Merge pull request #314 from shaarli/clean-utm_term
clean utm_term url parameter
This commit is contained in:
commit
f8bf8d8e59
4 changed files with 309 additions and 23 deletions
1
.gitignore
vendored
1
.gitignore
vendored
|
@ -19,4 +19,5 @@ composer.lock
|
||||||
# Ignore test data & output
|
# Ignore test data & output
|
||||||
coverage
|
coverage
|
||||||
tests/datastore.php
|
tests/datastore.php
|
||||||
|
tests/dummycache/
|
||||||
phpmd.html
|
phpmd.html
|
||||||
|
|
150
application/Url.php
Normal file
150
application/Url.php
Normal file
|
@ -0,0 +1,150 @@
|
||||||
|
<?php
|
||||||
|
/**
|
||||||
|
* Converts an array-represented URL to a string
|
||||||
|
*
|
||||||
|
* Source: http://php.net/manual/en/function.parse-url.php#106731
|
||||||
|
*
|
||||||
|
* @see http://php.net/manual/en/function.parse-url.php
|
||||||
|
*
|
||||||
|
* @param array $parsedUrl an array-represented URL
|
||||||
|
*
|
||||||
|
* @return string the string representation of the URL
|
||||||
|
*/
|
||||||
|
function unparse_url($parsedUrl)
|
||||||
|
{
|
||||||
|
$scheme = isset($parsedUrl['scheme']) ? $parsedUrl['scheme'].'://' : '';
|
||||||
|
$host = isset($parsedUrl['host']) ? $parsedUrl['host'] : '';
|
||||||
|
$port = isset($parsedUrl['port']) ? ':'.$parsedUrl['port'] : '';
|
||||||
|
$user = isset($parsedUrl['user']) ? $parsedUrl['user'] : '';
|
||||||
|
$pass = isset($parsedUrl['pass']) ? ':'.$parsedUrl['pass'] : '';
|
||||||
|
$pass = ($user || $pass) ? "$pass@" : '';
|
||||||
|
$path = isset($parsedUrl['path']) ? $parsedUrl['path'] : '';
|
||||||
|
$query = isset($parsedUrl['query']) ? '?'.$parsedUrl['query'] : '';
|
||||||
|
$fragment = isset($parsedUrl['fragment']) ? '#'.$parsedUrl['fragment'] : '';
|
||||||
|
|
||||||
|
return "$scheme$user$pass$host$port$path$query$fragment";
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* URL representation and cleanup utilities
|
||||||
|
*
|
||||||
|
* Form
|
||||||
|
* scheme://[username:password@]host[:port][/path][?query][#fragment]
|
||||||
|
*
|
||||||
|
* Examples
|
||||||
|
* http://username:password@hostname:9090/path?arg1=value1&arg2=value2#anchor
|
||||||
|
* https://host.name.tld
|
||||||
|
* https://h2.g2/faq/?vendor=hitchhiker&item=guide&dest=galaxy#answer
|
||||||
|
*
|
||||||
|
* @see http://www.faqs.org/rfcs/rfc3986.html
|
||||||
|
*/
|
||||||
|
class Url
|
||||||
|
{
|
||||||
|
private static $annoyingQueryParams = array(
|
||||||
|
// Facebook
|
||||||
|
'action_object_map=',
|
||||||
|
'action_ref_map=',
|
||||||
|
'action_type_map=',
|
||||||
|
'fb_',
|
||||||
|
'fb=',
|
||||||
|
|
||||||
|
// Scoop.it
|
||||||
|
'__scoop',
|
||||||
|
|
||||||
|
// Google Analytics & FeedProxy
|
||||||
|
'utm_',
|
||||||
|
|
||||||
|
// ATInternet
|
||||||
|
'xtor='
|
||||||
|
);
|
||||||
|
|
||||||
|
private static $annoyingFragments = array(
|
||||||
|
// ATInternet
|
||||||
|
'xtor=RSS-',
|
||||||
|
|
||||||
|
// Misc.
