj_cache] );
1698   delete $lj_cache{$img};
1699
1700   # Keep the size of the cache under the limit by nuking older entries
1701   #
1702   while ($#lj_cache >= $lj_cache_size) {
1703     my $pairP = shift @lj_cache;
1704     my $img = $pairP->[0];
1705     delete $lj_cache{$img};
1706   }
1707
1708   LOG ($verbose_load, "picked image " .($i+1) . "/$n: $img");
1709
1710   return ($page, $img);
1711 }
1712
1713 \f
1714 ############################################################################
1715 #
1716 # Pick images from ircimages.com (images that have been in the /topic of
1717 # various IRC channels.)
1718 #
1719 ############################################################################
1720
1721 my $ircimages_url = "http://ircimages.com/";
1722
1723 # ircimages
1724 sub pick_from_ircimages($) {
1725   my ($timeout) = @_;
1726
1727   $last_search = $ircimages_url;   # for warnings
1728
1729   my $n = int(rand(2900));
1730   my $search_url = $ircimages_url . "page-$n";
1731
1732   my ( $base, $body ) = get_document ($search_url, undef, $timeout);
1733   return () unless $body;
1734
1735   my @candidates = ();
1736
1737   $body =~ s/\n/ /gs;
1738   $body =~ s/(<A)\b/\n$1/gsi;
1739
1740   foreach (split (/\n/, $body)) {
1741
1742     my ($u) = m@<A\s.*\bHREF\s*=\s*([^>]+)>@i;
1743     next unless $u;
1744
1745     if ($u =~ m/^\"([^\"]*)\"/) { $u = $1; }   # quoted string
1746     elsif ($u =~ m/^([^\s]*)\s/) { $u = $1; }  # or token
1747
1748     next unless ($u =~ m/^http:/i);
1749     next if ($u =~ m@^http://(searchirc\.com\|ircimages\.com)@i);
1750     next unless ($u =~ m@[.](gif|jpg|jpeg|pjpg|pjpeg|png)$@i);
1751
1752     LOG ($verbose_http, "    HREF: $u");
1753     push @candidates, $u;
1754   }
1755
1756   LOG ($verbose_filter, "" . $#candidates+1 . " links on $search_url");
1757
1758   return () if ($#candidates == -1);
1759
1760   my $i = int(rand($#candidates+1));
1761   my $img = $candidates[$i];
1762
1763   LOG ($verbose_load, "picked image " .($i+1) . "/" . ($#candidates+1) .
1764        ": $img");
1765
1766   $search_url = $img;  # hmm...
1767   return ($search_url, $img);
1768 }
1769
1770 \f
1771 ############################################################################
1772 #
1773 # Pick images from Flickr's page of recently-posted photos.
1774 #
1775 ############################################################################
1776
1777 my $flickr_img_url = "http://www.flickr.com/photos/";
1778
1779 # Like LiveJournal, the Flickr page of images tends to update slowly,
1780 # so remember the last N entries on it and randomly select from those.
1781
1782 # I know that Flickr has an API (http://www.flickr.com/services/api/)
1783 # but it was easy enough to scrape the HTML, so I didn't bother exploring.
1784
1785 my $flickr_cache_size = 1000;
1786 my @flickr_cache = (); # fifo, for ordering by age
1787 my %flickr_cache = (); # hash, for detecting dups
1788
1789
1790 # flickr_recent
1791 sub pick_from_flickr_recent($) {
1792   my ($timeout) = @_;
1793
1794   my $start = 16 * int(rand(100));
1795
1796   $last_search = $flickr_img_url;   # for warnings
1797   $last_search .= "?start=$start" if ($start > 0);
1798
1799   my ( $base, $body ) = get_document ($last_search, undef, $timeout);
1800   return () unless $body;
1801
1802   $body =~ s/[\r\n]/ /gs;
1803   $body =~ s/(<a)\b/\n$1/gsi;
1804
1805   my $count = 0;
1806   my $count2 = 0;
1807   foreach (split (/\n/, $body)) {
1808     my ($page, $thumb) = m@<A \s [^<>]* \b HREF=\"([^<>\"]+)\" [^<>]* > \s*
1809                            <IMG \s [^<>]* \b SRC=\"([^<>\"]+)\" @xsi;
1810     next unless defined ($thumb);
1811     $page = html_unquote ($page);
1812     $thumb = html_unquote ($thumb);
1813
1814     next unless ($thumb =~ m@^http://photos\d*\.flickr\.com/@);
1815
1816     my $base = "http://www.flickr.com/";
1817     $page  =~ s@^/@$base@;
1818     $thumb =~ s@^/@$base@;
1819
1820     my $img = $thumb;
1821     $img =~ s/_[a-z](\.[a-z\d]+)$/$1/si;  # take off "thumb" suffix
1822
1823     $count++;
1824     next if ($flickr_cache{$img}); # already have it
1825
1826     my @pair = ($img, $page, $start);
1827     LOG ($verbose_filter, "  candidate: $img");
1828     push @flickr_cache, \@pair;
1829     $flickr_cache{$img} = \@pair;
1830     $count2++;
1831   }
1832
1833   return () if ($#flickr_cache == -1);
1834
1835   my $n = $#flickr_cache+1;
1836   my $i = int(rand($n));
1837   my ($img, $page) = @{$flickr_cache[$i]};
1838
1839   # delete this one from @flickr_cache and from %flickr_cache.
1840   #
1841   @flickr_cache = ( @flickr_cache[0 .. $i-1],
1842                     @flickr_cache[$i+1 .. $#flickr_cache] );
1843   delete $flickr_cache{$img};
1844
1845   # Keep the size of the cache under the limit by nuking older entries
1846   #
1847   while ($#flickr_cache >= $flickr_cache_size) {
1848     my $pairP = shift @flickr_cache;
1849     my $img = $pairP->[0];
1850     delete $flickr_cache{$img};
1851   }
1852
1853   LOG ($verbose_load, "picked image " .($i+1) . "/$n: $img");
1854
1855   return ($page, $img);
1856 }
1857
1858 \f
1859 ############################################################################
1860 #
1861 # Pick images from a random RSS feed on Flickr.
1862 #
1863 ############################################################################
1864
1865 my $flickr_rss_base = ("http://www.flickr.com/services/feeds/photos_public.gne" .
1866                        "?format=rss_200_enc&tags=");
1867
1868 # Picks a random RSS feed; picks a random image from that feed;
1869 # returns 2 URLs: the page containing the image, and the image.
1870 # Mostly by Joe Mcmahon <mcmahon@yahoo-inc.com>
1871 #
1872 # flickr_random
1873 sub pick_from_flickr_random($) {
1874   my $timeout = shift;
1875
1876   my $rss = $flickr_rss_base . random_word();
1877   $last_search = $rss;
1878
1879   print STDERR "\n\n" if ($verbose_load);
1880   LOG ($verbose_load, "URL: $last_search");
1881
1882   $suppress_audit = 1;
1883
1884   my ( $base, $body ) = get_document ($last_search, undef, $timeout);
1885   if (!$base || !$body) {
1886     $body = undef;
1887     return;
1888   }
1889
1890   my $img;
1891   ($base, $img) = pick_image_from_rss ($base, $body);
1892   $body = undef;
1893   return () unless defined ($img);
1894
1895   LOG ($verbose_load, "redirected to: $base");
1896   return ($base, $img);
1897 }
1898
1899 \f
1900 ############################################################################
1901 #
1902 # Pick images by waiting for driftnet to populate a temp dir with files.
1903 # Requires driftnet version 0.1.5 or later.
1904 # (Driftnet is a program by Chris Lightfoot that sniffs your local ethernet
1905 # for images being downloaded by others.)
1906 # Driftnet/webcollage integration by jwz.
