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

   1 #!/usr/bin/perl -w
   2 #
   3 # webcollage, Copyright (c) 1999-2003 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 # If you have the "driftnet" program installed, webcollage can display a
  23 # collage of images sniffed off your local ethernet, instead of pulled out
  24 # of search engines: in that way, your screensaver can display the images
  25 # that your co-workers are downloading!
  26 #
  27 # Driftnet is available here: http://www.ex-parrot.com/~chris/driftnet/
  28 # Use it like so:
  29 #
  30 #     webcollage -root -driftnet
  31 #
  32 # Driftnet is the Unix implementation of the MacOS "EtherPEG" program.
  33
  34
  35 require 5;
  36 use strict;
  37
  38 # We can't "use diagnostics" here, because that library malfunctions if
  39 # you signal and catch alarms: it says "Uncaught exception from user code"
  40 # and exits, even though I damned well AM catching it!
  41 #use diagnostics;
  42
  43
  44 use Socket;
  45 require Time::Local;
  46 require POSIX;
  47 use Fcntl ':flock'; # import LOCK_* constants
  48 use POSIX qw(strftime);
  49
  50 use bytes;  # Larry can take Unicode and shove it up his ass sideways.
  51             # Perl 5.8.0 causes us to start getting incomprehensible
  52             # errors about UTF-8 all over the place without this.
  53
  54
  55 my $progname = $0; $progname =~ s@.*/@@g;
  56 my $version = q{ $Revision: 1.107 $ }; $version =~ s/^[^0-9]+([0-9.]+).*$/$1/;
  57 my $copyright = "WebCollage $version, Copyright (c) 1999-2002" .
  58     " Jamie Zawinski <jwz\@jwz.org>\n" .
  59     "            http://www.jwz.org/xscreensaver/\n";
  60
  61
  62
  63 my @search_methods = (  77, "altavista",  \&pick_from_alta_vista_random_link,
  64                         14, "yahoorand",  \&pick_from_yahoo_random_link,
  65                          9, "yahoonews",  \&pick_from_yahoo_news_text,
  66
  67                      # Alta Vista has a new "random link" URL now.
  68                      # They added it specifically to better support webcollage!
  69                      # That was super cool of them.  This is how we used to do
  70                      # it, before:
  71                      #
  72                      #  0, "avimages", \&pick_from_alta_vista_images,
  73                      #  0, "avtext",   \&pick_from_alta_vista_text,
  74
  75                      # Google asked (nicely) for me to stop searching them.
  76                      # I asked them to add a "random link" url.  They said
  77                      # "that would be easy, we'll think about it" and then
  78                      # never wrote back.  Booo Google!  Booooo!
  79                      #
  80                      #   0, "googlenums", \&pick_from_google_image_numbers,
  81                      #   0, "googleimgs", \&pick_from_google_images,
  82
  83                      # I suspect Hotbot is actually the same search engine
  84                      # data as Lycos.
  85                      #
  86                      #  0, "hotbot",     \&pick_from_hotbot_text,
  87
  88                      # Eh, Lycos sucks anyway.
  89                      #   0, "lycos",      \&pick_from_lycos_text,
  90                       );
  91
  92 # programs we can use to write to the root window (tried in ascending order.)
  93 #
  94 my @root_displayers = (
  95   "xscreensaver-getimage -root -file",
  96   "chbg       -once -xscreensaver -max_size 100",
  97   "xv         -root -quit -viewonly +noresetroot -quick24 -rmode 5" .
  98   "           -rfg black -rbg black",
  99   "xli        -quiet -onroot -center -border black",
 100   "xloadimage -quiet -onroot -center -border black",
 101
 102 # this lame program wasn't built with vroot.h:
 103 # "xsri       -scale -keep-aspect -center-horizontal -center-vertical",
 104 );
 105
 106
 107 # Some sites need cookies to work properly.   These are they.
 108 #
 109 my %cookies = (
 110   "www.altavista.com"  =>  "AV_ALL=1",   # request uncensored searches
 111   "web.altavista.com"  =>  "AV_ALL=1",
 112
 113                                          # log in as "cipherpunk"
 114   "www.nytimes.com"    =>  'NYT-S=18cHMIlJOn2Y1bu5xvEG3Ufuk6E1oJ.' .
 115                            'FMxWaQV0igaB5Yi/Q/guDnLeoL.pe7i1oakSb' .
 116                            '/VqfdUdb2Uo27Vzt1jmPn3cpYRlTw9',
 117 );
 118
 119
 120 # If this is set, it's a helper program to use for pasting images together:
 121 # this is a lot faster and more efficient than using PPM pipelines, which is
 122 # what we do if this program doesn't exist.  (We check for "webcollage-helper"
 123 # on $PATH at startup, and set this variable appropriately.)
 124 #
 125 my $webcollage_helper = undef;
 126
 127
 128 # If we have the webcollage-helper program, then it will paste the images
 129 # together with transparency!  0.0 is invisible, 1.0 is totally opaque.
 130 #
 131 my $opacity = 0.85;
 132
 133
 134 # Some sites have  managed to poison the search engines.  These are they.
 135 # (We auto-detect sites that have poisoned the search engines via excessive
 136 # keywords or dictionary words,  but these are ones that slip through
 137 # anyway.)
 138 #
 139 # This can contain full host names, or 2 or 3 component domains.
 140 #
 141 my %poisoners = (
 142   "die.net"                 => 1,  # 'l33t h4ck3r d00dz.
 143   "genforum.genealogy.com"  => 1,  # Cluttering avtext with human names.
 144   "rootsweb.com"            => 1,  # Cluttering avtext with human names.
 145   "akamai.net"              => 1,  # Lots of sites have their images on Akamai.
 146   "akamaitech.net"          => 1,  # But those are pretty much all banners.
 147                                    # Since Akamai is super-expensive, let's
 148                                    # go out on a limb and assume that all of
 149                                    # their customers are rich-and-boring.
 150   "bartleby.com"            => 1,  # Dictionary, cluttering avtext.
 151   "encyclopedia.com"        => 1,  # Dictionary, cluttering avtext.
 152   "onlinedictionary.datasegment.com" => 1,  # Dictionary, cluttering avtext.
 153   "hotlinkpics.com"         => 1,  # Porn site that has poisoned avimages
 154                                    # (I don't see how they did it, though!)
 155   "alwayshotels.com"        => 1,  # Poisoned Lycos pretty heavily.
 156   "nextag.com"              => 1,  # Poisoned Alta Vista real good.
 157 );
 158
 159
 160 # When verbosity is turned on, we warn about sites that we seem to be hitting
 161 # a lot: usually this means some new poisoner has made it into the search
 162 # engines.  But sometimes, the warning is just because that site has a lot
 163 # of stuff on it.  So these are the sites that are immune to the "frequent
 164 # site" diagnostic message.
 165 #
 166 my %warningless_sites = (
 167   "home.earthlink.net"      => 1,  # Lots of home pages here.
 168   "www.geocities.com"       => 1,
 169   "www.angelfire.com"       => 1,
 170   "members.aol.com"         => 1,
 171
 172   "yimg.com"                => 1,  # This is where dailynews.yahoo.com stores
 173   "eimg.com"                => 1,  # its images, so pick_from_yahoo_news_text()
 174                                    # hits this every time.
 175
 176   "driftnet"                => 1,  # builtin...
 177 );
 178
 179
 180 ##############################################################################
 181 #
 182 # Various global flags set by command line parameters, or computed
 183 #
 184 ##############################################################################
 185
 186
 187 my $current_state = "???";      # for diagnostics
 188 my $load_method;
 189 my $last_search;
 190 my $image_succeeded = -1;
 191 my $suppress_audit = 0;
 192
 193 my $verbose_imgmap = 0;         # print out rectangles and URLs only (stdout)
 194 my $verbose_warnings = 0;       # print out warnings when things go wrong
 195 my $verbose_load = 0;           # diagnostics about loading of URLs
 196 my $verbose_filter = 0;         # diagnostics about page selection/rejection
 197 my $verbose_net = 0;            # diagnostics about network I/O
 198 my $verbose_pbm = 0;            # diagnostics about PBM pipelines
 199 my $verbose_http = 0;           # diagnostics about all HTTP activity
 200 my $verbose_exec = 0;           # diagnostics about executing programs
 201
 202 my $report_performance_interval = 60 * 15;  # print some stats every 15 minutes
 203
 204 my $http_proxy = undef;
 205 my $http_timeout = 30;
 206 my $cvt_timeout = 10;
 207
 208 my $min_width = 50;
 209 my $min_height = 50;
 210 my $min_ratio = 1/5;
 211
 212 my $min_gif_area = (120 * 120);
 213
 214
 215 my $no_output_p = 0;
 216 my $urls_only_p = 0;
 217
 218 my @pids_to_kill = ();  # forked pids we should kill when we exit, if any.
 219
 220 my $driftnet_magic = 'driftnet';
 221 my $driftnet_dir = undef;
 222 my $default_driftnet_cmd = "driftnet -a -m 100";
 223
 224 my $wordlist;
 225
 226 my %rejected_urls;
 227 my @tripwire_words = ("aberrate", "abode", "amorphous", "antioch",
 228                       "arrhenius", "arteriole", "blanket", "brainchild",
 229                       "burdensome", "carnival", "cherub", "chord", "clever",
 230                       "dedicate", "dilogarithm", "dolan", "dryden",
 231                       "eggplant");
 232
 233
 234 ##############################################################################
 235 #
 236 # Retrieving URLs
 237 #
 238 ##############################################################################
 239
 240 # returns three values: the HTTP response line; the document headers;
 241 # and the document body.
 242 #
 243 sub get_document_1 {
 244   my ( $url, $referer, $timeout ) = @_;
 245
 246   if (!defined($timeout)) { $timeout = $http_timeout; }
 247   if ($timeout > $http_timeout) { $timeout = $http_timeout; }
 248
 249   if ($timeout <= 0) {
 250     LOG (($verbose_net || $verbose_load), "timed out for $url");
 251     return ();
 252   }
 253
 254   LOG ($verbose_net, "get_document_1 $url " . ($referer ? $referer : ""));
 255
 256   if (! ($url =~ m@^http://@i)) {
 257     LOG ($verbose_net, "not an HTTP URL: $url");
 258     return ();
 259   }
 260
 261   my ($url_proto, $dummy, $serverstring, $path) = split(/\//, $url, 4);
 262   $path = "" unless $path;
 263
 264   my ($them,$port) = split(/:/, $serverstring);
 265   $port = 80 unless $port;
 266
 267   my $them2 = $them;
 268   my $port2 = $port;
 269   if ($http_proxy) {
 270     $serverstring = $http_proxy if $http_proxy;
 271     $serverstring =~ s@^[a-z]+://@@;
 272     ($them2,$port2) = split(/:/, $serverstring);
 273     $port2 = 80 unless $port2;
 274   }
 275
 276   my ($remote, $iaddr, $paddr, $proto, $line);
 277   $remote = $them2;
 278   if ($port2 =~ /\D/) { $port2 = getservbyname($port2, 'tcp') }
 279   if (!$port2) {
 280     LOG (($verbose_net || $verbose_load), "unrecognised port in $url");
 281     return ();
 282   }
 283   $iaddr   = inet_aton($remote);
 284   if (!$iaddr) {
 285     LOG (($verbose_net || $verbose_load), "host not found: $remote");
 286     return ();
 287   }
 288   $paddr   = sockaddr_in($port2, $iaddr);
 289
 290
 291   my $head = "";
 292   my $body = "";
 293
 294   @_ =
 295     eval {
 296       local $SIG{ALRM} = sub {
 297         LOG (($verbose_net || $verbose_load), "timed out ($timeout) for $url");
 298         die "alarm\n";
 299       };
 300       alarm $timeout;
 301
 302       $proto   = getprotobyname('tcp');
 303       if (!socket(S, PF_INET, SOCK_STREAM, $proto)) {
 304         LOG (($verbose_net || $verbose_load), "socket: $!");
 305         return ();
 306       }
 307       if (!connect(S, $paddr)) {
 308         LOG (($verbose_net || $verbose_load), "connect($serverstring): $!");
 309         return ();
 310       }
 311
 312       select(S); $| = 1; select(STDOUT);
 313
 314       my $cookie = $cookies{$them};
 315
 316       my $user_agent = "$progname/$version";
 317
 318       if ($url =~ m@^http://www\.altavista\.com/@ ||
 319           $url =~ m@^http://random\.yahoo\.com/@) {
 320         # block this, you turkeys.