|
||||||
|
'tk.rss_all'
|
||||||
|
);
|
||||||
|
|
||||||
|
/*
|
||||||
|
* URL parts represented as an array
|
||||||
|
*
|
||||||
|
* @see http://php.net/parse_url
|
||||||
|
*/
|
||||||
|
protected $parts;
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Parses a string containing a URL
|
||||||
|
*
|
||||||
|
* @param string $url a string containing a URL
|
||||||
|
*/
|
||||||
|
public function __construct($url)
|
||||||
|
{
|
||||||
|
$this->parts = parse_url($url);
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Returns a string representation of this URL
|
||||||
|
*/
|
||||||
|
public function __toString()
|
||||||
|
{
|
||||||
|
return unparse_url($this->parts);
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Removes undesired query parameters
|
||||||
|
*/
|
||||||
|
protected function cleanupQuery()
|
||||||
|
{
|
||||||
|
if (! isset($this->parts['query'])) {
|
||||||
|
return;
|
||||||
|
}
|
||||||
|
|
||||||
|
$queryParams = explode('&', $this->parts['query']);
|
||||||
|
|
||||||
|
foreach (self::$annoyingQueryParams as $annoying) {
|
||||||
|
foreach ($queryParams as $param) {
|
||||||
|
if (startsWith($param, $annoying)) {
|
||||||
|
$queryParams = array_diff($queryParams, array($param));
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
if (count($queryParams) == 0) {
|
||||||
|
unset($this->parts['query']);
|
||||||
|
return;
|
||||||
|
}
|
||||||
|
|
||||||
|
$this->parts['query'] = implode('&', $queryParams);
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Removes undesired fragments
|
||||||
|
*/
|
||||||
|
protected function cleanupFragment()
|
||||||
|
{
|
||||||
|
if (! isset($this->parts['fragment'])) {
|
||||||
|
return;
|
||||||
|
}
|
||||||
|
|
||||||
|
foreach (self::$annoyingFragments as $annoying) {
|
||||||
|
if (startsWith($this->parts['fragment'], $annoying)) {
|
||||||
|
unset($this->parts['fragment']);
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Removes undesired query parameters and fragments
|
||||||
|
*
|
||||||
|
* @return string the string representation of this URL after cleanup
|
||||||
|
*/
|
||||||
|
public function cleanup()
|
||||||
|
{
|
||||||
|
$this->cleanupQuery();
|
||||||
|
$this->cleanupFragment();
|
||||||
|
return $this->__toString();
|
||||||
|
}
|
||||||
|
}
|
27
index.php
27
index.php
|
@ -74,6 +74,7 @@
|
||||||
require_once 'application/CachedPage.php';
|
require_once 'application/CachedPage.php';
|
||||||
require_once 'application/LinkDB.php';
|
require_once 'application/LinkDB.php';
|
||||||
require_once 'application/TimeZone.php';
|
require_once 'application/TimeZone.php';
|
||||||
|
require_once 'application/Url.php';
|
||||||
require_once 'application/Utils.php';
|
require_once 'application/Utils.php';
|
||||||
require_once 'application/Config.php';
|
require_once 'application/Config.php';
|
||||||
|
|
||||||
|
@ -1479,29 +1480,9 @@ function renderPage()
|
||||||
}
|
}
|
||||||
|
|
||||||
// -------- User want to post a new link: Display link edit form.
|
// -------- User want to post a new link: Display link edit form.
|
||||||
if (isset($_GET['post']))
|
if (isset($_GET['post'])) {
|
||||||
{
|
$url = new Url($_GET['post']);
|
||||||
$url=$_GET['post'];
|
$url->cleanup();
|
||||||
|
|
||||||
// We remove the annoying parameters added by FeedBurner, GoogleFeedProxy, Facebook...