1907 #
1908 ############################################################################
1909
1910 # driftnet
1911 sub pick_from_driftnet($) {
1912   my ($timeout) = @_;
1913
1914   my $id = $driftnet_magic;
1915   my $dir = $driftnet_dir;
1916   my $start = time;
1917   my $now;
1918
1919   error ("\$driftnet_dir unset?") unless ($dir);
1920   $dir =~ s@/+$@@;
1921
1922   error ("$dir unreadable") unless (-d "$dir/.");
1923
1924   $timeout = $http_timeout unless ($timeout);
1925   $last_search = $id;
1926
1927   while ($now = time, $now < $start + $timeout) {
1928     local *DIR;
1929     opendir (DIR, $dir) || error ("$dir: $!");
1930     while (my $file = readdir(DIR)) {
1931       next if ($file =~ m/^\./);
1932       $file = "$dir/$file";
1933       closedir DIR;
1934       LOG ($verbose_load, "picked file $file ($id)");
1935       return ($id, $file);
1936     }
1937     closedir DIR;
1938   }
1939   LOG (($verbose_net || $verbose_load), "timed out for $id");
1940   return ();
1941 }
1942
1943
1944 sub get_driftnet_file($) {
1945   my ($file) = @_;
1946
1947   error ("\$driftnet_dir unset?") unless ($driftnet_dir);
1948
1949   my $id = $driftnet_magic;
1950   my $re = qr/$driftnet_dir/;
1951   error ("$id: $file not in $driftnet_dir?")
1952     unless ($file =~ m@^$re@o);
1953
1954   local *IN;
1955   open (IN, $file) || error ("$id: $file: $!");
1956   my $body = '';
1957   while (<IN>) { $body .= $_; }
1958   close IN || error ("$id: $file: $!");
1959   unlink ($file) || error ("$id: $file: rm: $!");
1960   return ($id, $body);
1961 }
1962
1963
1964 sub spawn_driftnet($) {
1965   my ($cmd) = @_;
1966
1967   # make a directory to use.
1968   while (1) {
1969     my $tmp = $ENV{TEMPDIR} || "/tmp";
1970     $driftnet_dir = sprintf ("$tmp/driftcollage-%08x", rand(0xffffffff));
1971     LOG ($verbose_exec, "mkdir $driftnet_dir");
1972     last if mkdir ($driftnet_dir, 0700);
1973   }
1974
1975   if (! ($cmd =~ m/\s/)) {
1976     # if the command didn't have any arguments in it, then it must be just
1977     # a pointer to the executable.  Append the default args to it.
1978     my $dargs = $default_driftnet_cmd;
1979     $dargs =~ s/^[^\s]+//;
1980     $cmd .= $dargs;
1981   }
1982
1983   # point the driftnet command at our newly-minted private directory.
1984   #
1985   $cmd .= " -d $driftnet_dir";
1986   $cmd .= ">/dev/null" unless ($verbose_exec);
1987
1988   my $pid = fork();
1989   if ($pid < 0) { error ("fork: $!\n"); }
1990   if ($pid) {
1991     # parent fork
1992     push @pids_to_kill, $pid;
1993     LOG ($verbose_exec, "forked for \"$cmd\"");
1994   } else {
1995     # child fork
1996     nontrapping_system ($cmd) || error ("exec: $!");
1997   }
1998
1999   # wait a bit, then make sure the process actually started up.
2000   #
2001   sleep (1);
2002   error ("pid $pid failed to start \"$cmd\"")
2003     unless (1 == kill (0, $pid));
2004 }
2005
2006 \f
2007 ############################################################################
2008 #
2009 # Pick a random image in a random way
2010 #
2011 ############################################################################
2012
2013
2014 # Picks a random image on a random page, and returns two URLs:
2015 # the page containing the image, and the image.
2016 # Returns () if nothing found this time.
2017 #
2018
2019 sub pick_image(;$) {
2020   my ($timeout) = @_;
2021
2022   $current_state = "select";
2023   $load_method = "none";
2024
2025   my $n = int(rand(100));
2026   my $fn = undef;
2027   my $total = 0;
2028   my @rest = @search_methods;
2029
2030   while (@rest) {
2031     my $pct  = shift @rest;
2032     my $name = shift @rest;
2033     my $tfn  = shift @rest;
2034     $total += $pct;
2035     if ($total > $n && !defined($fn)) {
2036       $fn = $tfn;
2037       $current_state = $name;
2038       $load_method = $current_state;
2039     }
2040   }
2041
2042   if ($total != 100) {
2043     error ("internal error: \@search_methods totals to $total%!");
2044   }
2045
2046   record_attempt ($current_state);
2047   return $fn->($timeout);
2048 }
2049
2050
2051 \f
2052 ############################################################################
2053 #
2054 # Statistics and logging
2055 #
2056 ############################################################################
2057
2058 sub timestr() {
2059   return strftime ("%H:%M:%S: ", localtime);
2060 }
2061
2062 sub blurb() {
2063   return "$progname: " . timestr() . "$current_state: ";
2064 }
2065
2066 sub error($) {
2067   my ($err) = @_;
2068   print STDERR blurb() . "$err\n";
2069   exit 1;
2070 }
2071
2072 sub stacktrace() {
2073   my $i = 1;
2074   print STDERR "$progname: stack trace:\n";
2075   while (1) {
2076     my ($package, $filename, $line, $subroutine) = caller($i++);
2077     last unless defined($package);
2078     $filename =~ s@^.*/@@;
2079     print STDERR "  $filename#$line, $subroutine\n";
2080   }
2081 }
2082
2083
2084 my $lastlog = "";
2085
2086 sub clearlog() {
2087   $lastlog = "";
2088 }
2089
2090 sub showlog() {
2091   my $head = "$progname: DEBUG: ";
2092   foreach (split (/\n/, $lastlog)) {
2093     print STDERR "$head$_\n";
2094   }
2095   $lastlog = "";
2096 }
2097
2098 sub LOG($$) {
2099   my ($print, $msg) = @_;
2100   my $blurb = timestr() . "$current_state: ";
2101   $lastlog .= "$blurb$msg\n";
2102   print STDERR "$progname: $blurb$msg\n" if $print;
2103 }
2104
2105
2106 my %stats_attempts;
2107 my %stats_successes;
2108 my %stats_elapsed;
2109
2110 my $last_state = undef;
2111 sub record_attempt($) {
2112   my ($name) = @_;
2113
2114   if ($last_state) {
2115     record_failure($last_state) unless ($image_succeeded > 0);
2116   }
2117   $last_state = $name;
2118
2119   clearlog();
2120   report_performance();
2121
2122   start_timer($name);
2123   $image_succeeded = 0;
2124   $suppress_audit = 0;
2125 }
2126
2127 sub record_success($$$) {
2128   my ($name, $url, $base) = @_;
2129   if (defined($stats_successes{$name})) {
2130     $stats_successes{$name}++;
2131   } else {
2132     $stats_successes{$name} = 1;
2133   }
2134
2135   stop_timer ($name, 1);
2136   my $o = $current_state;
2137   $current_state = $name;
2138   save_recent_url ($url, $base);
2139   $current_state = $o;
2140   $image_succeeded = 1;
2141   clearlog();
2142 }
2143
2144
2145 sub record_failure($) {
2146   my ($name) = @_;
2147
2148   return if $image_succeeded;
2149
2150   stop_timer ($name, 0);
2151   if ($verbose_load && !$verbose_exec) {
2152
2153     if ($suppress_audit) {
2154       print STDERR "$progname: " . timestr() . "(audit log suppressed)\n";
2155       return;
2156     }
2157
2158     my $o = $current_state;
2159     $current_state = "DEBUG";
2160
2161     my $line =  "#" x 78;
2162     print STDERR "\n\n\n";
2163     print STDERR ("#" x 78) . "\n";
2164     print STDERR blurb() . "failed to get an image.  Full audit log:\n";
2165     print STDERR "\n";
2166     showlog();
2167     print STDERR ("-" x 78) . "\n";
2168     print STDERR "\n\n";