 321         $user_agent = "Mozilla/4.76 [en] (X11; U; Linux 2.2.16-22 i686; Nav)";
 322       }
 323
 324       my $hdrs = "GET " . ($http_proxy ? $url : "/$path") . " HTTP/1.0\r\n" .
 325                  "Host: $them\r\n" .
 326                  "User-Agent: $user_agent\r\n";
 327       if ($referer) {
 328         $hdrs .= "Referer: $referer\r\n";
 329       }
 330       if ($cookie) {
 331         my @cc = split(/\r?\n/, $cookie);
 332         $hdrs .= "Cookie: " . join('; ', @cc) . "\r\n";
 333       }
 334       $hdrs .= "\r\n";
 335
 336       foreach (split('\r?\n', $hdrs)) {
 337         LOG ($verbose_http, "  ==> $_");
 338       }
 339       print S $hdrs;
 340       my $http = <S> || "";
 341
 342       # Kludge: the Yahoo Random Link is now returning as its first
 343       # line "Status: 301" instead of "HTTP/1.0 301 Found".  Fix it...
 344       #
 345       $http =~ s@^Status:\s+(\d+)\b@HTTP/1.0 $1@i;
 346
 347       $_  = $http;
 348       s/[\r\n]+$//s;
 349       LOG ($verbose_http, "  <== $_");
 350
 351       while (<S>) {
 352         $head .= $_;
 353         s/[\r\n]+$//s;
 354         last if m@^$@;
 355         LOG ($verbose_http, "  <== $_");
 356
 357         if (m@^Set-cookie:\s*([^;\r\n]+)@i) {
 358           set_cookie($them, $1)
 359         }
 360       }
 361
 362       my $lines = 0;
 363       while (<S>) {
 364         $body .= $_;
 365         $lines++;
 366       }
 367
 368       LOG ($verbose_http,
 369            "  <== [ body ]: $lines lines, " . length($body) . " bytes");
 370
 371       close S;
 372
 373       if (!$http) {
 374         LOG (($verbose_net || $verbose_load), "null response: $url");
 375         return ();
 376       }
 377
 378       return ( $http, $head, $body );
 379     };
 380   die if ($@ && $@ ne "alarm\n");       # propagate errors
 381   if ($@) {
 382     # timed out
 383     $head = undef;
 384     $body = undef;
 385     $suppress_audit = 1;
 386     return ();
 387   } else {
 388     # didn't
 389     alarm 0;
 390     return @_;
 391   }
 392 }
 393
 394
 395 # returns two values: the document headers; and the document body.
 396 # if the given URL did a redirect, returns the redirected-to document.
 397 #
 398 sub get_document {
 399   my ( $url, $referer, $timeout ) = @_;
 400   my $start = time;
 401
 402   if (defined($referer) && $referer eq $driftnet_magic) {
 403     return get_driftnet_file ($url);
 404   }
 405
 406   my $orig_url = $url;
 407   my $loop_count = 0;
 408   my $max_loop_count = 4;
 409
 410   do {
 411     if (defined($timeout) && $timeout <= 0) {
 412       LOG (($verbose_net || $verbose_load), "timed out for $url");
 413       $suppress_audit = 1;
 414       return ();
 415     }
 416
 417     my ( $http, $head, $body ) = get_document_1 ($url, $referer, $timeout);
 418
 419     if (defined ($timeout)) {
 420       my $now = time;
 421       my $elapsed = $now - $start;
 422       $timeout -= $elapsed;
 423       $start = $now;
 424     }
 425
 426     return () unless $http; # error message already printed
 427
 428     $http =~ s/[\r\n]+$//s;
 429
 430     if ( $http =~ m@^HTTP/[0-9.]+ 30[123]@ ) {
 431       $_ = $head;
 432
 433       my ( $location ) = m@^location:[ \t]*(.*)$@im;
 434       if ( $location ) {
 435         $location =~ s/[\r\n]$//;
 436
 437         LOG ($verbose_net, "redirect from $url to $location");
 438         $referer = $url;
 439         $url = $location;
 440
 441         if ($url =~ m@^/@) {
 442           $referer =~ m@^(http://[^/]+)@i;
 443           $url = $1 . $url;
 444         } elsif (! ($url =~ m@^[a-z]+:@i)) {
 445           $_ = $referer;
 446           s@[^/]+$@@g if m@^http://[^/]+/@i;
 447           $_ .= "/" if m@^http://[^/]+$@i;
 448           $url = $_ . $url;
 449         }
 450
 451       } else {
 452         LOG ($verbose_net, "no Location with \"$http\"");
 453         return ( $url, $body );
 454       }
 455
 456       if ($loop_count++ > $max_loop_count) {
 457         LOG ($verbose_net,
 458              "too many redirects ($max_loop_count) from $orig_url");
 459         $body = undef;
 460         return ();
 461       }
 462
 463     } elsif ( $http =~ m@^HTTP/[0-9.]+ ([4-9][0-9][0-9].*)$@ ) {
 464
 465       LOG (($verbose_net || $verbose_load), "failed: $1 ($url)");
 466
 467       # http errors -- return nothing.
 468       $body = undef;
 469       return ();
 470
 471     } elsif (!$body) {
 472
 473       LOG (($verbose_net || $verbose_load), "document contains no data: $url");
 474       return ();
 475
 476     } else {
 477
 478       # ok!
 479       return ( $url, $body );
 480     }
 481
 482   } while (1);
 483 }
 484
 485 # If we already have a cookie defined for this site, and the site is trying
 486 # to overwrite that very same cookie, let it do so.  This is because nytimes
 487 # expires its cookies - it lets you upgrade to a new cookie without logging
 488 # in again, but you have to present the old cookie to get the new cookie.
 489 # So, by doing this, the built-in cypherpunks cookie will never go "stale".
 490 #
 491 sub set_cookie {
 492   my ($host, $cookie) = @_;
 493   my $oc = $cookies{$host};
 494   return unless $oc;
 495   $_ = $oc;
 496   my ($oc_name, $oc_value) = m@^([^= \t\r\n]+)=(.*)$@;
 497   $_ = $cookie;
 498   my ($nc_name, $nc_value) = m@^([^= \t\r\n]+)=(.*)$@;
 499
 500   if ($oc_name eq $nc_name &&
 501       $oc_value ne $nc_value) {
 502     $cookies{$host} = $cookie;
 503     LOG ($verbose_net, "overwrote ${host}'s $oc_name cookie");
 504   }
 505 }
 506
 507
 508 ############################################################################
 509 #
 510 # Extracting image URLs from HTML
 511 #
 512 ############################################################################
 513
 514 # given a URL and the body text at that URL, selects and returns a random
 515 # image from it.  returns () if no suitable images found.
 516 #
 517 sub pick_image_from_body {
 518   my ( $url, $body ) = @_;
 519
 520   my $base = $url;
 521   $_ = $url;
 522
 523   # if there's at least one slash after the host, take off the last
 524   # pathname component
 525   if ( m@^http://[^/]+/@io ) {
 526     $base =~ s@[^/]+$@@go;
 527   }
 528
 529   # if there are no slashes after the host at all, put one on the end.
 530   if ( m@^http://[^/]+$@io ) {
 531     $base .= "/";
 532   }
 533
 534   $_ = $body;
 535
 536   # strip out newlines, compress whitespace
 537   s/[\r\n\t ]+/ /go;
 538
 539   # nuke comments
 540   s/<!--.*?-->//go;
 541
 542
 543   # There are certain web sites that list huge numbers of dictionary
 544   # words in their bodies or in their <META NAME=KEYWORDS> tags (surprise!
 545   # Porn sites tend not to be reputable!)
 546   #
 547   # I do not want webcollage to filter on content: I want it to select
 548   # randomly from the set of images on the web.  All the logic here for
 549   # rejecting some images is really a set of heuristics for rejecting
 550   # images that are not really images: for rejecting *text* that is in
 551   # GIF/JPEG form.  I don't want text, I want pictures, and I want the
 552   # content of the pictures to be randomly selected from among all the
 553   # available content.
 554   #
 555   # So, filtering out "dirty" pictures by looking for "dirty" keywords
 556   # would be wrong: dirty pictures exist, like it or not, so webcollage
 557   # should be able to select them.
 558   #
 559   # However, picking a random URL is a hard thing to do.  The mechanism I'm
 560   # using is to search for a selection of random words.  This is not
 561   # perfect, but works ok most of the time.  The way it breaks down is when
 562   # some URLs get precedence because their pages list *every word* as
 563   # related -- those URLs come up more often than others.
 564   #
 565   # So, after we've retrieved a URL, if it has too many keywords, reject
 566   # it.  We reject it not on the basis of what those keywords are, but on
 567   # the basis that by having so many, the page has gotten an unfair
 568   # advantage against our randomizer.
 569   #
 570   my $trip_count = 0;
 571   foreach my $trip (@tripwire_words) {
 572     $trip_count++ if m/$trip/i;
 573   }
 574
 575   if ($trip_count >= $#tripwire_words - 2) {
 576     LOG (($verbose_filter || $verbose_load),
 577          "there is probably a dictionary in \"$url\": rejecting.");
 578     $rejected_urls{$url} = -1;
 579     $body = undef;
 580     $_ = undef;
 581     return ();
 582   }
 583
 584
 585   my @urls;
 586   my %unique_urls;
 587
 588   foreach (split(/ *</)) {
 589     if ( m/^meta /i ) {
 590
 591       # Likewise, reject any web pages that have a KEYWORDS meta tag
 592       # that is too long.
 593       #
 594       if (m/name ?= ?\"?keywords\"?/i &&
 595           m/content ?= ?\"([^\"]+)\"/) {
 596         my $L = length($1);
 597         if ($L > 1000) {
 598           LOG (($verbose_filter || $verbose_load),
 599                "excessive keywords ($L bytes) in $url: rejecting.");
 600           $rejected_urls{$url} = $L;
 601           $body = undef;
 602           $_ = undef;
 603           return ();
 604         } else {
 605           LOG ($verbose_filter, "  keywords ($L bytes) in $url (ok)");
 606         }
 607       }
 608
 609     } elsif ( m/^(img|a) .*(src|href) ?= ?\"? ?(.*?)[ >\"]/io ) {
 610
 611       my $was_inline = (! ( "$1" eq "a" || "$1" eq "A" ));
 612       my $link = $3;
 613       my ( $width )  = m/width ?=[ \"]*(\d+)/oi;
 614       my ( $height ) = m/height ?=[ \"]*(\d+)/oi;
 615       $_ = $link;
 616
 617       if ( m@^/@o ) {
 618         my $site;
 619         ( $site = $base ) =~ s@^(http://[^/]*).*@$1@gio;
 620         $_ = "$site$link";
 621       } elsif ( ! m@^[^/:?]+:@ ) {
 622         $_ = "$base$link";
 623         s@/\./@/@g;
 624         1 while (s@/[^/]+/\.\./@/@g);
 625       }
 626
 627       # skip non-http
 628       if ( ! m@^http://@io ) {
 629         next;
 630       }
 631
 632       # skip non-image
 633       if ( ! m@[.](gif|jpg|jpeg|pjpg|pjpeg)$@io ) {
 634         next;
 635       }
 636
 637       # skip really short or really narrow images
 638       if ( $width && $width < $min_width) {
 639         if (!$height) { $height = "?"; }
 640         LOG ($verbose_filter, "  skip narrow image $_ (${width}x$height)");
 641         next;
 642       }
 643
 644       if ( $height && $height < $min_height) {
 645         if (!$width) { $width = "?"; }
 646         LOG ($verbose_filter, "  skip short image $_ (${width}x$height)");
 647         next;
 648       }
 649
 650       # skip images with ratios that make them look like banners.