|
|
||||||
$annoyingpatterns = array('/[\?&]utm_source=[^&]*/',
|
|
||||||
'/[\?&]utm_campaign=[^&]*/',
|
|
||||||
'/[\?&]utm_medium=[^&]*/',
|
|
||||||
'/#xtor=RSS-[^&]*/',
|
|
||||||
'/[\?&]fb_[^&]*/',
|
|
||||||
'/[\?&]__scoop[^&]*/',
|
|
||||||
'/#tk\.rss_all\?/',
|
|
||||||
'/[\?&]action_ref_map=[^&]*/',
|
|
||||||
'/[\?&]action_type_map=[^&]*/',
|
|
||||||
'/[\?&]action_object_map=[^&]*/',
|
|
||||||
'/[\?&]utm_content=[^&]*/',
|
|
||||||
'/[\?&]fb=[^&]*/',
|
|
||||||
'/[\?&]xtor=[^&]*/'
|
|
||||||
);
|
|
||||||
foreach($annoyingpatterns as $pattern)
|
|
||||||
{
|
|
||||||
$url = preg_replace($pattern, "", $url);
|
|
||||||
}
|
|
||||||
|
|
||||||
$link_is_new = false;
|
$link_is_new = false;
|
||||||
$link = $LINKSDB->getLinkFromUrl($url); // Check if URL is not already in database (in this case, we will edit the existing link)
|
$link = $LINKSDB->getLinkFromUrl($url); // Check if URL is not already in database (in this case, we will edit the existing link)
|
||||||
|
|
154
tests/UrlTest.php
Normal file
154
tests/UrlTest.php
Normal file
|
@ -0,0 +1,154 @@
|
||||||
|
<?php
|
||||||
|
/**
|
||||||
|
* Url's tests
|
||||||
|
*/
|
||||||
|
|
||||||
|
require_once 'application/Url.php';
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Unitary tests for unparse_url()
|
||||||
|
*/
|
||||||
|
class UnparseUrlTest extends PHPUnit_Framework_TestCase
|
||||||
|
{
|
||||||
|
/**
|
||||||
|
* Thanks for building nothing
|
||||||
|
*/
|
||||||
|
public function testUnparseEmptyArray()
|
||||||
|
{
|
||||||
|
$this->assertEquals('', unparse_url(array()));
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Rebuild a full-featured URL
|
||||||
|
*/
|
||||||
|
public function testUnparseFull()
|
||||||
|
{
|
||||||
|
$ref = 'http://username:password@hostname:9090/path'
|
||||||
|
.'?arg1=value1&arg2=value2#anchor';
|
||||||
|
$this->assertEquals($ref, unparse_url(parse_url($ref)));
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Unitary tests for URL utilities
|
||||||
|
*/
|
||||||
|
class UrlTest extends PHPUnit_Framework_TestCase
|
||||||
|
{
|
||||||
|
// base URL for tests
|
||||||
|
protected static $baseUrl = 'http://domain.tld:3000';
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Helper method
|
||||||
|
*/
|
||||||
|
private function assertUrlIsCleaned($query='', $fragment='')
|
||||||
|
{
|
||||||
|
$url = new Url(self::$baseUrl.$query.$fragment);
|
||||||
|
$url->cleanup();
|
||||||
|
$this->assertEquals(self::$baseUrl, $url->__toString());
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Instantiate an empty URL
|
||||||
|
*/
|
||||||
|
public function testEmptyConstruct()
|
||||||
|
{
|
||||||
|
$this->assertEquals('', new Url(''));
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Instantiate a URL
|
||||||
|
*/
|
||||||
|
public function testConstruct()
|
||||||
|
{
|
||||||
|
$ref = 'http://username:password@hostname:9090/path'
|
||||||
|
.'?arg1=value1&arg2=value2#anchor';
|
||||||
|
$this->assertEquals($ref, new Url($ref));
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* URL cleanup - nothing to do
|
||||||
|