2169
2170     $current_state = $o;
2171   }
2172   $image_succeeded = 0;
2173 }
2174
2175
2176
2177 sub stats_of($) {
2178   my ($name) = @_;
2179   my $i = $stats_successes{$name};
2180   my $j = $stats_attempts{$name};
2181   $i = 0 unless $i;
2182   $j = 0 unless $j;
2183   return "" . ($j ? int($i * 100 / $j) : "0") . "%";
2184 }
2185
2186
2187 my $current_start_time = 0;
2188
2189 sub start_timer($) {
2190   my ($name) = @_;
2191   $current_start_time = time;
2192
2193   if (defined($stats_attempts{$name})) {
2194     $stats_attempts{$name}++;
2195   } else {
2196     $stats_attempts{$name} = 1;
2197   }
2198   if (!defined($stats_elapsed{$name})) {
2199     $stats_elapsed{$name} = 0;
2200   }
2201 }
2202
2203 sub stop_timer($$) {
2204   my ($name, $success) = @_;
2205   $stats_elapsed{$name} += time - $current_start_time;
2206 }
2207
2208
2209 my $last_report_time = 0;
2210 sub report_performance() {
2211
2212   return unless $verbose_warnings;
2213
2214   my $now = time;
2215   return unless ($now >= $last_report_time + $report_performance_interval);
2216   my $ot = $last_report_time;
2217   $last_report_time = $now;
2218
2219   return if ($ot == 0);
2220
2221   my $blurb = "$progname: " . timestr();
2222
2223   print STDERR "\n";
2224   print STDERR "${blurb}Current standings:\n";
2225
2226   foreach my $name (sort keys (%stats_attempts)) {
2227     my $try = $stats_attempts{$name};
2228     my $suc = $stats_successes{$name} || 0;
2229     my $pct = int($suc * 100 / $try);
2230     my $secs = $stats_elapsed{$name};
2231     my $secs_link = int($secs / $try);
2232     print STDERR sprintf ("$blurb   %-12s %4s (%d/%d);\t %2d secs/link\n",
2233                           "$name:", "$pct%", $suc, $try, $secs_link);
2234   }
2235 }
2236
2237
2238
2239 my $max_recent_images = 400;
2240 my $max_recent_sites  = 20;
2241 my @recent_images = ();
2242 my @recent_sites = ();
2243
2244 sub save_recent_url($$) {
2245   my ($url, $base) = @_;
2246
2247   return unless ($verbose_warnings);
2248
2249   $_ = $url;
2250   my ($site) = m@^http://([^ \t\n\r/:]+)@;
2251   return unless defined ($site);
2252
2253   if ($base eq $driftnet_magic) {
2254     $site = $driftnet_magic;
2255     @recent_images = ();
2256   }
2257
2258   my $done = 0;
2259   foreach (@recent_images) {
2260     if ($_ eq $url) {
2261       print STDERR blurb() . "WARNING: recently-duplicated image: $url" .
2262         " (on $base via $last_search)\n";
2263       $done = 1;
2264       last;
2265     }
2266   }
2267
2268   # suppress "duplicate site" warning via %warningless_sites.
2269   #
2270   if ($warningless_sites{$site}) {
2271     $done = 1;
2272   } elsif ($site =~ m@([^.]+\.[^.]+\.[^.]+)$@ &&
2273            $warningless_sites{$1}) {
2274     $done = 1;
2275   } elsif ($site =~ m@([^.]+\.[^.]+)$@ &&
2276            $warningless_sites{$1}) {
2277     $done = 1;
2278   }
2279
2280   if (!$done) {
2281     foreach (@recent_sites) {
2282       if ($_ eq $site) {
2283         print STDERR blurb() . "WARNING: recently-duplicated site: $site" .
2284         " ($url on $base via $last_search)\n";
2285         last;
2286       }
2287     }
2288   }
2289
2290   push @recent_images, $url;
2291   push @recent_sites,  $site;
2292   shift @recent_images if ($#recent_images >= $max_recent_images);
2293   shift @recent_sites  if ($#recent_sites  >= $max_recent_sites);
2294 }
2295
2296
2297 \f
2298 ##############################################################################
2299 #
2300 # other utilities
2301 #
2302 ##############################################################################
2303
2304 # Does %-decoding.
2305 #
2306 sub url_decode($) {
2307   ($_) = @_;
2308   tr/+/ /;
2309   s/%([a-fA-F0-9][a-fA-F0-9])/pack("C", hex($1))/eg;
2310   return $_;
2311 }
2312
2313
2314 # Given the raw body of a GIF document, returns the dimensions of the image.
2315 #
2316 sub gif_size($) {
2317   my ($body) = @_;
2318   my $type = substr($body, 0, 6);
2319   my $s;
2320   return () unless ($type =~ /GIF8[7,9]a/);
2321   $s = substr ($body, 6, 10);
2322   my ($a,$b,$c,$d) = unpack ("C"x4, $s);
2323   return (($b<<8|$a), ($d<<8|$c));
2324 }
2325
2326 # Given the raw body of a JPEG document, returns the dimensions of the image.
2327 #
2328 sub jpeg_size($) {
2329   my ($body) = @_;
2330   my $i = 0;
2331   my $L = length($body);
2332
2333   my $c1 = substr($body, $i, 1); $i++;
2334   my $c2 = substr($body, $i, 1); $i++;
2335   return () unless (ord($c1) == 0xFF && ord($c2) == 0xD8);
2336
2337   my $ch = "0";
2338   while (ord($ch) != 0xDA && $i < $L) {
2339     # Find next marker, beginning with 0xFF.
2340     while (ord($ch) != 0xFF) {
2341       return () if (length($body) <= $i);
2342       $ch = substr($body, $i, 1); $i++;
2343     }
2344     # markers can be padded with any number of 0xFF.
2345     while (ord($ch) == 0xFF) {
2346       return () if (length($body) <= $i);
2347       $ch = substr($body, $i, 1); $i++;
2348     }
2349
2350     # $ch contains the value of the marker.
2351     my $marker = ord($ch);
2352
2353     if (($marker >= 0xC0) &&
2354         ($marker <= 0xCF) &&
2355         ($marker != 0xC4) &&
2356         ($marker != 0xCC)) {  # it's a SOFn marker
2357       $i += 3;
2358       return () if (length($body) <= $i);
2359       my $s = substr($body, $i, 4); $i += 4;
2360       my ($a,$b,$c,$d) = unpack("C"x4, $s);
2361       return (($c<<8|$d), ($a<<8|$b));
2362
2363     } else {
2364       # We must skip variables, since FFs in variable names aren't
2365       # valid JPEG markers.
2366       return () if (length($body) <= $i);
2367       my $s = substr($body, $i, 2); $i += 2;
2368       my ($c1, $c2) = unpack ("C"x2, $s);
2369       my $length = ($c1 << 8) | $c2;
2370       return () if ($length < 2);
2371       $i += $length-2;
2372     }
2373   }
2374   return ();
2375 }
2376
2377 # Given the raw body of a PNG document, returns the dimensions of the image.
2378 #
2379 sub png_size($) {
2380   my ($body) = @_;
2381   return () unless ($body =~ m/^\211PNG\r/);
2382   my ($bits) = ($body =~ m/^.{12}(.{12})/s);
2383   return () unless defined ($bits);
2384   return () unless ($bits =~ /^IHDR/);
2385   my ($ign, $w, $h) = unpack("a4N2", $bits);
2386   return ($w, $h);
2387 }
2388
2389
2390 # Given the raw body of a GIF, JPEG, or PNG document, returns the dimensions
2391 # of the image.
2392 #
2393 sub image_size($) {
2394   my ($body) = @_;
2395   my ($w, $h) = gif_size ($body);
2396   if ($w && $h) { return ($w, $h); }
2397   ($w, $h) = jpeg_size ($body);
2398   if ($w && $h) { return ($w, $h); }
2399   return png_size ($body);
2400 }
2401
2402
2403 # returns the full path of the named program, or undef.
2404 #
2405 sub which($) {
2406   my ($prog) = @_;
2407   foreach (split (/:/, $ENV{PATH})) {
2408     if (-x "$_/$prog") {
2409       return $prog;
2410     }
2411   }
2412   return undef;
2413 }
2414
2415
2416 # Like rand(), but chooses numbers with a bell curve distribution.