 651       if ($min_ratio && $width && $height &&
 652           ($width * $min_ratio ) > $height) {
 653         if (!$height) { $height = "?"; }
 654         LOG ($verbose_filter, "  skip bad ratio $_ (${width}x$height)");
 655         next;
 656       }
 657
 658       # skip GIFs with a small number of pixels -- those usually suck.
 659       if ($width && $height &&
 660           m/\.gif$/io &&
 661           ($width * $height) < $min_gif_area) {
 662         LOG ($verbose_filter, "  skip small GIF $_ (${width}x$height)");
 663         next;
 664       }
 665
 666
 667       my $url = $_;
 668
 669       if ($unique_urls{$url}) {
 670         LOG ($verbose_filter, "  skip duplicate image $_");
 671         next;
 672       }
 673
 674       LOG ($verbose_filter,
 675            "  image $url" .
 676            ($width && $height ? " (${width}x${height})" : "") .
 677            ($was_inline ? " (inline)" : ""));
 678
 679       $urls[++$#urls] = $url;
 680       $unique_urls{$url}++;
 681
 682       # jpegs are preferable to gifs.
 683       $_ = $url;
 684       if ( ! m@[.]gif$@io ) {
 685         $urls[++$#urls] = $url;
 686       }
 687
 688       # pointers to images are preferable to inlined images.
 689       if ( ! $was_inline ) {
 690         $urls[++$#urls] = $url;
 691         $urls[++$#urls] = $url;
 692       }
 693     }
 694   }
 695
 696   my $fsp = ($body =~ m@<frameset@i);
 697
 698   $_ = undef;
 699   $body = undef;
 700
 701   @urls = depoison (@urls);
 702
 703   if ( $#urls < 0 ) {
 704     LOG ($verbose_load, "no images on $base" . ($fsp ? " (frameset)" : ""));
 705     return ();
 706   }
 707
 708   # pick a random element of the table
 709   my $i = int(rand($#urls+1));
 710   $url = $urls[$i];
 711
 712   LOG ($verbose_load, "picked image " .($i+1) . "/" . ($#urls+1) . ": $url");
 713
 714   return $url;
 715 }
 716
 717
 718 \f
 719 ############################################################################
 720 #
 721 # Subroutines for getting pages and images out of search engines
 722 #
 723 ############################################################################
 724
 725
 726 sub pick_dictionary {
 727   my @dicts = ("/usr/dict/words",
 728                "/usr/share/dict/words",
 729                "/usr/share/lib/dict/words");
 730   foreach my $f (@dicts) {
 731     if (-f $f) {
 732       $wordlist = $f;
 733       last;
 734     }
 735   }
 736   error ("$dicts[0] does not exist") unless defined($wordlist);
 737 }
 738
 739 # returns a random word from the dictionary
 740 #
 741 sub random_word {
 742     my $word = 0;
 743     if (open (IN, "<$wordlist")) {
 744         my $size = (stat(IN))[7];
 745         my $pos = rand $size;
 746         if (seek (IN, $pos, 0)) {
 747             $word = <IN>;   # toss partial line
 748             $word = <IN>;   # keep next line
 749         }
 750         if (!$word) {
 751           seek( IN, 0, 0 );
 752           $word = <IN>;
 753         }
 754         close (IN);
 755     }
 756
 757     return 0 if (!$word);
 758
 759     $word =~ s/^[ \t\n\r]+//;
 760     $word =~ s/[ \t\n\r]+$//;
 761     $word =~ s/ys$/y/;
 762     $word =~ s/ally$//;
 763     $word =~ s/ly$//;
 764     $word =~ s/ies$/y/;
 765     $word =~ s/ally$/al/;
 766     $word =~ s/izes$/ize/;
 767     $word =~ tr/A-Z/a-z/;
 768
 769     if ( $word =~ s/[ \t\n\r]/\+/g ) {  # convert intra-word spaces to "+".
 770       $word = "\%22$word\%22";          # And put quotes (%22) around it.
 771     }
 772
 773     return $word;
 774 }
 775
 776 sub random_words {
 777   my ($or_p) = @_;
 778   my $sep = ($or_p ? "%20OR%20" : "%20");
 779   return (random_word . $sep .
 780           random_word . $sep .
 781           random_word . $sep .
 782           random_word . $sep .
 783           random_word);
 784 }
 785
 786
 787 sub url_quote {
 788   my ($s) = @_;
 789   $s =~ s|([^-a-zA-Z0-9.\@/_\r\n])|sprintf("%%%02X", ord($1))|ge;
 790   return $s;
 791 }
 792
 793 sub url_unquote {
 794   my ($s) = @_;
 795   $s =~ s/[+]/ /g;
 796   $s =~ s/%([a-z0-9]{2})/chr(hex($1))/ige;
 797   return $s;
 798 }
 799
 800
 801 # Loads the given URL (a search on some search engine) and returns:
 802 # - the total number of hits the search engine claimed it had;
 803 # - a list of URLs from the page that the search engine returned;
 804 # Note that this list contains all kinds of internal search engine
 805 # junk URLs too -- caller must prune them.
 806 #
 807 sub pick_from_search_engine {
 808   my ( $timeout, $search_url, $words ) = @_;
 809
 810   $_ = $words;
 811   s/%20/ /g;
 812
 813   print STDERR "\n\n" if ($verbose_load);
 814
 815   LOG ($verbose_load, "words: $_");
 816   LOG ($verbose_load, "URL: $search_url");
 817
 818   $last_search = $search_url;   # for warnings
 819
 820   my $start = time;
 821   my ( $base, $body ) = get_document ($search_url, undef, $timeout);
 822   if (defined ($timeout)) {
 823     $timeout -= (time - $start);
 824     if ($timeout <= 0) {
 825       $body = undef;
 826       LOG (($verbose_net || $verbose_load),
 827            "timed out (late) for $search_url");
 828       $suppress_audit = 1;
 829       return ();
 830     }
 831   }
 832
 833   return () if (! $body);
 834
 835
 836   my @subpages;
 837
 838   my $search_count = "?";
 839   if ($body =~ m@found (approximately |about )?(<B>)?(\d+)(</B>)? image@) {
 840     $search_count = $3;
 841   } elsif ($body =~ m@<NOBR>((\d{1,3})(,\d{3})*)&nbsp;@i) {
 842     $search_count = $1;
 843   } elsif ($body =~ m@found ((\d{1,3})(,\d{3})*|\d+) Web p@) {
 844     $search_count = $1;
 845   } elsif ($body =~ m@found about ((\d{1,3})(,\d{3})*|\d+) results@) {
 846     $search_count = $1;
 847   } elsif ($body =~ m@\b\d+ - \d+ of (\d+)\b@i) { # avimages
 848     $search_count = $1;
 849   } elsif ($body =~ m@About ((\d{1,3})(,\d{3})*) images@i) { # avimages
 850     $search_count = $1;
 851   } elsif ($body =~ m@We found ((\d{1,3})(,\d{3})*|\d+) results@i) { # *vista
 852     $search_count = $1;
 853   } elsif ($body =~ m@ of about <B>((\d{1,3})(,\d{3})*)<@i) { # googleimages
 854     $search_count = $1;
 855   } elsif ($body =~ m@<B>((\d{1,3})(,\d{3})*)</B> Web sites were found@i) {
 856     $search_count = $1;    # lycos
 857   } elsif ($body =~ m@WEB.*?RESULTS.*?\b((\d{1,3})(,\d{3})*)\b.*?Matches@i) {
 858     $search_count = $1;                          # hotbot
 859   } elsif ($body =~ m@no photos were found containing@i) { # avimages
 860     $search_count = "0";
 861   } elsif ($body =~ m@found no document matching@i) { # avtext
 862     $search_count = "0";
 863   }
 864   1 while ($search_count =~ s/^(\d+)(\d{3})/$1,$2/);
 865
 866 #  if ($search_count eq "?" || $search_count eq "0") {
 867 #    local *OUT;
 868 #    my $file = "/tmp/wc.html";
 869 #    open(OUT, ">$file") || error ("writing $file: $!");
 870 #    print OUT $body;
 871 #    close OUT;
 872 #    print STDERR  blurb() . "###### wrote $file\n";
 873 #  }
 874
 875
 876   my $length = length($body);
 877   my $href_count = 0;
 878
 879   $_ = $body;
 880
 881   s/[\r\n\t ]+/ /g;
 882
 883
 884   s/(<A )/\n$1/gi;
 885   foreach (split(/\n/)) {
 886     $href_count++;
 887     my ($u) = m@<A\s.*\bHREF\s*=\s*([^>]+)>@i;
 888     next unless $u;
 889
 890     if ($u =~ m/^\"([^\"]*)\"/) { $u = $1; }   # quoted string
 891     elsif ($u =~ m/^([^\s]*)\s/) { $u = $1; }  # or token
 892
 893     if ( $rejected_urls{$u} ) {
 894       LOG ($verbose_filter, "  pre-rejecting candidate: $u");
 895       next;
 896     }
 897
 898     LOG ($verbose_http, "    HREF: $u");
 899
 900     $subpages[++$#subpages] = $u;
 901   }
 902
 903   if ( $#subpages < 0 ) {
 904     LOG ($verbose_filter,
 905          "found nothing on $base ($length bytes, $href_count links).");
 906     return ();
 907   }
 908
 909   LOG ($verbose_filter, "" . $#subpages+1 . " links on $search_url");
 910
 911   return ($search_count, @subpages);
 912 }
 913
 914
 915 sub depoison {
 916   my (@urls) = @_;
 917   my @urls2 = ();
 918   foreach (@urls) {
 919     my ($h) = m@^http://([^/: \t\r\n]+)@i;
 920
 921     next unless defined($h);
 922
 923     if ($poisoners{$h}) {
 924       LOG (($verbose_filter), "  rejecting poisoner: $_");
 925       next;
 926     }
 927     if ($h =~ m@([^.]+\.[^.]+\.[^.]+)$@ &&
 928         $poisoners{$1}) {
 929       LOG (($verbose_filter), "  rejecting poisoner: $_");
 930       next;
 931     }
 932     if ($h =~ m@([^.]+\.[^.]+)$@ &&
 933         $poisoners{$1}) {
 934       LOG (($verbose_filter), "  rejecting poisoner: $_");
 935       next;
 936     }
 937
 938     push @urls2, $_;
 939   }
 940   return @urls2;
 941 }
 942
 943
 944 # given a list of URLs, picks one at random; loads it; and returns a
 945 # random image from it.
 946 # returns the url of the page loaded; the url of the image chosen;
 947 # and a debugging description string.
 948 #
 949 sub pick_image_from_pages {
 950   my ($base, $total_hit_count, $unfiltered_link_count, $timeout, @pages) = @_;
 951
 952   $total_hit_count = "?" unless defined($total_hit_count);
 953
 954   @pages = depoison (@pages);
 955   LOG ($verbose_load,
 956        "" . ($#pages+1) . " candidates of $unfiltered_link_count links" .
 957        " ($total_hit_count total)");
 958
 959   return () if ($#pages < 0);
 960
 961   my $i = int(rand($#pages+1));
 962   my $page = $pages[$i];
 963
 964   LOG ($verbose_load, "picked page $page");
 965
 966   $suppress_audit = 1;
 967
 968   my ( $base2, $body2 ) = get_document ($page, $base, $timeout);
 969
 970   if (!$base2 || !$body2) {
 971     $body2 = undef;
 972     return ();
 973   }
 974
 975   my $img = pick_image_from_body ($base2, $body2);
 976   $body2 = undef;
 977
 978   if ($img) {
 979     return ($base2, $img);
 980   } else {
 981     return ();
 982   }
 983 }
 984
 985 \f
 986 ############################################################################
 987 #
 988 # Pick images from random pages returned by the Yahoo Random Link
 989 #
 990 ############################################################################
 991
 992 # yahoorand
 993 my $yahoo_random_link = "http://random.yahoo.com/fast/ryl";
 994
 995
 996 # Picks a random page; picks a random image on that page;
 997 # returns two URLs: the page containing the image, and the image.
 998 # Returns () if nothing found this time.