*/
|
||||||
|
public function testNoCleanup()
|
||||||
|
{
|
||||||
|
// URL with no query nor fragment
|
||||||
|
$this->assertUrlIsCleaned();
|
||||||
|
|
||||||
|
// URL with no annoying elements
|
||||||
|
$ref = self::$baseUrl.'?p1=val1&p2=1234#edit';
|
||||||
|
$url = new Url($ref);
|
||||||
|
$this->assertEquals($ref, $url->cleanup());
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* URL cleanup - annoying fragment
|
||||||
|
*/
|
||||||
|
public function testCleanupFragment()
|
||||||
|
{
|
||||||
|
$this->assertUrlIsCleaned('', '#tk.rss_all');
|
||||||
|
$this->assertUrlIsCleaned('', '#xtor=RSS-');
|
||||||
|
$this->assertUrlIsCleaned('', '#xtor=RSS-U3ht0tkc4b');
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* URL cleanup - single annoying query parameter
|
||||||
|
*/
|
||||||
|
public function testCleanupSingleQueryParam()
|
||||||
|
{
|
||||||
|
$this->assertUrlIsCleaned('?action_object_map=junk');
|
||||||
|
$this->assertUrlIsCleaned('?action_ref_map=Cr4p!');
|
||||||
|
$this->assertUrlIsCleaned('?action_type_map=g4R84g3');
|
||||||
|
|
||||||
|
$this->assertUrlIsCleaned('?fb_stuff=v41u3');
|
||||||
|
$this->assertUrlIsCleaned('?fb=71m3w4573');
|
||||||
|
|
||||||
|
$this->assertUrlIsCleaned('?utm_campaign=zomg');
|
||||||
|
$this->assertUrlIsCleaned('?utm_medium=numnum');
|
||||||
|
$this->assertUrlIsCleaned('?utm_source=c0d3');
|
||||||
|
$this->assertUrlIsCleaned('?utm_term=1n4l');
|
||||||
|
|
||||||
|
$this->assertUrlIsCleaned('?xtor=some-url');
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* URL cleanup - multiple annoying query parameters
|
||||||
|
*/
|
||||||
|
public function testCleanupMultipleQueryParams()
|
||||||
|
{
|
||||||
|
$this->assertUrlIsCleaned('?xtor=some-url&fb=som3th1ng');
|
||||||
|
$this->assertUrlIsCleaned(
|
||||||
|
'?fb=stuff&utm_campaign=zomg&utm_medium=numnum&utm_source=c0d3'
|
||||||
|
);
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* URL cleanup - multiple annoying query parameters, annoying fragment
|
||||||
|
*/
|
||||||
|
public function testCleanupMultipleQueryParamsAndFragment()
|
||||||
|
{
|
||||||
|
$this->assertUrlIsCleaned('?xtor=some-url&fb=som3th1ng', '#tk.rss_all');
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Nominal case - the URL contains both useful and annoying parameters
|
||||||
|
*/
|
||||||
|
public function testCleanupMixedContent()
|
||||||
|
{
|
||||||
|
// ditch annoying query params and fragment, keep useful params
|
||||||
|
$url = new Url(
|
||||||
|
self::$baseUrl
|
||||||
|
.'?fb=zomg&my=stuff&utm_medium=numnum&is=kept#tk.rss_all'
|
||||||
|
);
|
||||||
|
$this->assertEquals(self::$baseUrl.'?my=stuff&is=kept', $url->cleanup());
|
||||||
|
|
||||||
|
|
||||||
|
// ditch annoying query params, keep useful params and fragment
|
||||||
|
$url = new Url(
|
||||||
|
self::$baseUrl
|
||||||
|
.'?fb=zomg&my=stuff&utm_medium=numnum&is=kept#again'
|
||||||
|
);
|
||||||
|
$this->assertEquals(
|
||||||
|
self::$baseUrl.'?my=stuff&is=kept#again',
|
||||||
|
$url->cleanup()
|
||||||
|
);
|
||||||
|
}
|
||||||
|
}
|
Loading…
Reference in a new issue