2417 sub bellrand(;$) {
2418   ($_) = @_;
2419   $_ = 1.0 unless defined($_);
2420   $_ /= 3.0;
2421   return (rand($_) + rand($_) + rand($_));
2422 }
2423
2424
2425 sub exit_cleanup() {
2426   x_cleanup();
2427   print STDERR "$progname: exiting\n" if ($verbose_warnings);
2428   if (@pids_to_kill) {
2429     print STDERR blurb() . "killing: " . join(' ', @pids_to_kill) . "\n";
2430     kill ('TERM', @pids_to_kill);
2431   }
2432 }
2433
2434 sub signal_cleanup($) {
2435   my ($sig) = @_;
2436   print STDERR blurb() . (defined($sig)
2437                           ? "caught signal $sig."
2438                           : "exiting.")
2439                        . "\n"
2440     if ($verbose_exec || $verbose_warnings);
2441   exit 1;
2442 }
2443
2444
2445
2446 ##############################################################################
2447 #
2448 # Generating a list of urls only
2449 #
2450 ##############################################################################
2451
2452 sub url_only_output() {
2453   do {
2454     my ($base, $img) = pick_image;
2455     if ($img) {
2456       $base =~ s/ /%20/g;
2457       $img  =~ s/ /%20/g;
2458       print "$img $base\n";
2459     }
2460   } while (1);
2461 }
2462
2463 ##############################################################################
2464 #
2465 # Running as an xscreensaver module, or as a web page imagemap
2466 #
2467 ##############################################################################
2468
2469 my $image_ppm   = sprintf ("%s/webcollage-%08x",
2470                            ($ENV{TMPDIR} ? $ENV{TMPDIR} : "/tmp"),
2471                            rand(0xFFFFFFFF));
2472 my $image_tmp1  = sprintf ("%s/webcollage-1-%08x",
2473                            ($ENV{TMPDIR} ? $ENV{TMPDIR} : "/tmp"),
2474                            rand(0xFFFFFFFF));
2475 my $image_tmp2  = sprintf ("%s/webcollage-2-%08x",
2476                            ($ENV{TMPDIR} ? $ENV{TMPDIR} : "/tmp"),
2477                            rand(0xFFFFFFFF));
2478
2479 my $filter_cmd = undef;
2480 my $post_filter_cmd = undef;
2481 my $background = undef;
2482
2483 my @imagemap_areas = ();
2484 my $imagemap_html_tmp = undef;
2485 my $imagemap_jpg_tmp = undef;
2486
2487
2488 my $img_width;            # size of the image being generated.
2489 my $img_height;
2490
2491 my $delay = 2;
2492
2493 sub x_cleanup() {
2494   unlink $image_ppm, $image_tmp1, $image_tmp2;
2495   unlink $imagemap_html_tmp, $imagemap_jpg_tmp
2496     if (defined ($imagemap_html_tmp));
2497 }
2498
2499
2500 # Like system, but prints status about exit codes, and kills this process
2501 # with whatever signal killed the sub-process, if any.
2502 #
2503 sub nontrapping_system(@) {
2504   $! = 0;
2505
2506   $_ = join(" ", @_);
2507   s/\"[^\"]+\"/\"...\"/g;
2508
2509   LOG ($verbose_exec, "executing \"$_\"");
2510
2511   my $rc = system @_;
2512
2513   if ($rc == 0) {
2514     LOG ($verbose_exec, "subproc exited normally.");
2515   } elsif (($rc & 0xff) == 0) {
2516     $rc >>= 8;
2517     LOG ($verbose_exec, "subproc exited with status $rc.");
2518   } else {
2519     if ($rc & 0x80) {
2520       LOG ($verbose_exec, "subproc dumped core.");
2521       $rc &= ~0x80;
2522     }
2523     LOG ($verbose_exec, "subproc died with signal $rc.");
2524     # die that way ourselves.
2525     kill $rc, $$;
2526   }
2527
2528   return $rc;
2529 }
2530
2531
2532 # Given the URL of a GIF, JPEG, or PNG image, and the body of that image,
2533 # writes a PPM to the given output file.  Returns the width/height of the
2534 # image if successful.
2535 #
2536 sub image_to_pnm($$$) {
2537   my ($url, $body, $output) = @_;
2538   my ($cmd, $cmd2, $w, $h);
2539
2540   if ((@_ = gif_size ($body))) {
2541     ($w, $h) = @_;
2542     $cmd = "giftopnm";
2543   } elsif ((@_ = jpeg_size ($body))) {
2544     ($w, $h) = @_;
2545     $cmd = "djpeg";
2546   } elsif ((@_ = png_size ($body))) {
2547     ($w, $h) = @_;
2548     $cmd = "pngtopnm";
2549   } else {
2550     LOG (($verbose_pbm || $verbose_load),
2551          "not a GIF, JPG, or PNG" .
2552          (($body =~ m@<(base|html|head|body|script|table|a href)\b@i)
2553           ? " (looks like HTML)" : "") .
2554          ": $url");
2555     $suppress_audit = 1;
2556     return ();
2557   }
2558
2559   $cmd2 = "exec $cmd";        # yes, this really is necessary.  if we don't
2560                               # do this, the process doesn't die properly.
2561   if (!$verbose_pbm) {
2562     #
2563     # We get a "giftopnm: got a 'Application Extension' extension"
2564     # warning any time it's an animgif.
2565     #
2566     # Note that "giftopnm: EOF / read error on image data" is not
2567     # always a fatal error -- sometimes the image looks fine anyway.
2568     #
2569     $cmd2 .= " 2>/dev/null";
2570   }
2571
2572   # There exist corrupted GIF and JPEG files that can make giftopnm and
2573   # djpeg lose their minds and go into a loop.  So this gives those programs
2574   # a small timeout -- if they don't complete in time, kill them.
2575   #
2576   my $pid;
2577   @_ = eval {
2578     my $timed_out;
2579
2580     local $SIG{ALRM}  = sub {
2581       LOG ($verbose_pbm,
2582            "timed out ($cvt_timeout) for $cmd on \"$url\" in pid $pid");
2583       kill ('TERM', $pid) if ($pid);
2584       $timed_out = 1;
2585       $body = undef;
2586     };
2587
2588     if (($pid = open(PIPE, "| $cmd2 > $output"))) {
2589       $timed_out = 0;
2590       alarm $cvt_timeout;
2591       print PIPE $body;
2592       $body = undef;
2593       close PIPE;
2594
2595       LOG ($verbose_exec, "awaiting $pid");
2596       waitpid ($pid, 0);
2597       LOG ($verbose_exec, "$pid completed");
2598
2599       my $size = (stat($output))[7];
2600       $size = -1 unless defined($size);
2601       if ($size < 5) {
2602         LOG ($verbose_pbm, "$cmd on ${w}x$h \"$url\" failed ($size bytes)");
2603         return ();
2604       }
2605
2606       LOG ($verbose_pbm, "created ${w}x$h $output ($cmd)");
2607       return ($w, $h);
2608     } else {
2609       print STDERR blurb() . "$cmd failed: $!\n";
2610       return ();
2611     }
2612   };
2613   die if ($@ && $@ ne "alarm\n");       # propagate errors
2614   if ($@) {
2615     # timed out
2616     $body = undef;
2617     return ();
2618   } else {
2619     # didn't
2620     alarm 0;
2621     $body = undef;
2622     return @_;
2623   }
2624 }
2625
2626 sub pick_root_displayer() {
2627   my @names = ();
2628
2629   foreach my $cmd (@root_displayers) {
2630     $_ = $cmd;
2631     my ($name) = m/^([^ ]+)/;
2632     push @names, "\"$name\"";
2633     LOG ($verbose_exec, "looking for $name...");
2634     foreach my $dir (split (/:/, $ENV{PATH})) {
2635       LOG ($verbose_exec, "  checking $dir/$name");
2636       return $cmd if (-x "$dir/$name");
2637     }
2638   }
2639
2640   $names[$#names] = "or " . $names[$#names];
2641   error "none of: " . join (", ", @names) . " were found on \$PATH.";
2642 }
2643
2644
2645 my $ppm_to_root_window_cmd = undef;
2646
2647
2648 sub x_or_pbm_output($) {
2649   my ($window_id) = @_;
2650
2651   # Check for our helper program, to see whether we need to use PPM pipelines.