 999 #
1000 sub pick_from_yahoo_random_link {
1001   my ( $timeout ) = @_;
1002
1003   print STDERR "\n\n" if ($verbose_load);
1004   LOG ($verbose_load, "URL: $yahoo_random_link");
1005
1006   $last_search = $yahoo_random_link;   # for warnings
1007
1008   $suppress_audit = 1;
1009
1010   my ( $base, $body ) = get_document ($yahoo_random_link, undef, $timeout);
1011   if (!$base || !$body) {
1012     $body = undef;
1013     return;
1014   }
1015
1016   LOG ($verbose_load, "redirected to: $base");
1017
1018   my $img = pick_image_from_body ($base, $body);
1019   $body = undef;
1020
1021   if ($img) {
1022     return ($base, $img);
1023   } else {
1024     return ();
1025   }
1026 }
1027
1028 \f
1029 ############################################################################
1030 #
1031 # Pick images from random pages returned by the Alta Vista Random Link
1032 #
1033 ############################################################################
1034
1035 # altavista
1036 my $alta_vista_random_link = "http://www.altavista.com/image/randomlink";
1037
1038
1039 # Picks a random page; picks a random image on that page;
1040 # returns two URLs: the page containing the image, and the image.
1041 # Returns () if nothing found this time.
1042 #
1043 sub pick_from_alta_vista_random_link {
1044   my ( $timeout ) = @_;
1045
1046   print STDERR "\n\n" if ($verbose_load);
1047   LOG ($verbose_load, "URL: $alta_vista_random_link");
1048
1049   $last_search = $alta_vista_random_link;   # for warnings
1050
1051   $suppress_audit = 1;
1052
1053   my ( $base, $body ) = get_document ($alta_vista_random_link,
1054                                       undef, $timeout);
1055   if (!$base || !$body) {
1056     $body = undef;
1057     return;
1058   }
1059
1060   LOG ($verbose_load, "redirected to: $base");
1061
1062   my $img = pick_image_from_body ($base, $body);
1063   $body = undef;
1064
1065   if ($img) {
1066     return ($base, $img);
1067   } else {
1068     return ();
1069   }
1070 }
1071
1072 \f
1073 ############################################################################
1074 #
1075 # Pick images by feeding random words into Alta Vista Image Search
1076 #
1077 ############################################################################
1078
1079
1080 my $alta_vista_images_url = "http://www.altavista.com/image/results" .
1081                             "?ipht=1" .       # photos
1082                             "&igrph=1" .      # graphics
1083                             "&iclr=1" .       # color
1084                             "&ibw=1" .        # b&w
1085                             "&micat=1" .      # no partner sites
1086                             "&sc=on" .        # "site collapse"
1087                             "&q=";
1088
1089 # avimages
1090 sub pick_from_alta_vista_images {
1091   my ( $timeout ) = @_;
1092
1093   my $words = random_words(0);
1094   my $page = (int(rand(9)) + 1);
1095   my $search_url = $alta_vista_images_url . $words;
1096
1097   if ($page > 1) {
1098     $search_url .= "&pgno=" . $page;            # page number
1099     $search_url .= "&stq=" . (($page-1) * 12);  # first hit result on page
1100   }
1101
1102   my ($search_hit_count, @subpages) =
1103     pick_from_search_engine ($timeout, $search_url, $words);
1104
1105   my @candidates = ();
1106   foreach my $u (@subpages) {
1107
1108     # avtext is encoding their URLs now.
1109     next unless ($u =~ m@^/r.*\&r=([^&]+).*@);
1110     $u = url_unquote($1);
1111
1112     next unless ($u =~ m@^http://@i);    #  skip non-HTTP or relative URLs
1113     next if ($u =~ m@[/.]altavista\.com\b@i);     # skip altavista builtins
1114     next if ($u =~ m@[/.]doubleclick\.net\b@i);   # you cretins
1115     next if ($u =~ m@[/.]clicktomarket\.com\b@i); # more cretins
1116
1117     next if ($u =~ m@[/.]viewimages\.com\b@i);    # stacked deck
1118     next if ($u =~ m@[/.]gettyimages\.com\b@i);
1119
1120     LOG ($verbose_filter, "  candidate: $u");
1121     push @candidates, $u;
1122   }
1123
1124   return pick_image_from_pages ($search_url, $search_hit_count, $#subpages+1,
1125                                 $timeout, @candidates);
1126 }
1127
1128
1129 \f
1130 ############################################################################
1131 #
1132 # Pick images by feeding random words into Google Image Search.
1133 # By Charles Gales <gales@us.ibm.com>
1134 #
1135 ############################################################################
1136
1137
1138 my $google_images_url =     "http://images.google.com/images" .
1139                             "?site=images" .  # photos
1140                             "&btnG=Search" .  # graphics
1141                             "&safe=off" .     # no screening
1142                             "&imgsafe=off" .
1143                             "&q=";
1144
1145 # googleimgs
1146 sub pick_from_google_images {
1147   my ( $timeout ) = @_;
1148
1149   my $words = random_word;   # only one word for Google
1150   my $page = (int(rand(9)) + 1);
1151   my $num = 20;     # 20 images per page
1152   my $search_url = $google_images_url . $words;
1153
1154   if ($page > 1) {
1155     $search_url .= "&start=" . $page*$num;      # page number
1156     $search_url .= "&num="   . $num;            #images per page
1157   }
1158
1159   my ($search_hit_count, @subpages) =
1160     pick_from_search_engine ($timeout, $search_url, $words);
1161
1162   my @candidates = ();
1163   foreach my $u (@subpages) {
1164     next unless ($u =~ m@imgres\?imgurl@i);    #  All pics start with this
1165     next if ($u =~ m@[/.]google\.com\b@i);     # skip google builtins
1166
1167     if ($u =~ m@^/imgres\?imgurl=(.*?)\&imgrefurl=(.*?)\&@) {
1168       my $urlf = $2;
1169       LOG ($verbose_filter, "  candidate: $urlf");
1170       push @candidates, $urlf;
1171     }
1172   }
1173
1174   return pick_image_from_pages ($search_url, $search_hit_count, $#subpages+1,
1175                                 $timeout, @candidates);
1176 }
1177
1178
1179 \f
1180 ############################################################################
1181 #
1182 # Pick images by feeding random *numbers* into Google Image Search.
1183 # By jwz, suggested by from Ian O'Donnell.
1184 #
1185 ############################################################################
1186
1187
1188 # googlenums
1189 sub pick_from_google_image_numbers {
1190   my ( $timeout ) = @_;
1191
1192   my $max = 9999;
1193   my $number = int(rand($max));
1194
1195   $number = sprintf("%04d", $number)
1196     if (rand() < 0.3);
1197
1198   my $words = "$number";
1199   my $page = (int(rand(40)) + 1);
1200   my $num = 20;     # 20 images per page
1201   my $search_url = $google_images_url . $words;
1202
1203   if ($page > 1) {
1204     $search_url .= "&start=" . $page*$num;      # page number
1205     $search_url .= "&num="   . $num;            #images per page
1206   }
1207
1208   my ($search_hit_count, @subpages) =
1209     pick_from_search_engine ($timeout, $search_url, $words);
1210
1211   my @candidates = ();
1212   my %referers;
1213   foreach my $u (@subpages) {
1214     next unless ($u =~ m@imgres\?imgurl@i);    #  All pics start with this
1215     next if ($u =~ m@[/.]google\.com\b@i);     # skip google builtins
1216
1217     if ($u =~ m@^/imgres\?imgurl=(.*?)\&imgrefurl=(.*?)\&@) {
1218       my $ref = $2;
1219       my $img = "http://$1";
1220
1221       LOG ($verbose_filter, "  candidate: $ref");
1222       push @candidates, $img;
1223       $referers{$img} = $ref;
1224     }
1225   }
1226
1227   @candidates = depoison (@candidates);
1228   return () if ($#candidates < 0);
1229   my $i = int(rand($#candidates+1));
1230   my $img = $candidates[$i];
1231   my $ref = $referers{$img};
1232
1233   LOG ($verbose_load, "picked image " . ($i+1) . ": $img (on $ref)");
1234   return ($ref, $img);
1235 }
1236
1237
1238 \f
1239 ############################################################################
1240 #
1241 # Pick images by feeding random words into Alta Vista Text Search
1242 #
1243 ############################################################################
1244
1245
1246 my $alta_vista_url = "http://www.altavista.com/web/results" .
1247                      "?pg=aq" .
1248                      "&aqmode=s" .
1249                      "&filetype=html" .
1250                      "&sc=on" .        # "site collapse"
1251                      "&nbq=50" .
1252                      "&aqo=";
1253
1254 # avtext
1255 sub pick_from_alta_vista_text {
1256   my ( $timeout ) = @_;
1257
1258   my $words = random_words(0);
1259   my $page = (int(rand(9)) + 1);
1260   my $search_url = $alta_vista_url . $words;
1261
1262   if ($page > 1) {
1263     $search_url .= "&pgno=" . $page;
1264     $search_url .= "&stq=" . (($page-1) * 10);
1265   }
1266
1267   my ($search_hit_count, @subpages) =
1268     pick_from_search_engine ($timeout, $search_url, $words);
1269
1270   my @candidates = ();
1271   foreach my $u (@subpages) {
1272
1273     # Those altavista fuckers are playing really nasty redirection games
1274     # these days: the filter your clicks through their site, but use
1275     # onMouseOver to make it look like they're not!  Well, it makes it
1276     # easier for us to identify search results...
1277     #
1278     next unless ($u =~ m@^/r.*\&r=([^&]+).*@);
1279     $u = url_unquote($1);
1280
1281     LOG ($verbose_filter, "  candidate: $u");
1282     push @candidates, $u;
1283   }
1284
1285   return pick_image_from_pages ($search_url, $search_hit_count, $#subpages+1,
1286                                 $timeout, @candidates);
1287 }
1288
1289
1290 \f
1291 ############################################################################
1292 #
1293 # Pick images by feeding random words into Hotbot
1294 #
1295 ############################################################################
1296
1297 my $hotbot_search_url =("http://hotbot.lycos.com/default.asp" .
1298                         "?ca=w" .
1299                         "&descriptiontype=0" .
1300                         "&imagetoggle=1" .
1301                         "&matchmode=any" .
1302                         "&nummod=2" .
1303                         "&recordcount=50" .
1304                         "&sitegroup=1" .
1305                         "&stem=1" .
1306                         "&cobrand=undefined" .
1307                         "&query=");
1308
1309 sub pick_from_hotbot_text {
1310   my ( $timeout ) = @_;
1311
1312   # lycos seems to always give us back dictionaries and word lists if
1313   # we search for more than one word...
1314   #
1315   my $words = random_word();
1316
1317   my $start = int(rand(8)) * 10 + 1;
1318   my $search_url = $hotbot_search_url . $words . "&first=$start&page=more";
1319
1320   my ($search_hit_count, @subpages) =
1321     pick_from_search_engine ($timeout, $search_url, $words);
1322
1323   my @candidates = ();
1324   foreach my $u (@subpages) {
1325
1326     # Hotbot plays redirection games too
1327     next unless ($u =~ m@/director.asp\?.*\btarget=([^&]+)@);
1328     $u = url_decode($1);
1329
1330     LOG ($verbose_filter, "  candidate: $u");
1331     push @candidates, $u;
1332   }
1333
1334   return pick_image_from_pages ($search_url, $search_hit_count, $#subpages+1,
1335                                 $timeout, @candidates);
1336 }
1337
1338
1339 \f
1340 ############################################################################
1341 #
1342 # Pick images by feeding random words into Lycos
1343 #
1344 ############################################################################
1345
1346 my $lycos_search_url = "http://search.lycos.com/default.asp" .
1347                        "?lpv=1" .
1348                        "&loc=searchhp" .
1349                        "&tab=web" .
1350                        "&query=";
1351
1352 sub pick_from_lycos_text {
1353   my ( $timeout ) = @_;
1354
1355   # lycos seems to always give us back dictionaries and word lists if
1356   # we search for more than one word...
1357   #
1358   my $words = random_word();
1359
1360   my $start = int(rand(8)) * 10 + 1;
1361   my $search_url = $lycos_search_url . $words . "&first=$start&page=more";
1362
1363   my ($search_hit_count, @subpages) =
1364     pick_from_search_engine ($timeout, $search_url, $words);
1365
1366   my @candidates = ();
1367   foreach my $u (@subpages) {
1368
1369     # Lycos plays redirection games.
1370     next unless ($u =~ m@^http://click.lycos.com/director.asp
1371                          .*
1372                          \btarget=([^&]+)
1373                          .*
1374                         @x);
1375     $u = url_decode($1);
1376
1377     LOG ($verbose_filter, "  candidate: $u");
1378     push @candidates, $u;
1379   }
1380
1381   return pick_image_from_pages ($search_url, $search_hit_count, $#subpages+1,
1382                                 $timeout, @candidates);
1383 }
1384
1385
1386 \f
1387 ############################################################################
1388 #
1389 # Pick images by feeding random words into news.yahoo.com
1390 #
1391 ############################################################################
1392
1393 my $yahoo_news_url = "http://search.news.yahoo.com/search/news" .
1394                      "?a=1" .
1395                      "&c=news_photos" .
1396                      "&s=-%24s%2C-date" .
1397                      "&n=100" .
1398                      "&o=o" .
1399                      "&2=" .
1400                      "&3=" .
1401                      "&p=";
1402
1403 # yahoonews
1404 sub pick_from_yahoo_news_text {
1405   my ( $timeout ) = @_;
1406
1407   my $words = random_words(0);
1408   my $search_url = $yahoo_news_url . $words;
1409
1410   my ($search_hit_count, @subpages) =
1411     pick_from_search_engine ($timeout, $search_url, $words);
1412
1413   my @candidates = ();
1414   foreach my $u (@subpages) {
1415     # only accept URLs on Yahoo's news site
1416     next unless ($u =~ m@^http://dailynews\.yahoo\.com/@i ||
1417                  $u =~ m@^http://story\.news\.yahoo\.com/@i);
1418
1419     LOG ($verbose_filter, "  candidate: $u");
1420     push @candidates, $u;
1421   }
1422
1423   return pick_image_from_pages ($search_url, $search_hit_count, $#subpages+1,
1424                                 $timeout, @candidates);
1425 }
1426
1427
1428
1429 \f
1430 ############################################################################
1431 #
1432 # Pick images by waiting for driftnet to populate a temp dir with files.
1433 # Requires driftnet version 0.1.5 or later.
1434 # (Driftnet is a program by Chris Lightfoot that sniffs your local ethernet
1435 # for images being downloaded by others.)
1436 # Driftnet/webcollage integration by jwz.
1437 #
1438 ############################################################################
1439
1440 # driftnet
1441 sub pick_from_driftnet {
1442   my ( $timeout ) = @_;
1443
1444   my $id = $driftnet_magic;
1445   my $dir = $driftnet_dir;
1446   my $start = time;
1447   my $now;
1448
1449   error ("\$driftnet_dir unset?") unless ($dir);
1450   $dir =~ s@/+$@@;
1451
1452   error ("$dir unreadable") unless (-d "$dir/.");
1453
1454   $timeout = $http_timeout unless ($timeout);
1455   $last_search = $id;
1456
1457   while ($now = time, $now < $start + $timeout) {
1458     local *DIR;
1459     opendir (DIR, $dir) || error ("$dir: $!");
1460     while (my $file = readdir(DIR)) {
1461       next if ($file =~ m/^\./);
1462       $file = "$dir/$file";
1463       closedir DIR;
1464       LOG ($verbose_load, "picked file $file ($id)");
1465       return ($id, $file);
1466     }
1467     closedir DIR;
1468   }
1469   LOG (($verbose_net || $verbose_load), "timed out for $id");
1470   return ();
1471 }
1472
1473
1474 sub get_driftnet_file {
1475   my ($file) = @_;
1476
1477   error ("\$driftnet_dir unset?") unless ($driftnet_dir);
1478
1479   my $id = $driftnet_magic;
1480   my $re = qr/$driftnet_dir/;
1481   error ("$id: $file not in $driftnet_dir?")
1482     unless ($file =~ m@^$re@o);
1483
1484   local *IN;
1485   open (IN, $file) || error ("$id: $file: $!");
1486   my $body = '';
1487   while (<IN>) { $body .= $_; }
1488   close IN || error ("$id: $file: $!");
1489   unlink ($file) || error ("$id: $file: rm: $!");
1490   return ($id, $body);
1491 }
1492
1493
1494 sub spawn_driftnet {
1495   my ($cmd) = @_;
1496
1497   # make a directory to use.
1498   while (1) {
1499     my $tmp = $ENV{TEMPDIR} || "/tmp";
1500     $driftnet_dir = sprintf ("$tmp/driftcollage-%08x", rand(0xffffffff));
1501     LOG ($verbose_exec, "mkdir $driftnet_dir");
1502     last if mkdir ($driftnet_dir, 0700);
1503   }
1504
1505   if (! ($cmd =~ m/\s/)) {
1506     # if the command didn't have any arguments in it, then it must be just
1507     # a pointer to the executable.  Append the default args to it.
1508     my $dargs = $default_driftnet_cmd;
1509     $dargs =~ s/^[^\s]+//;
1510     $cmd .= $dargs;
1511   }
1512
1513   # point the driftnet command at our newly-minted private directory.
1514   #
1515   $cmd .= " -d $driftnet_dir";
1516   $cmd .= ">/dev/null" unless ($verbose_exec);
1517
1518   my $pid = fork();
1519   if ($pid < 0) { error ("fork: $!\n"); }
1520   if ($pid) {
1521     # parent fork
1522     push @pids_to_kill, $pid;
1523     LOG ($verbose_exec, "forked for \"$cmd\"");
1524   } else {
1525     # child fork
1526     nontrapping_system ($cmd) || error ("exec: $!");
1527   }
1528
1529   # wait a bit, then make sure the process actually started up.
1530   #
1531   sleep (1);
1532   error ("pid $pid failed to start \"$cmd\"")
1533     unless (1 == kill (0, $pid));
1534 }
1535
1536 \f
1537 ############################################################################
1538 #
1539 # Pick a random image in a random way
1540 #
1541 ############################################################################
1542
1543
1544 # Picks a random image on a random page, and returns two URLs:
1545 # the page containing the image, and the image.
1546 # Returns () if nothing found this time.
1547 #
1548
1549 sub pick_image {
1550   my ( $timeout ) = @_;
1551
1552   $current_state = "select";
1553   $load_method = "none";
1554
1555   my $n = int(rand(100));
1556   my $fn = undef;
1557   my $total = 0;
1558   my @rest = @search_methods;
1559
1560   while (@rest) {
1561     my $pct  = shift @rest;
1562     my $name = shift @rest;
1563     my $tfn  = shift @rest;
1564     $total += $pct;
1565     if ($total > $n && !defined($fn)) {
1566       $fn = $tfn;
1567       $current_state = $name;
1568       $load_method = $current_state;
1569     }
1570   }
1571
1572   if ($total != 100) {
1573     error ("internal error: \@search_methods totals to $total%!");
1574   }
1575
1576   record_attempt ($current_state);
1577   return $fn->($timeout);
1578 }
1579
1580
1581 \f
1582 ############################################################################
1583 #
1584 # Statistics and logging
1585 #
1586 ############################################################################
1587
1588 sub timestr {
1589   return strftime ("%H:%M:%S: ", localtime);
1590 }
1591
1592 sub blurb {
1593   return "$progname: " . timestr() . "$current_state: ";
1594 }
1595
1596 sub error {
1597   my ($err) = @_;
1598   print STDERR blurb() . "$err\n";
1599   exit 1;
1600 }
1601
1602
1603 my $lastlog = "";
1604
1605 sub clearlog {
1606   $lastlog = "";
1607 }
1608
1609 sub showlog {
1610   my $head = "$progname: DEBUG: ";
1611   foreach (split (/\n/, $lastlog)) {
1612     print STDERR "$head$_\n";
1613   }
1614   $lastlog = "";
1615 }
1616
1617 sub LOG {
1618   my ($print, $msg) = @_;
1619   my $blurb = timestr() . "$current_state: ";
1620   $lastlog .= "$blurb$msg\n";
1621   print STDERR "$progname: $blurb$msg\n" if $print;
1622 }
1623
1624
1625 my %stats_attempts;
1626 my %stats_successes;
1627 my %stats_elapsed;
1628
1629 my $last_state = undef;
1630 sub record_attempt {
1631   my ($name) = @_;
1632
1633   if ($last_state) {
1634     record_failure($last_state) unless ($image_succeeded > 0);
1635   }
1636   $last_state = $name;
1637
1638   clearlog();
1639   report_performance();
1640
1641   start_timer($name);
1642   $image_succeeded = 0;
1643   $suppress_audit = 0;
1644 }
1645
1646 sub record_success {
1647   my ($name, $url, $base) = @_;
1648   if (defined($stats_successes{$name})) {
1649     $stats_successes{$name}++;
1650   } else {
1651     $stats_successes{$name} = 1;
1652   }
1653
1654   stop_timer ($name, 1);
1655   my $o = $current_state;
1656   $current_state = $name;
1657   save_recent_url ($url, $base);
1658   $current_state = $o;
1659   $image_succeeded = 1;
1660   clearlog();
1661 }
1662
1663
1664 sub record_failure {
1665   my ($name) = @_;
1666
1667   return if $image_succeeded;
1668
1669   stop_timer ($name, 0);
1670   if ($verbose_load && !$verbose_exec) {
1671
1672     if ($suppress_audit) {
1673       print STDERR "$progname: " . timestr() . "(audit log suppressed)\n";
1674       return;
1675     }
1676
1677     my $o = $current_state;
1678     $current_state = "DEBUG";
1679
1680     my $line =  "#" x 78;
1681     print STDERR "\n\n\n";
1682     print STDERR ("#" x 78) . "\n";
1683     print STDERR blurb() . "failed to get an image.  Full audit log:\n";
1684     print STDERR "\n";
1685     showlog();
1686     print STDERR ("-" x 78) . "\n";
1687     print STDERR "\n\n";
1688
1689     $current_state = $o;
1690   }
1691   $image_succeeded = 0;
1692 }
1693
1694
1695
1696 sub stats_of {
1697   my ($name) = @_;
1698   my $i = $stats_successes{$name};
1699   my $j = $stats_attempts{$name};
1700   $i = 0 unless $i;
1701   $j = 0 unless $j;
1702   return "" . ($j ? int($i * 100 / $j) : "0") . "%";
1703 }
1704
1705
1706 my $current_start_time = 0;
1707
1708 sub start_timer {
1709   my ($name) = @_;
1710   $current_start_time = time;
1711
1712   if (defined($stats_attempts{$name})) {
1713     $stats_attempts{$name}++;
1714   } else {
1715     $stats_attempts{$name} = 1;
1716   }
1717   if (!defined($stats_elapsed{$name})) {
1718     $stats_elapsed{$name} = 0;
1719   }
1720 }
1721
1722 sub stop_timer {
1723   my ($name, $success) = @_;
1724   $stats_elapsed{$name} += time - $current_start_time;
1725 }
1726
1727
1728 my $last_report_time = 0;
1729 sub report_performance {
1730
1731   return unless $verbose_warnings;
1732
1733   my $now = time;
1734   return unless ($now >= $last_report_time + $report_performance_interval);
1735   my $ot = $last_report_time;
1736   $last_report_time = $now;
1737
1738   return if ($ot == 0);
1739
1740   my $blurb = "$progname: " . timestr();
1741
1742   print STDERR "\n";
1743   print STDERR "${blurb}Current standings:\n";
1744
1745   foreach my $name (sort keys (%stats_attempts)) {
1746     my $try = $stats_attempts{$name};
1747     my $suc = $stats_successes{$name} || 0;
1748     my $pct = int($suc * 100 / $try);
1749     my $secs = $stats_elapsed{$name};
1750     my $secs_link = int($secs / $try);
1751     print STDERR sprintf ("$blurb   %-12s %4s (%d/%d);\t %2d secs/link\n",
1752                           "$name:", "$pct%", $suc, $try, $secs_link);
1753   }
1754 }
1755
1756
1757
1758 my $max_recent_images = 400;
1759 my $max_recent_sites  = 20;
1760 my @recent_images = ();
1761 my @recent_sites = ();
1762
1763 sub save_recent_url {
1764   my ($url, $base) = @_;
1765
1766   return unless ($verbose_warnings);
1767
1768   $_ = $url;
1769   my ($site) = m@^http://([^ \t\n\r/:]+)@;
1770   return unless defined ($site);
1771
1772   if ($base eq $driftnet_magic) {
1773     $site = $driftnet_magic;
1774     @recent_images = ();
1775   }
1776
1777   my $done = 0;
1778   foreach (@recent_images) {
1779     if ($_ eq $url) {
1780       print STDERR blurb() . "WARNING: recently-duplicated image: $url" .