2652   #
2653   $_ = "webcollage-helper";
2654   if (defined ($webcollage_helper) || which ($_)) {
2655     $webcollage_helper = $_ unless (defined($webcollage_helper));
2656     LOG ($verbose_pbm, "found \"$webcollage_helper\"");
2657     $webcollage_helper .= " -v";
2658   } else {
2659     LOG (($verbose_pbm || $verbose_load), "no $_ program");
2660   }
2661
2662   # make sure the various programs we execute exist, right up front.
2663   #
2664   my @progs = ("ppmmake");  # always need this one
2665
2666   if (!defined($webcollage_helper)) {
2667     # Only need these others if we don't have the helper.
2668     @progs = (@progs,
2669               "giftopnm", "pngtopnm", "djpeg",
2670               "pnmpaste", "pnmscale", "pnmcut");
2671   }
2672
2673   foreach (@progs) {
2674     which ($_) || error "$_ not found on \$PATH.";
2675   }
2676
2677   # find a root-window displayer program.
2678   #
2679   $ppm_to_root_window_cmd = pick_root_displayer();
2680
2681   if (defined ($window_id)) {
2682     error ("-window-id only works if xscreensaver-getimage is installed")
2683       unless ($ppm_to_root_window_cmd =~ m/^xscreensaver-getimage\b/);
2684
2685     error ("unparsable window id: $window_id")
2686       unless ($window_id =~ m/^\d+$|^0x[\da-f]+$/i);
2687     $ppm_to_root_window_cmd =~ s/--?root\b/$window_id/ ||
2688       error ("unable to munge displayer: $ppm_to_root_window_cmd");
2689   }
2690
2691   if (!$img_width || !$img_height) {
2692
2693     if (!defined ($window_id) &&
2694         defined ($ENV{XSCREENSAVER_WINDOW})) {
2695       $window_id = $ENV{XSCREENSAVER_WINDOW};
2696     }
2697
2698     if (!defined ($window_id)) {
2699       $_ = "xdpyinfo";
2700       which ($_) || error "$_ not found on \$PATH.";
2701       $_ = `$_`;
2702       ($img_width, $img_height) = m/dimensions: *(\d+)x(\d+) /;
2703       if (!defined($img_height)) {
2704         error "xdpyinfo failed.";
2705       }
2706     } else {  # we have a window id
2707       $_ = "xwininfo";
2708       which ($_) || error "$_ not found on \$PATH.";
2709       $_ .= " -id $window_id";
2710       $_ = `$_`;
2711       ($img_width, $img_height) = m/^\s*Width:\s*(\d+)\n\s*Height:\s*(\d+)\n/m;
2712
2713       if (!defined($img_height)) {
2714         error "xwininfo failed.";
2715       }
2716     }
2717   }
2718
2719   my $bgcolor = "#000000";
2720   my $bgimage = undef;
2721
2722   if ($background) {
2723     if ($background =~ m/^\#[0-9a-f]+$/i) {
2724       $bgcolor = $background;
2725
2726     } elsif (-r $background) {
2727       $bgimage = $background;
2728
2729     } elsif (! $background =~ m@^[-a-z0-9 ]+$@i) {
2730       error "not a color or readable file: $background";
2731
2732     } else {
2733       # default to assuming it's a color
2734       $bgcolor = $background;
2735     }
2736   }
2737
2738   # Create the sold-colored base image.
2739   #
2740   $_ = "ppmmake '$bgcolor' $img_width $img_height";
2741   LOG ($verbose_pbm, "creating base image: $_");
2742   nontrapping_system "$_ > $image_ppm";
2743
2744   # Paste the default background image in the middle of it.
2745   #
2746   if ($bgimage) {
2747     my ($iw, $ih);
2748
2749     my $body = "";
2750     local *IMG;
2751     open(IMG, "<$bgimage") || error "couldn't open $bgimage: $!";
2752     my $cmd;
2753     while (<IMG>) { $body .= $_; }
2754     close (IMG);
2755
2756     if ((@_ = gif_size ($body))) {
2757       ($iw, $ih) = @_;
2758       $cmd = "giftopnm |";
2759
2760     } elsif ((@_ = jpeg_size ($body))) {
2761       ($iw, $ih) = @_;
2762       $cmd = "djpeg |";
2763
2764     } elsif ((@_ = png_size ($body))) {
2765       ($iw, $ih) = @_;
2766       $cmd = "pngtopnm |";
2767
2768     } elsif ($body =~ m/^P\d\n(\d+) (\d+)\n/) {
2769       $iw = $1;
2770       $ih = $2;
2771       $cmd = "";
2772
2773     } else {
2774       error "$bgimage is not a GIF, JPEG, PNG, or PPM.";
2775     }
2776
2777     my $x = int (($img_width  - $iw) / 2);
2778     my $y = int (($img_height - $ih) / 2);
2779     LOG ($verbose_pbm,
2780          "pasting $bgimage (${iw}x$ih) into base image at $x,$y");
2781
2782     $cmd .= "pnmpaste - $x $y $image_ppm > $image_tmp1";
2783     open (IMG, "| $cmd") || error "running $cmd: $!";
2784     print IMG $body;
2785     $body = undef;
2786     close (IMG);
2787     LOG ($verbose_exec, "subproc exited normally.");
2788     rename ($image_tmp1, $image_ppm) ||
2789       error "renaming $image_tmp1 to $image_ppm: $!";
2790   }
2791
2792   clearlog();
2793
2794   while (1) {
2795     my ($base, $img) = pick_image();
2796     my $source = $current_state;
2797     $current_state = "loadimage";
2798     if ($img) {
2799       my ($headers, $body) = get_document ($img, $base);
2800       if ($body) {
2801         paste_image ($base, $img, $body, $source);
2802         $body = undef;
2803       }
2804     }
2805     $current_state = "idle";
2806     $load_method = "none";
2807
2808     unlink $image_tmp1, $image_tmp2;
2809     sleep $delay;
2810   }
2811 }
2812
2813 sub paste_image($$$$) {
2814   my ($base, $img, $body, $source) = @_;
2815
2816   $current_state = "paste";
2817
2818   $suppress_audit = 0;
2819
2820   LOG ($verbose_pbm, "got $img (" . length($body) . ")");
2821
2822   my ($iw, $ih);
2823
2824   # If we are using the webcollage-helper, then we do not need to convert this
2825   # image to a PPM.  But, if we're using a filter command, we still must, since
2826   # that's what the filters expect (webcollage-helper can read PPMs, so that's
2827   # fine.)
2828   #
2829   if (defined ($webcollage_helper) &&
2830       !defined ($filter_cmd)) {
2831
2832     ($iw, $ih) = image_size ($body);
2833     if (!$iw || !$ih) {
2834       LOG (($verbose_pbm || $verbose_load),
2835            "not a GIF, JPG, or PNG" .
2836            (($body =~ m@<(base|html|head|body|script|table|a href)>@i)
2837             ? " (looks like HTML)" : "") .
2838            ": $img");
2839       $suppress_audit = 1;
2840       $body = undef;
2841       return 0;
2842     }
2843
2844     local *OUT;
2845     open (OUT, ">$image_tmp1") || error ("writing $image_tmp1: $!");
2846     print OUT $body || error ("writing $image_tmp1: $!");
2847     close OUT || error ("writing $image_tmp1: $!");
2848
2849   } else {
2850     ($iw, $ih) = image_to_pnm ($img, $body, $image_tmp1);
2851     $body = undef;
2852     if (!$iw || !$ih) {
2853       LOG ($verbose_pbm, "unable to make PBM from $img");
2854       return 0;
2855     }
2856   }
2857
2858   record_success ($load_method, $img, $base);
2859
2860
2861   my $ow = $iw;  # used only for error messages
2862   my $oh = $ih;
2863
2864   # don't just tack this onto the front of the pipeline -- we want it to
2865   # be able to change the size of the input image.