1781         " (on $base via $last_search)\n";
1782       $done = 1;
1783       last;
1784     }
1785   }
1786
1787   # suppress "duplicate site" warning via %warningless_sites.
1788   #
1789   if ($warningless_sites{$site}) {
1790     $done = 1;
1791   } elsif ($site =~ m@([^.]+\.[^.]+\.[^.]+)$@ &&
1792            $warningless_sites{$1}) {
1793     $done = 1;
1794   } elsif ($site =~ m@([^.]+\.[^.]+)$@ &&
1795            $warningless_sites{$1}) {
1796     $done = 1;
1797   }
1798
1799   if (!$done) {
1800     foreach (@recent_sites) {
1801       if ($_ eq $site) {
1802         print STDERR blurb() . "WARNING: recently-duplicated site: $site" .
1803         " ($url on $base via $last_search)\n";
1804         last;
1805       }
1806     }
1807   }
1808
1809   push @recent_images, $url;
1810   push @recent_sites,  $site;
1811   shift @recent_images if ($#recent_images >= $max_recent_images);
1812   shift @recent_sites  if ($#recent_sites  >= $max_recent_sites);
1813 }
1814
1815
1816 \f
1817 ##############################################################################
1818 #
1819 # other utilities
1820 #
1821 ##############################################################################
1822
1823 # Does %-decoding.
1824 #
1825 sub url_decode {
1826   ($_) = @_;
1827   tr/+/ /;
1828   s/%([a-fA-F0-9][a-fA-F0-9])/pack("C", hex($1))/eg;
1829   return $_;
1830 }
1831
1832
1833 # Given the raw body of a GIF document, returns the dimensions of the image.
1834 #
1835 sub gif_size {
1836   my ($body) = @_;
1837   my $type = substr($body, 0, 6);
1838   my $s;
1839   return () unless ($type =~ /GIF8[7,9]a/);
1840   $s = substr ($body, 6, 10);
1841   my ($a,$b,$c,$d) = unpack ("C"x4, $s);
1842   return (($b<<8|$a), ($d<<8|$c));
1843 }
1844
1845 # Given the raw body of a JPEG document, returns the dimensions of the image.
1846 #
1847 sub jpeg_size {
1848   my ($body) = @_;
1849   my $i = 0;
1850   my $L = length($body);
1851
1852   my $c1 = substr($body, $i, 1); $i++;
1853   my $c2 = substr($body, $i, 1); $i++;
1854   return () unless (ord($c1) == 0xFF && ord($c2) == 0xD8);
1855
1856   my $ch = "0";
1857   while (ord($ch) != 0xDA && $i < $L) {
1858     # Find next marker, beginning with 0xFF.
1859     while (ord($ch) != 0xFF) {
1860       return () if (length($body) <= $i);
1861       $ch = substr($body, $i, 1); $i++;
1862     }
1863     # markers can be padded with any number of 0xFF.
1864     while (ord($ch) == 0xFF) {
1865       return () if (length($body) <= $i);
1866       $ch = substr($body, $i, 1); $i++;
1867     }
1868
1869     # $ch contains the value of the marker.
1870     my $marker = ord($ch);
1871
1872     if (($marker >= 0xC0) &&
1873         ($marker <= 0xCF) &&
1874         ($marker != 0xC4) &&
1875         ($marker != 0xCC)) {  # it's a SOFn marker
1876       $i += 3;
1877       return () if (length($body) <= $i);
1878       my $s = substr($body, $i, 4); $i += 4;
1879       my ($a,$b,$c,$d) = unpack("C"x4, $s);
1880       return (($c<<8|$d), ($a<<8|$b));
1881
1882     } else {
1883       # We must skip variables, since FFs in variable names aren't
1884       # valid JPEG markers.
1885       return () if (length($body) <= $i);
1886       my $s = substr($body, $i, 2); $i += 2;
1887       my ($c1, $c2) = unpack ("C"x2, $s);
1888       my $length = ($c1 << 8) | $c2;
1889       return () if ($length < 2);
1890       $i += $length-2;
1891     }
1892   }
1893   return ();
1894 }
1895
1896 # Given the raw body of a GIF or JPEG document, returns the dimensions of
1897 # the image.
1898 #
1899 sub image_size {
1900   my ($body) = @_;
1901   my ($w, $h) = gif_size ($body);
1902   if ($w && $h) { return ($w, $h); }
1903   return jpeg_size ($body);
1904 }
1905
1906
1907 # returns the full path of the named program, or undef.
1908 #
1909 sub which {
1910   my ($prog) = @_;
1911   foreach (split (/:/, $ENV{PATH})) {
1912     if (-x "$_/$prog") {
1913       return $prog;
1914     }
1915   }
1916   return undef;
1917 }
1918
1919
1920 # Like rand(), but chooses numbers with a bell curve distribution.
1921 sub bellrand {
1922   ($_) = @_;
1923   $_ = 1.0 unless defined($_);
1924   $_ /= 3.0;
1925   return (rand($_) + rand($_) + rand($_));
1926 }
1927
1928
1929 sub signal_cleanup {
1930   my ($sig) = @_;
1931   print STDERR blurb() . (defined($sig)
1932                           ? "caught signal $sig."
1933                           : "exiting.")
1934                        . "\n"
1935     if ($verbose_exec);
1936
1937   x_cleanup();
1938
1939   if (@pids_to_kill) {
1940     print STDERR blurb() . "killing: " . join(' ', @pids_to_kill) . "\n";
1941     kill ('TERM', @pids_to_kill);
1942   }
1943
1944   exit 1;
1945 }
1946
1947 ##############################################################################
1948 #
1949 # Generating a list of urls only
1950 #
1951 ##############################################################################
1952
1953 sub url_only_output {
1954   do {
1955     my ($base, $img) = pick_image;
1956     if ($img) {
1957       $base =~ s/ /%20/g;
1958       $img  =~ s/ /%20/g;
1959       print "$img $base\n";
1960     }
1961   } while (1);
1962 }
1963
1964 ##############################################################################
1965 #
1966 # Running as an xscreensaver module
1967 #
1968 ##############################################################################
1969
1970 my $image_ppm   = ($ENV{TMPDIR} ? $ENV{TMPDIR} : "/tmp") . "/webcollage." . $$;
1971 my $image_tmp1  = $image_ppm . "-1";
1972 my $image_tmp2  = $image_ppm . "-2";
1973
1974 my $filter_cmd = undef;
1975 my $post_filter_cmd = undef;
1976 my $background = undef;
1977
1978 my $img_width;            # size of the image being generated.
1979 my $img_height;
1980
1981 my $delay = 2;
1982
1983 sub x_cleanup {
1984   unlink $image_ppm, $image_tmp1, $image_tmp2;
1985 }
1986
1987
1988 # Like system, but prints status about exit codes, and kills this process
1989 # with whatever signal killed the sub-process, if any.
1990 #
1991 sub nontrapping_system {
1992   $! = 0;
1993
1994   $_ = join(" ", @_);
1995   s/\"[^\"]+\"/\"...\"/g;
1996
1997   LOG ($verbose_exec, "executing \"$_\"");
1998
1999   my $rc = system @_;
2000
2001   if ($rc == 0) {
2002     LOG ($verbose_exec, "subproc exited normally.");
2003   } elsif (($rc & 0xff) == 0) {
2004     $rc >>= 8;
2005     LOG ($verbose_exec, "subproc exited with status $rc.");
2006   } else {
2007     if ($rc & 0x80) {
2008       LOG ($verbose_exec, "subproc dumped core.");
2009       $rc &= ~0x80;
2010     }
2011     LOG ($verbose_exec, "subproc died with signal $rc.");
2012     # die that way ourselves.
2013     kill $rc, $$;
2014   }
2015
2016   return $rc;
2017 }
2018
2019
2020 # Given the URL of a GIF or JPEG image, and the body of that image, writes a
2021 # PPM to the given output file.  Returns the width/height of the image if
2022 # successful.
2023 #
2024 sub image_to_pnm {
2025   my ($url, $body, $output) = @_;
2026   my ($cmd, $cmd2, $w, $h);
2027
2028   if ((@_ = gif_size ($body))) {
2029     ($w, $h) = @_;
2030     $cmd = "giftopnm";
2031   } elsif ((@_ = jpeg_size ($body))) {
2032     ($w, $h) = @_;
2033     $cmd = "djpeg";
2034   } else {
2035     LOG (($verbose_pbm || $verbose_load),
2036          "not a GIF or JPG" .
2037          (($body =~ m@<(base|html|head|body|script|table|a href)>@i)
2038           ? " (looks like HTML)" : "") .
2039          ": $url");
2040     $suppress_audit = 1;
2041     return ();
2042   }
2043
2044   $cmd2 = "exec $cmd";        # yes, this really is necessary.  if we don't
2045                               # do this, the process doesn't die properly.
2046   if (!$verbose_pbm) {
2047     #
2048     # We get a "giftopnm: got a 'Application Extension' extension"
2049     # warning any time it's an animgif.
2050     #
2051     # Note that "giftopnm: EOF / read error on image data" is not
2052     # always a fatal error -- sometimes the image looks fine anyway.
2053     #
2054     $cmd2 .= " 2>/dev/null";
2055   }
2056
2057   # There exist corrupted GIF and JPEG files that can make giftopnm and
2058   # djpeg lose their minds and go into a loop.  So this gives those programs
2059   # a small timeout -- if they don't complete in time, kill them.
2060   #
2061   my $pid;
2062   @_ = eval {
2063     my $timed_out;
2064
2065     local $SIG{ALRM}  = sub {
2066       LOG ($verbose_pbm,
2067            "timed out ($cvt_timeout) for $cmd on \"$url\" in pid $pid");
2068       kill ('TERM', $pid) if ($pid);
2069       $timed_out = 1;
2070       $body = undef;
2071     };
2072
2073     if (($pid = open(PIPE, "| $cmd2 > $output"))) {
2074       $timed_out = 0;
2075       alarm $cvt_timeout;
2076       print PIPE $body;
2077       $body = undef;
2078       close PIPE;
2079
2080       LOG ($verbose_exec, "awaiting $pid");
2081       waitpid ($pid, 0);
2082       LOG ($verbose_exec, "$pid completed");
2083
2084       my $size = (stat($output))[7];
2085       $size = -1 unless defined($size);
2086       if ($size < 5) {
2087         LOG ($verbose_pbm, "$cmd on ${w}x$h \"$url\" failed ($size bytes)");
2088         return ();
2089       }
2090
2091       LOG ($verbose_pbm, "created ${w}x$h $output ($cmd)");
2092       return ($w, $h);
2093     } else {
2094       print STDERR blurb() . "$cmd failed: $!\n";
2095       return ();
2096     }
2097   };
2098   die if ($@ && $@ ne "alarm\n");       # propagate errors
2099   if ($@) {
2100     # timed out
2101     $body = undef;
2102     return ();
2103   } else {
2104     # didn't
2105     alarm 0;
2106     $body = undef;
2107     return @_;
2108   }
2109 }
2110
2111 sub pick_root_displayer {
2112   my @names = ();
2113
2114   foreach my $cmd (@root_displayers) {
2115     $_ = $cmd;
2116     my ($name) = m/^([^ ]+)/;
2117     push @names, "\"$name\"";
2118     LOG ($verbose_exec, "looking for $name...");
2119     foreach my $dir (split (/:/, $ENV{PATH})) {
2120       LOG ($verbose_exec, "  checking $dir/$name");
2121       return $cmd if (-x "$dir/$name");
2122     }
2123   }
2124
2125   $names[$#names] = "or " . $names[$#names];
2126   error "none of: " . join (", ", @names) . " were found on \$PATH.";
2127 }
2128
2129
2130 my $ppm_to_root_window_cmd = undef;
2131
2132
2133 sub x_or_pbm_output {
2134
2135   # Check for our helper program, to see whether we need to use PPM pipelines.