2866   #
2867   if ($filter_cmd) {
2868     LOG ($verbose_pbm, "running $filter_cmd");
2869
2870     my $rc = nontrapping_system "($filter_cmd) < $image_tmp1 >$image_tmp2";
2871     if ($rc != 0) {
2872       LOG(($verbose_pbm || $verbose_load), "failed command: \"$filter_cmd\"");
2873       LOG(($verbose_pbm || $verbose_load), "failed URL: \"$img\" (${ow}x$oh)");
2874       return;
2875     }
2876     rename ($image_tmp2, $image_tmp1);
2877
2878     # re-get the width/height in case the filter resized it.
2879     local *IMG;
2880     open(IMG, "<$image_tmp1") || return 0;
2881     $_ = <IMG>;
2882     $_ = <IMG>;
2883     ($iw, $ih) = m/^(\d+) (\d+)$/;
2884     close (IMG);
2885     return 0 unless ($iw && $ih);
2886   }
2887
2888   my $target_w = $img_width;   # max rectangle into which the image must fit
2889   my $target_h = $img_height;
2890
2891   my $cmd = "";
2892   my $scale = 1.0;
2893
2894
2895   # Usually scale the image to fit on the screen -- but sometimes scale it
2896   # to fit on half or a quarter of the screen.  (We do this by reducing the
2897   # size of the target rectangle.)  Note that the image is not merely scaled
2898   # to fit; we instead cut the image in half repeatedly until it fits in the
2899   # target rectangle -- that gives a wider distribution of sizes.
2900   #
2901   if (rand() < 0.3) { $target_w /= 2; $target_h /= 2; } # reduce target rect
2902   if (rand() < 0.3) { $target_w /= 2; $target_h /= 2; }
2903
2904   if ($iw > $target_w || $ih > $target_h) {
2905     while ($iw > $target_w ||
2906            $ih > $target_h) {
2907       $iw = int($iw / 2);
2908       $ih = int($ih / 2);
2909       $scale /= 2;
2910     }
2911     if ($iw <= 10 || $ih <= 10) {
2912       LOG ($verbose_pbm, "scaling to ${iw}x$ih would have been bogus.");
2913       return 0;
2914     }
2915
2916     LOG ($verbose_pbm, "scaling to ${iw}x$ih ($scale)");
2917
2918     $cmd .= " | pnmscale -xsize $iw -ysize $ih";
2919   }
2920
2921
2922   my $src = $image_tmp1;
2923
2924   my $crop_x = 0;     # the sub-rectangle of the image
2925   my $crop_y = 0;     # that we will actually paste.
2926   my $crop_w = $iw;
2927   my $crop_h = $ih;
2928
2929   # The chance that we will randomly crop out a section of an image starts
2930   # out fairly low, but goes up for images that are very large, or images
2931   # that have ratios that make them look like banners (we try to avoid
2932   # banner images entirely, but they slip through when the IMG tags didn't
2933   # have WIDTH and HEIGHT specified.)
2934   #
2935   my $crop_chance = 0.2;
2936   if ($iw > $img_width * 0.4 || $ih > $img_height * 0.4) {
2937     $crop_chance += 0.2;
2938   }
2939   if ($iw > $img_width * 0.7 || $ih > $img_height * 0.7) {
2940     $crop_chance += 0.2;
2941   }
2942   if ($min_ratio && ($iw * $min_ratio) > $ih) {
2943     $crop_chance += 0.7;
2944   }
2945
2946   if ($crop_chance > 0.1) {
2947     LOG ($verbose_pbm, "crop chance: $crop_chance");
2948   }
2949
2950   if (rand() < $crop_chance) {
2951
2952     my $ow = $crop_w;
2953     my $oh = $crop_h;
2954
2955     if ($crop_w > $min_width) {
2956       # if it's a banner, select the width linearly.
2957       # otherwise, select a bell.
2958       my $r = (($min_ratio && ($iw * $min_ratio) > $ih)
2959                ? rand()
2960                : bellrand());
2961       $crop_w = $min_width + int ($r * ($crop_w - $min_width));
2962       $crop_x = int (rand() * ($ow - $crop_w));
2963     }
2964     if ($crop_h > $min_height) {
2965       # height always selects as a bell.
2966       $crop_h = $min_height + int (bellrand() * ($crop_h - $min_height));
2967       $crop_y = int (rand() * ($oh - $crop_h));
2968     }
2969
2970     if ($crop_x != 0   || $crop_y != 0 ||
2971         $crop_w != $iw || $crop_h != $ih) {
2972       LOG ($verbose_pbm,
2973            "randomly cropping to ${crop_w}x$crop_h \@ $crop_x,$crop_y");
2974     }
2975   }
2976
2977   # Where the image should logically land -- this might be negative.
2978   #
2979   my $x = int((rand() * ($img_width  + $crop_w/2)) - $crop_w*3/4);
2980   my $y = int((rand() * ($img_height + $crop_h/2)) - $crop_h*3/4);
2981
2982   # if we have chosen to paste the image outside of the rectangle of the
2983   # screen, then we need to crop it.
2984   #
2985   if ($x < 0 ||
2986       $y < 0 ||
2987       $x + $crop_w > $img_width ||
2988       $y + $crop_h > $img_height) {
2989
2990     LOG ($verbose_pbm,
2991          "cropping for effective paste of ${crop_w}x$crop_h \@ $x,$y");
2992
2993     if ($x < 0) { $crop_x -= $x; $crop_w += $x; $x = 0; }
2994     if ($y < 0) { $crop_y -= $y; $crop_h += $y; $y = 0; }
2995
2996     if ($x + $crop_w >= $img_width)  { $crop_w = $img_width  - $x - 1; }
2997     if ($y + $crop_h >= $img_height) { $crop_h = $img_height - $y - 1; }
2998   }
2999
3000   # If any cropping needs to happen, add pnmcut.
3001   #
3002   if ($crop_x != 0   || $crop_y != 0 ||
3003       $crop_w != $iw || $crop_h != $ih) {
3004     $iw = $crop_w;
3005     $ih = $crop_h;
3006     $cmd .= " | pnmcut $crop_x $crop_y $iw $ih";
3007     LOG ($verbose_pbm, "cropping to ${crop_w}x$crop_h \@ $crop_x,$crop_y");
3008   }
3009
3010   LOG ($verbose_pbm, "pasting ${iw}x$ih \@ $x,$y in $image_ppm");
3011
3012   $cmd .= " | pnmpaste - $x $y $image_ppm";
3013
3014   $cmd =~ s@^ *\| *@@;
3015
3016   if (defined ($webcollage_helper)) {
3017     $cmd = "$webcollage_helper $image_tmp1 $image_ppm " .
3018                               "$scale $opacity " .
3019                               "$crop_x $crop_y $x $y " .
3020                               "$iw $ih";
3021     $_ = $cmd;
3022
3023   } else {
3024     # use a PPM pipeline
3025     $_ = "($cmd)";
3026     $_ .= " < $image_tmp1 > $image_tmp2";
3027   }
3028
3029   if ($verbose_pbm) {
3030     $_ = "($_) 2>&1 | sed s'/^/" . blurb() . "/'";
3031   } else {
3032     $_ .= " 2> /dev/null";
3033   }
3034
3035   my $rc = nontrapping_system ($_);
3036
3037   if (defined ($webcollage_helper) && -z $image_ppm) {
3038     LOG (1, "failed command: \"$cmd\"");
3039     print STDERR "\naudit log:\n\n\n";
3040     print STDERR ("#" x 78) . "\n";
3041     print STDERR blurb() . "$image_ppm has zero size\n";
3042     showlog();
3043     print STDERR "\n\n";
3044     exit (1);
3045   }
3046
3047   if ($rc != 0) {
3048     LOG (($verbose_pbm || $verbose_load), "failed command: \"$cmd\"");
3049     LOG (($verbose_pbm || $verbose_load), "failed URL: \"$img\" (${ow}x$oh)");
3050     return;
3051   }
3052
3053   if (!defined ($webcollage_helper)) {
3054     rename ($image_tmp2, $image_ppm) || return;
3055   }
3056
3057   my $target = "$image_ppm";
3058
3059   # don't just tack this onto the end of the pipeline -- we don't want it
3060   # to end up in $image_ppm, because we don't want the results to be
3061   # cumulative.