2136   #
2137   $_ = "webcollage-helper";
2138   if (defined ($webcollage_helper) || which ($_)) {
2139     $webcollage_helper = $_ unless (defined($webcollage_helper));
2140     LOG ($verbose_pbm, "found \"$webcollage_helper\"");
2141     $webcollage_helper .= " -v";
2142   } else {
2143     LOG (($verbose_pbm || $verbose_load), "no $_ program");
2144   }
2145
2146   # make sure the various programs we execute exist, right up front.
2147   #
2148   my @progs = ("ppmmake");  # always need this one
2149
2150   if (!defined($webcollage_helper)) {
2151     # Only need these others if we don't have the helper.
2152     @progs = (@progs, "giftopnm", "djpeg", "pnmpaste", "pnmscale", "pnmcut");
2153   }
2154
2155   foreach (@progs) {
2156     which ($_) || error "$_ not found on \$PATH.";
2157   }
2158
2159   # find a root-window displayer program.
2160   #
2161   $ppm_to_root_window_cmd = pick_root_displayer();
2162
2163   if (!$img_width || !$img_height) {
2164     $_ = "xdpyinfo";
2165     which ($_) || error "$_ not found on \$PATH.";
2166     $_ = `$_`;
2167     ($img_width, $img_height) = m/dimensions: *(\d+)x(\d+) /;
2168     if (!defined($img_height)) {
2169       error "xdpyinfo failed.";
2170     }
2171   }
2172
2173   my $bgcolor = "#000000";
2174   my $bgimage = undef;
2175
2176   if ($background) {
2177     if ($background =~ m/^\#[0-9a-f]+$/i) {
2178       $bgcolor = $background;
2179
2180     } elsif (-r $background) {
2181       $bgimage = $background;
2182
2183     } elsif (! $background =~ m@^[-a-z0-9 ]+$@i) {
2184       error "not a color or readable file: $background";
2185
2186     } else {
2187       # default to assuming it's a color
2188       $bgcolor = $background;
2189     }
2190   }
2191
2192   # Create the sold-colored base image.
2193   #
2194   $_ = "ppmmake '$bgcolor' $img_width $img_height";
2195   LOG ($verbose_pbm, "creating base image: $_");
2196   nontrapping_system "$_ > $image_ppm";
2197
2198   # Paste the default background image in the middle of it.
2199   #
2200   if ($bgimage) {
2201     my ($iw, $ih);
2202
2203     my $body = "";
2204     local *IMG;
2205     open(IMG, "<$bgimage") || error "couldn't open $bgimage: $!";
2206     my $cmd;
2207     while (<IMG>) { $body .= $_; }
2208     close (IMG);
2209
2210     if ((@_ = gif_size ($body))) {
2211       ($iw, $ih) = @_;
2212       $cmd = "giftopnm |";
2213
2214     } elsif ((@_ = jpeg_size ($body))) {
2215       ($iw, $ih) = @_;
2216       $cmd = "djpeg |";
2217
2218     } elsif ($body =~ m/^P\d\n(\d+) (\d+)\n/) {
2219       $iw = $1;
2220       $ih = $2;
2221       $cmd = "";
2222
2223     } else {
2224       error "$bgimage is not a GIF, JPEG, or PPM.";
2225     }
2226
2227     my $x = int (($img_width  - $iw) / 2);
2228     my $y = int (($img_height - $ih) / 2);
2229     LOG ($verbose_pbm,
2230          "pasting $bgimage (${iw}x$ih) into base image at $x,$y");
2231
2232     $cmd .= "pnmpaste - $x $y $image_ppm > $image_tmp1";
2233     open (IMG, "| $cmd") || error "running $cmd: $!";
2234     print IMG $body;
2235     $body = undef;
2236     close (IMG);
2237     LOG ($verbose_exec, "subproc exited normally.");
2238     rename ($image_tmp1, $image_ppm) ||
2239       error "renaming $image_tmp1 to $image_ppm: $!";
2240   }
2241
2242   clearlog();
2243
2244   while (1) {
2245     my ($base, $img) = pick_image();
2246     my $source = $current_state;
2247     $current_state = "loadimage";
2248     if ($img) {
2249       my ($headers, $body) = get_document ($img, $base);
2250       if ($body) {
2251         paste_image ($base, $img, $body, $source);
2252         $body = undef;
2253       }
2254     }
2255     $current_state = "idle";
2256     $load_method = "none";
2257
2258     unlink $image_tmp1, $image_tmp2;
2259     sleep $delay;
2260   }
2261 }
2262
2263 sub paste_image {
2264   my ($base, $img, $body, $source) = @_;
2265
2266   $current_state = "paste";
2267
2268   $suppress_audit = 0;
2269
2270   LOG ($verbose_pbm, "got $img (" . length($body) . ")");
2271
2272   my ($iw, $ih);
2273
2274   # If we are using the webcollage-helper, then we do not need to convert this
2275   # image to a PPM.  But, if we're using a filter command, we still must, since
2276   # that's what the filters expect (webcollage-helper can read PPMs, so that's
2277   # fine.)
2278   #
2279   if (defined ($webcollage_helper) &&
2280       !defined ($filter_cmd)) {
2281
2282     ($iw, $ih) = image_size ($body);
2283     if (!$iw || !$ih) {
2284       LOG (($verbose_pbm || $verbose_load),
2285            "not a GIF or JPG" .
2286            (($body =~ m@<(base|html|head|body|script|table|a href)>@i)
2287             ? " (looks like HTML)" : "") .
2288            ": $img");
2289       $suppress_audit = 1;
2290       $body = undef;
2291       return 0;
2292     }
2293
2294     local *OUT;
2295     open (OUT, ">$image_tmp1") || error ("writing $image_tmp1: $!");
2296     print OUT $body || error ("writing $image_tmp1: $!");
2297     close OUT || error ("writing $image_tmp1: $!");
2298
2299   } else {
2300     ($iw, $ih) = image_to_pnm ($img, $body, $image_tmp1);
2301     $body = undef;
2302     if (!$iw || !$ih) {
2303       LOG ($verbose_pbm, "unable to make PBM from $img");
2304       return 0;
2305     }
2306   }
2307
2308   record_success ($load_method, $img, $base);
2309
2310
2311   my $ow = $iw;  # used only for error messages
2312   my $oh = $ih;
2313
2314   # don't just tack this onto the front of the pipeline -- we want it to
2315   # be able to change the size of the input image.
2316   #
2317   if ($filter_cmd) {
2318     LOG ($verbose_pbm, "running $filter_cmd");
2319
2320     my $rc = nontrapping_system "($filter_cmd) < $image_tmp1 >$image_tmp2";
2321     if ($rc != 0) {
2322       LOG(($verbose_pbm || $verbose_load), "failed command: \"$filter_cmd\"");
2323       LOG(($verbose_pbm || $verbose_load), "failed URL: \"$img\" (${ow}x$oh)");
2324       return;
2325     }
2326     rename ($image_tmp2, $image_tmp1);
2327
2328     # re-get the width/height in case the filter resized it.
2329     local *IMG;
2330     open(IMG, "<$image_tmp1") || return 0;
2331     $_ = <IMG>;
2332     $_ = <IMG>;
2333     ($iw, $ih) = m/^(\d+) (\d+)$/;
2334     close (IMG);
2335     return 0 unless ($iw && $ih);
2336   }
2337
2338   my $target_w = $img_width;
2339   my $target_h = $img_height;
2340
2341   my $cmd = "";
2342   my $scale = 1.0;
2343
2344
2345   # Usually scale the image to fit on the screen -- but sometimes scale it
2346   # to fit on half or a quarter of the screen.  Note that we don't merely
2347   # scale it to fit, we instead cut it in half until it fits -- that should
2348   # give a wider distribution of sizes.
2349   #
2350   if (rand() < 0.3) { $target_w /= 2; $target_h /= 2; $scale /= 2; }
2351   if (rand() < 0.3) { $target_w /= 2; $target_h /= 2; $scale /= 2; }
2352
2353   if ($iw > $target_w || $ih > $target_h) {
2354     while ($iw > $target_w ||
2355            $ih > $target_h) {
2356       $iw = int($iw / 2);
2357       $ih = int($ih / 2);
2358     }
2359     if ($iw <= 10 || $ih <= 10) {
2360       LOG ($verbose_pbm, "scaling to ${iw}x$ih would have been bogus.");
2361       return 0;
2362     }
2363
2364     LOG ($verbose_pbm, "scaling to ${iw}x$ih");
2365
2366     $cmd .= " | pnmscale -xsize $iw -ysize $ih";
2367   }
2368
2369
2370   my $src = $image_tmp1;
2371
2372   my $crop_x = 0;     # the sub-rectangle of the image
2373   my $crop_y = 0;     # that we will actually paste.
2374   my $crop_w = $iw;
2375   my $crop_h = $ih;
2376
2377   # The chance that we will randomly crop out a section of an image starts
2378   # out fairly low, but goes up for images that are very large, or images
2379   # that have ratios that make them look like banners (we try to avoid
2380   # banner images entirely, but they slip through when the IMG tags didn't
2381   # have WIDTH and HEIGHT specified.)
2382   #
2383   my $crop_chance = 0.2;
2384   if ($iw > $img_width * 0.4 || $ih > $img_height * 0.4) {
2385     $crop_chance += 0.2;
2386   }
2387   if ($iw > $img_width * 0.7 || $ih > $img_height * 0.7) {
2388     $crop_chance += 0.2;
2389   }
2390   if ($min_ratio && ($iw * $min_ratio) > $ih) {
2391     $crop_chance += 0.7;
2392   }
2393
2394   if ($crop_chance > 0.1) {
2395     LOG ($verbose_pbm, "crop chance: $crop_chance");
2396   }
2397
2398   if (rand() < $crop_chance) {
2399
2400     my $ow = $crop_w;
2401     my $oh = $crop_h;
2402
2403     if ($crop_w > $min_width) {
2404       # if it's a banner, select the width linearly.
2405       # otherwise, select a bell.
2406       my $r = (($min_ratio && ($iw * $min_ratio) > $ih)
2407                ? rand()
2408                : bellrand());
2409       $crop_w = $min_width + int ($r * ($crop_w - $min_width));
2410       $crop_x = int (rand() * ($ow - $crop_w));
2411     }
2412     if ($crop_h > $min_height) {
2413       # height always selects as a bell.
2414       $crop_h = $min_height + int (bellrand() * ($crop_h - $min_height));
2415       $crop_y = int (rand() * ($oh - $crop_h));
2416     }
2417
2418     if ($crop_x != 0   || $crop_y != 0 ||
2419         $crop_w != $iw || $crop_h != $ih) {
2420       LOG ($verbose_pbm,
2421            "randomly cropping to ${crop_w}x$crop_h \@ $crop_x,$crop_y");
2422     }
2423   }
2424
2425   # Where the image should logically land -- this might be negative.
2426   #
2427   my $x = int((rand() * ($img_width  + $crop_w/2)) - $crop_w*3/4);
2428   my $y = int((rand() * ($img_height + $crop_h/2)) - $crop_h*3/4);
2429
2430   # if we have chosen to paste the image outside of the rectangle of the
2431   # screen, then we need to crop it.
2432   #
2433   if ($x < 0 ||
2434       $y < 0 ||
2435       $x + $crop_w > $img_width ||
2436       $y + $crop_h > $img_height) {
2437
2438     LOG ($verbose_pbm,
2439          "cropping for effective paste of ${crop_w}x$crop_h \@ $x,$y");
2440
2441     if ($x < 0) { $crop_x -= $x; $crop_w += $x; $x = 0; }
2442     if ($y < 0) { $crop_y -= $y; $crop_h += $y; $y = 0; }
2443
2444     if ($x + $crop_w >= $img_width)  { $crop_w = $img_width  - $x - 1; }
2445     if ($y + $crop_h >= $img_height) { $crop_h = $img_height - $y - 1; }
2446   }
2447
2448   # If any cropping needs to happen, add pnmcut.
2449   #
2450   if ($crop_x != 0   || $crop_y != 0 ||
2451         $crop_w != $iw || $crop_h != $ih) {
2452     $iw = $crop_w;
2453     $ih = $crop_h;
2454     $cmd .= " | pnmcut $crop_x $crop_y $iw $ih";
2455     LOG ($verbose_pbm, "cropping to ${crop_w}x$crop_h \@ $crop_x,$crop_y");
2456   }
2457
2458   LOG ($verbose_pbm, "pasting ${iw}x$ih \@ $x,$y in $image_ppm");
2459
2460   $cmd .= " | pnmpaste - $x $y $image_ppm";
2461
2462   $cmd =~ s@^ *\| *@@;
2463
2464   if (defined ($webcollage_helper)) {
2465     $cmd = "$webcollage_helper $image_tmp1 $image_ppm " .
2466                               "$scale $opacity " .
2467                               "$crop_x $crop_y $x $y " .
2468                               "$iw $ih";
2469     $_ = $cmd;
2470
2471   } else {
2472     # use a PPM pipeline
2473     $_ = "($cmd)";
2474     $_ .= " < $image_tmp1 > $image_tmp2";
2475   }
2476
2477   if ($verbose_pbm) {
2478     $_ = "($_) 2>&1 | sed s'/^/" . blurb() . "/'";
2479   } else {
2480     $_ .= " 2> /dev/null";
2481   }
2482
2483   my $rc = nontrapping_system ($_);
2484
2485   if (defined ($webcollage_helper) && -z $image_ppm) {
2486     LOG (1, "failed command: \"$cmd\"");
2487     print STDERR "\naudit log:\n\n\n";
2488     print STDERR ("#" x 78) . "\n";
2489     print STDERR blurb() . "$image_ppm has zero size\n";
2490     showlog();
2491     print STDERR "\n\n";
2492     exit (1);
2493   }
2494
2495   if ($rc != 0) {
2496     LOG (($verbose_pbm || $verbose_load), "failed command: \"$cmd\"");
2497     LOG (($verbose_pbm || $verbose_load), "failed URL: \"$img\" (${ow}x$oh)");
2498     return;
2499   }
2500
2501   if (!defined ($webcollage_helper)) {
2502     rename ($image_tmp2, $image_ppm) || return;
2503   }
2504
2505   my $target = "$image_ppm";
2506
2507   # don't just tack this onto the end of the pipeline -- we don't want it
2508   # to end up in $image_ppm, because we don't want the results to be
2509   # cumulative.
2510   #
2511   if ($post_filter_cmd) {
2512
2513     my $cmd;
2514
2515     $target = $image_tmp1;
2516     if (!defined ($webcollage_helper)) {
2517       $cmd = "($post_filter_cmd) < $image_ppm > $target";
2518     } else {
2519       # Blah, my scripts need the JPEG data, but some other folks need
2520       # the PPM data -- what to do?  Ignore the problem, that's what!
2521 #     $cmd = "djpeg < $image_ppm | ($post_filter_cmd) > $target";
2522       $cmd = "($post_filter_cmd) < $image_ppm > $target";
2523     }
2524
2525     $rc = nontrapping_system ($cmd);
2526     if ($rc != 0) {
2527       LOG ($verbose_pbm, "filter failed: \"$post_filter_cmd\"\n");
2528       return;
2529     }
2530   }
2531
2532   if (!$no_output_p) {
2533     my $tsize = (stat($target))[7];
2534     if ($tsize > 200) {
2535       $cmd = "$ppm_to_root_window_cmd $target";
2536
2537       # xv seems to hate being killed.  it tends to forget to clean
2538       # up after itself, and leaves windows around and colors allocated.
2539       # I had this same problem with vidwhacker, and I'm not entirely
2540       # sure what I did to fix it.  But, let's try this: launch xv
2541       # in the background, so that killing this process doesn't kill it.
2542       # it will die of its own accord soon enough.  So this means we
2543       # start pumping bits to the root window in parallel with starting
2544       # the next network retrieval, which is probably a better thing
2545       # to do anyway.
2546       #
2547       $cmd .= " &";
2548
2549       $rc = nontrapping_system ($cmd);
2550
2551       if ($rc != 0) {
2552         LOG (($verbose_pbm || $verbose_load), "display failed: \"$cmd\"");
2553         return;
2554       }
2555
2556     } else {
2557       LOG ($verbose_pbm, "$target size is $tsize");
2558     }
2559   }
2560
2561   $source .= "-" . stats_of($source);
2562   print STDOUT "image: ${iw}x${ih} @ $x,$y $base $source\n"
2563     if ($verbose_imgmap);
2564
2565   clearlog();
2566
2567   return 1;
2568 }
2569
2570
2571 sub init_signals {
2572
2573   $SIG{HUP}  = \&signal_cleanup;
2574   $SIG{INT}  = \&signal_cleanup;
2575   $SIG{QUIT} = \&signal_cleanup;
2576   $SIG{ABRT} = \&signal_cleanup;
2577   $SIG{KILL} = \&signal_cleanup;
2578   $SIG{TERM} = \&signal_cleanup;
2579
2580   # Need this so that if giftopnm dies, we don't die.
2581   $SIG{PIPE} = 'IGNORE';
2582 }
2583
2584 END { signal_cleanup(); }
2585
2586
2587 sub main {
2588   $| = 1;
2589   srand(time ^ $$);
2590
2591   my $verbose = 0;
2592   my $dict;
2593   my $driftnet_cmd = 0;
2594
2595   $current_state = "init";
2596   $load_method = "none";
2597
2598   my $root_p = 0;
2599
2600   # historical suckage: the environment variable name is lower case.
2601   $http_proxy = $ENV{http_proxy} || $ENV{HTTP_PROXY};
2602
2603   while ($_ = $ARGV[0]) {
2604     shift @ARGV;
2605     if ($_ eq "-display" ||
2606         $_ eq "-displ" ||
2607         $_ eq "-disp" ||
2608         $_ eq "-dis" ||
2609         $_ eq "-dpy" ||
2610         $_ eq "-d") {
2611       $ENV{DISPLAY} = shift @ARGV;
2612     } elsif ($_ eq "-root") {
2613       $root_p = 1;
2614     } elsif ($_ eq "-no-output") {
2615       $no_output_p = 1;
2616     } elsif ($_ eq "-urls-only") {
2617       $urls_only_p = 1;
2618       $no_output_p = 1;
2619     } elsif ($_ eq "-verbose") {
2620       $verbose++;
2621     } elsif (m/^-v+$/) {
2622       $verbose += length($_)-1;
2623     } elsif ($_ eq "-delay") {
2624       $delay = shift @ARGV;
2625     } elsif ($_ eq "-timeout") {
2626       $http_timeout = shift @ARGV;
2627     } elsif ($_ eq "-filter") {
2628       $filter_cmd = shift @ARGV;
2629     } elsif ($_ eq "-filter2") {
2630       $post_filter_cmd = shift @ARGV;
2631     } elsif ($_ eq "-background" || $_ eq "-bg") {
2632       $background = shift @ARGV;
2633     } elsif ($_ eq "-size") {
2634       $_ = shift @ARGV;
2635       if (m@^(\d+)x(\d+)$@) {
2636         $img_width = $1;
2637         $img_height = $2;
2638       } else {
2639         error "argument to \"-size\" must be of the form \"640x400\"";
2640       }
2641     } elsif ($_ eq "-proxy" || $_ eq "-http-proxy") {
2642       $http_proxy = shift @ARGV;
2643     } elsif ($_ eq "-dictionary" || $_ eq "-dict") {
2644       $dict = shift @ARGV;
2645     } elsif ($_ eq "-driftnet" || $_ eq "--driftnet") {
2646       @search_methods = ( 100, "driftnet", \&pick_from_driftnet );
2647       if (! ($ARGV[0] =~ m/^-/)) {
2648         $driftnet_cmd = shift @ARGV;
2649       } else {
2650         $driftnet_cmd = $default_driftnet_cmd;
2651       }
2652     } elsif ($_ eq "-debug" || $_ eq "--debug") {
2653       my $which = shift @ARGV;
2654       my @rest = @search_methods;
2655       my $ok = 0;
2656       while (@rest) {
2657         my $pct  = shift @rest;
2658         my $name = shift @rest;
2659         my $tfn  = shift @rest;
2660
2661         if ($name eq $which) {
2662           @search_methods = (100, $name, $tfn);
2663           $ok = 1;
2664           last;
2665         }
2666       }
2667       error "no such search method as \"$which\"" unless ($ok);
2668       LOG (1, "DEBUG: using only \"$which\"");
2669
2670     } else {
2671       print STDERR "$copyright\nusage: $progname " .
2672               "[-root] [-display dpy] [-verbose] [-debug which]\n" .
2673         "\t\t  [-timeout secs] [-delay secs] [-filter cmd] [-filter2 cmd]\n" .
2674         "\t\t  [-no-output] [-urls-only] [-background color] [-size WxH]\n" .
2675         "\t\t  [-dictionary dictionary-file] [-http-proxy host[:port]]\n" .
2676         "\t\t  [-driftnet [driftnet-program-and-args]]\n" .
2677         "\n";
2678       exit 1;
2679     }
2680   }
2681
2682   if ($http_proxy && $http_proxy eq "") {
2683     $http_proxy = undef;
2684   }
2685   if ($http_proxy && $http_proxy =~ m@^http://([^/]*)/?$@ ) {
2686     # historical suckage: allow "http://host:port" as well as "host:port".
2687     $http_proxy = $1;
2688   }
2689
2690   if (!$root_p && !$no_output_p) {
2691     print STDERR $copyright;
2692     error "the -root argument is mandatory (for now.)";
2693   }
2694
2695   if (!$no_output_p && !$ENV{DISPLAY}) {
2696     error "\$DISPLAY is not set.";
2697   }
2698
2699
2700   if ($verbose == 1) {
2701     $verbose_imgmap   = 1;
2702     $verbose_warnings = 1;
2703
2704   } elsif ($verbose == 2) {
2705     $verbose_imgmap   = 1;
2706     $verbose_warnings = 1;
2707     $verbose_load     = 1;
2708
2709   } elsif ($verbose == 3) {
2710     $verbose_imgmap   = 1;
2711     $verbose_warnings = 1;
2712     $verbose_load     = 1;
2713     $verbose_filter   = 1;
2714
2715   } elsif ($verbose == 4) {
2716     $verbose_imgmap   = 1;
2717     $verbose_warnings = 1;
2718     $verbose_load     = 1;
2719     $verbose_filter   = 1;
2720     $verbose_net      = 1;
2721
2722   } elsif ($verbose == 5) {
2723     $verbose_imgmap   = 1;
2724     $verbose_warnings = 1;
2725     $verbose_load     = 1;
2726     $verbose_filter   = 1;
2727     $verbose_net      = 1;
2728     $verbose_pbm      = 1;
2729
2730   } elsif ($verbose == 6) {
2731     $verbose_imgmap   = 1;
2732     $verbose_warnings = 1;
2733     $verbose_load     = 1;
2734     $verbose_filter   = 1;
2735     $verbose_net      = 1;
2736     $verbose_pbm      = 1;
2737     $verbose_http     = 1;
2738
2739   } elsif ($verbose >= 7) {
2740     $verbose_imgmap   = 1;
2741     $verbose_warnings = 1;
2742     $verbose_load     = 1;
2743     $verbose_filter   = 1;
2744     $verbose_net      = 1;
2745     $verbose_pbm      = 1;
2746     $verbose_http     = 1;
2747     $verbose_exec     = 1;
2748   }
2749
2750   if ($dict) {
2751     error ("$dict does not exist") unless (-f $dict);
2752     $wordlist = $dict;
2753   } else {
2754     pick_dictionary();
2755   }
2756
2757   init_signals();
2758
2759   spawn_driftnet ($driftnet_cmd) if ($driftnet_cmd);
2760
2761   if ($urls_only_p) {
2762     url_only_output;
2763   } else {
2764     x_or_pbm_output;
2765   }
2766 }
2767
2768 main;
2769 exit (0);