3062   #
3063   if ($post_filter_cmd) {
3064
3065     my $cmd;
3066
3067     $target = $image_tmp1;
3068     if (!defined ($webcollage_helper)) {
3069       $cmd = "($post_filter_cmd) < $image_ppm > $target";
3070     } else {
3071       # Blah, my scripts need the JPEG data, but some other folks need
3072       # the PPM data -- what to do?  Ignore the problem, that's what!
3073 #     $cmd = "djpeg < $image_ppm | ($post_filter_cmd) > $target";
3074       $cmd = "($post_filter_cmd) < $image_ppm > $target";
3075     }
3076
3077     $rc = nontrapping_system ($cmd);
3078     if ($rc != 0) {
3079       LOG ($verbose_pbm, "filter failed: \"$post_filter_cmd\"\n");
3080       return;
3081     }
3082   }
3083
3084   if (!$no_output_p) {
3085     my $tsize = (stat($target))[7];
3086     if ($tsize > 200) {
3087       $cmd = "$ppm_to_root_window_cmd $target";
3088
3089       # xv seems to hate being killed.  it tends to forget to clean
3090       # up after itself, and leaves windows around and colors allocated.
3091       # I had this same problem with vidwhacker, and I'm not entirely
3092       # sure what I did to fix it.  But, let's try this: launch xv
3093       # in the background, so that killing this process doesn't kill it.
3094       # it will die of its own accord soon enough.  So this means we
3095       # start pumping bits to the root window in parallel with starting
3096       # the next network retrieval, which is probably a better thing
3097       # to do anyway.
3098       #
3099       $cmd .= " &";
3100
3101       $rc = nontrapping_system ($cmd);
3102
3103       if ($rc != 0) {
3104         LOG (($verbose_pbm || $verbose_load), "display failed: \"$cmd\"");
3105         return;
3106       }
3107
3108     } else {
3109       LOG ($verbose_pbm, "$target size is $tsize");
3110     }
3111   }
3112
3113   $source .= "-" . stats_of($source);
3114   print STDOUT "image: ${iw}x${ih} @ $x,$y $base $source\n"
3115     if ($verbose_imgmap);
3116   if ($imagemap_base) {
3117     update_imagemap ($base, $x, $y, $iw, $ih,
3118                      $image_ppm, $img_width, $img_height);
3119   }
3120
3121   clearlog();
3122
3123   return 1;
3124 }
3125
3126
3127 sub update_imagemap($$$$$$$$) {
3128   my ($url, $x, $y, $w, $h, $image_ppm, $image_width, $image_height) = @_;
3129
3130   $current_state = "imagemap";
3131
3132   my $max_areas = 200;
3133
3134   $url = html_quote ($url);
3135   my $x2 = $x + $w;
3136   my $y2 = $y + $h;
3137   my $area = "<AREA SHAPE=RECT COORDS=\"$x,$y,$x2,$y2\" HREF=\"$url\">";
3138   unshift @imagemap_areas, $area;       # put one on the front
3139   if ($#imagemap_areas >= $max_areas) {
3140     pop @imagemap_areas;                # take one off the back.
3141   }
3142
3143   LOG ($verbose_pbm, "area: $x,$y,$x2,$y2 (${w}x$h)");
3144
3145   my $map_name = $imagemap_base;
3146   $map_name =~ s@^.*/@@;
3147   $map_name = 'collage' if ($map_name eq '');
3148
3149   my $imagemap_html = $imagemap_base . ".html";
3150   my $imagemap_jpg  = $imagemap_base . ".jpg";
3151
3152   if (!defined ($imagemap_html_tmp)) {
3153     $imagemap_html_tmp = $imagemap_html . sprintf (".%08x", rand(0xffffffff));
3154     $imagemap_jpg_tmp  = $imagemap_jpg  . sprintf (".%08x", rand(0xffffffff));
3155   }
3156
3157   # Read the imagemap html file (if any) to get a template.
3158   #
3159   my $template_html = '';
3160   {
3161     local *IN;
3162     if (open (IN, "<$imagemap_html")) {
3163       while (<IN>) { $template_html .= $_; }
3164       close IN;
3165       LOG ($verbose_pbm, "read template $imagemap_html");
3166     }
3167
3168     if ($template_html =~ m/^\s*$/s) {
3169       $template_html = ("<MAP NAME=\"$map_name\"></MAP>\n" .
3170                         "<IMG SRC=\"$imagemap_base.jpg\"" .
3171                         " USEMAP=\"$map_name\">\n");
3172       LOG ($verbose_pbm, "created dummy template");
3173     }
3174   }
3175
3176   # Write the jpg to a tmp file
3177   #
3178   {
3179     my $cmd;
3180     if (defined ($webcollage_helper)) {
3181       $cmd = "cp -p $image_ppm $imagemap_jpg_tmp";
3182     } else {
3183       $cmd = "cjpeg < $image_ppm > $imagemap_jpg_tmp";
3184     }
3185     my $rc = nontrapping_system ($cmd);
3186     if ($rc != 0) {
3187       error ("imagemap jpeg failed: \"$cmd\"\n");
3188     }
3189   }
3190
3191   # Write the html to a tmp file
3192   #
3193   {
3194     my $body = $template_html;
3195     my $areas = join ("\n\t", @imagemap_areas);
3196     my $map = ("<MAP NAME=\"$map_name\">\n\t$areas\n</MAP>");
3197     my $img = ("<IMG SRC=\"$imagemap_base.jpg\" " .
3198                "BORDER=0 " .
3199                "WIDTH=$image_width HEIGHT=$image_height " .
3200                "USEMAP=\"#$map_name\">");
3201     $body =~ s@(<MAP\s+NAME=\"[^\"]*\"\s*>).*?(</MAP>)@$map@is;
3202     $body =~ s@<IMG\b[^<>]*\bUSEMAP\b[^<>]*>@$img@is;
3203
3204     # if there are magic webcollage spans in the html, update those too.
3205     #
3206     {
3207       my @st = stat ($imagemap_jpg_tmp);
3208       my $date = strftime("%d-%b-%Y %l:%M:%S %p %Z", localtime($st[9]));
3209       my $size = int(($st[7] / 1024) + 0.5) . "K";
3210       $body =~ s@(<SPAN\s+CLASS=\"webcollage_date\">).*?(</SPAN>)@$1$date$2@si;
3211       $body =~ s@(<SPAN\s+CLASS=\"webcollage_size\">).*?(</SPAN>)@$1$size$2@si;
3212     }
3213
3214     local *OUT;
3215     open (OUT, ">$imagemap_html_tmp") || error ("$imagemap_html_tmp: $!");
3216     print OUT $body                   || error ("$imagemap_html_tmp: $!");
3217     close OUT                         || error ("$imagemap_html_tmp: $!");
3218     LOG ($verbose_pbm, "wrote $imagemap_html_tmp");
3219   }
3220
3221   # Rename the two tmp files to the real files
3222   #
3223   rename ($imagemap_html_tmp, $imagemap_html) ||
3224     error "renaming $imagemap_html_tmp to $imagemap_html";
3225   LOG ($verbose_pbm, "wrote $imagemap_html");
3226   rename ($imagemap_jpg_tmp,  $imagemap_jpg) ||
3227     error "renaming $imagemap_jpg_tmp to $imagemap_jpg";
3228   LOG ($verbose_pbm, "wrote $imagemap_jpg");
3229 }
3230
3231
3232 sub init_signals() {
3233
3234   $SIG{HUP}  = \&signal_cleanup;
3235   $SIG{INT}  = \&signal_cleanup;
3236   $SIG{QUIT} = \&signal_cleanup;
3237   $SIG{ABRT} = \&signal_cleanup;
3238   $SIG{KILL} = \&signal_cleanup;
3239   $SIG{TERM} = \&signal_cleanup;
3240
3241   # Need this so that if giftopnm dies, we don't die.
3242   $SIG{PIPE} = 'IGNORE';
3243 }
3244
3245 END { exit_cleanup(); }
3246
3247
3248 sub main() {
3249   $| = 1;
3250   srand(time ^ $$);
3251
3252   my $verbose = 0;
3253   my $dict;
3254   my $driftnet_cmd = 0;
3255
3256   $current_state = "init";
3257   $load_method = "none";
3258
3259   my $root_p = 0;
3260   my $window_id = undef;
3261
3262   # historical suckage: the environment variable name is lower case.
3263   $http_proxy = $ENV{http_proxy} || $ENV{HTTP_PROXY};
3264
3265   while ($_ = $ARGV[0]) {
3266     shift @ARGV;
3267     if ($_ eq "-display" ||
3268         $_ eq "-displ" ||
3269         $_ eq "-disp" ||
3270         $_ eq "-dis" ||
3271         $_ eq "-dpy" ||
3272         $_ eq "-d") {
3273       $ENV{DISPLAY} = shift @ARGV;
3274     } elsif ($_ eq "-root") {
3275       $root_p = 1;
3276     } elsif ($_ eq "-window-id" || $_ eq "--window-id") {
3277       $window_id = shift @ARGV;
3278       $root_p = 1;
3279     } elsif ($_ eq "-no-output") {
3280       $no_output_p = 1;
3281     } elsif ($_ eq "-urls-only") {
3282       $urls_only_p = 1;
3283       $no_output_p = 1;
3284     } elsif ($_ eq "-imagemap") {
3285       $imagemap_base = shift @ARGV;
3286       $no_output_p = 1;
3287     } elsif ($_ eq "-verbose") {
3288       $verbose++;
3289     } elsif (m/^-v+$/) {
3290       $verbose += length($_)-1;
3291     } elsif ($_ eq "-delay") {
3292       $delay = shift @ARGV;
3293     } elsif ($_ eq "-timeout") {
3294       $http_timeout = shift @ARGV;
3295     } elsif ($_ eq "-filter") {
3296       $filter_cmd = shift @ARGV;
3297     } elsif ($_ eq "-filter2") {
3298       $post_filter_cmd = shift @ARGV;
3299     } elsif ($_ eq "-background" || $_ eq "-bg") {
3300       $background = shift @ARGV;
3301     } elsif ($_ eq "-size") {
3302       $_ = shift @ARGV;
3303       if (m@^(\d+)x(\d+)$@) {
3304         $img_width = $1;
3305         $img_height = $2;
3306       } else {
3307         error "argument to \"-size\" must be of the form \"640x400\"";
3308       }
3309     } elsif ($_ eq "-proxy" || $_ eq "-http-proxy") {
3310       $http_proxy = shift @ARGV;
3311     } elsif ($_ eq "-dictionary" || $_ eq "-dict") {
3312       $dict = shift @ARGV;
3313     } elsif ($_ eq "-opacity") {
3314       $opacity = shift @ARGV;
3315       error ("opacity must be between 0.0 and 1.0")
3316         if ($opacity <= 0 || $opacity > 1);
3317     } elsif ($_ eq "-driftnet" || $_ eq "--driftnet") {
3318       @search_methods = ( 100, "driftnet", \&pick_from_driftnet );
3319       if (! ($ARGV[0] =~ m/^-/)) {
3320         $driftnet_cmd = shift @ARGV;
3321       } else {
3322         $driftnet_cmd = $default_driftnet_cmd;
3323       }
3324     } elsif ($_ eq "-debug" || $_ eq "--debug") {
3325       my $which = shift @ARGV;
3326       my @rest = @search_methods;
3327       my $ok = 0;
3328       while (@rest) {
3329         my $pct  = shift @rest;
3330         my $name = shift @rest;
3331         my $tfn  = shift @rest;
3332
3333         if ($name eq $which) {
3334           @search_methods = (100, $name, $tfn);
3335           $ok = 1;
3336           last;
3337         }
3338       }
3339       error "no such search method as \"$which\"" unless ($ok);
3340       LOG (1, "DEBUG: using only \"$which\"");
3341
3342     } else {
3343       print STDERR "$copyright\nusage: $progname " .
3344               "[-root] [-display dpy] [-verbose] [-debug which]\n" .
3345         "\t\t  [-timeout secs] [-delay secs] [-size WxH]\n" .
3346         "\t\t  [-no-output] [-urls-only] [-imagemap filename]\n" .
3347         "\t\t  [-filter cmd] [-filter2 cmd] [-background color]\n" .
3348         "\t\t  [-dictionary dictionary-file] [-http-proxy host[:port]]\n" .
3349         "\t\t  [-driftnet [driftnet-program-and-args]]\n" .
3350         "\n";
3351       exit 1;
3352     }
3353   }
3354
3355   if ($http_proxy && $http_proxy eq "") {
3356     $http_proxy = undef;
3357   }
3358   if ($http_proxy && $http_proxy =~ m@^http://([^/]*)/?$@ ) {
3359     # historical suckage: allow "http://host:port" as well as "host:port".
3360     $http_proxy = $1;
3361   }
3362
3363   if (!$root_p && !$no_output_p) {
3364     print STDERR $copyright;
3365     error "the -root argument is mandatory (for now.)";
3366   }
3367
3368   if (!$no_output_p && !$ENV{DISPLAY}) {
3369     error "\$DISPLAY is not set.";
3370   }
3371
3372
3373   if ($verbose == 1) {
3374     $verbose_imgmap   = 1;
3375     $verbose_warnings = 1;
3376
3377   } elsif ($verbose == 2) {
3378     $verbose_imgmap   = 1;
3379     $verbose_warnings = 1;
3380     $verbose_load     = 1;
3381
3382   } elsif ($verbose == 3) {
3383     $verbose_imgmap   = 1;
3384     $verbose_warnings = 1;
3385     $verbose_load     = 1;
3386     $verbose_filter   = 1;
3387
3388   } elsif ($verbose == 4) {
3389     $verbose_imgmap   = 1;
3390     $verbose_warnings = 1;
3391     $verbose_load     = 1;
3392     $verbose_filter   = 1;
3393     $verbose_net      = 1;
3394
3395   } elsif ($verbose == 5) {
3396     $verbose_imgmap   = 1;
3397     $verbose_warnings = 1;
3398     $verbose_load     = 1;
3399     $verbose_filter   = 1;
3400     $verbose_net      = 1;
3401     $verbose_pbm      = 1;
3402
3403   } elsif ($verbose == 6) {
3404     $verbose_imgmap   = 1;
3405     $verbose_warnings = 1;
3406     $verbose_load     = 1;
3407     $verbose_filter   = 1;
3408     $verbose_net      = 1;
3409     $verbose_pbm      = 1;
3410     $verbose_http     = 1;
3411
3412   } elsif ($verbose >= 7) {
3413     $verbose_imgmap   = 1;
3414     $verbose_warnings = 1;
3415     $verbose_load     = 1;
3416     $verbose_filter   = 1;
3417     $verbose_net      = 1;
3418     $verbose_pbm      = 1;
3419     $verbose_http     = 1;
3420     $verbose_exec     = 1;
3421   }
3422
3423   if ($dict) {
3424     error ("$dict does not exist") unless (-f $dict);
3425     $wordlist = $dict;
3426   } else {
3427     pick_dictionary();
3428   }
3429
3430   if ($imagemap_base && !($img_width && $img_height)) {
3431     error ("-size WxH is required with -imagemap");
3432   }
3433
3434   init_signals();
3435
3436   spawn_driftnet ($driftnet_cmd) if ($driftnet_cmd);
3437
3438   if ($urls_only_p) {
3439     url_only_output ();
3440   } else {
3441     x_or_pbm_output ($window_id);
3442   }
3443 }
3444
3445 main();
3446 exit (0);