fitme3070.pt/shared/platform-tools/functions_geo.php

<?php
// ─── Country gating ─────────────────────────────────────────────────────────
//
// Some platforms in the estate only ever serve one country. dance is the clear
// case: an academy in Aveiro takes students who can walk into the building, so
// a registration from outside Portugal is spam by definition, not a lost sale.
// Filtering on content alone was losing that argument — the bots write valid
// Portuguese-looking names and use real mailboxes.
//
// Two levers, because they carry very different risk:
//
//   GEO_MODE=forms  — public POSTs (register, contact, trial) are refused from
//                     outside the allow-list. Reading the site stays open, so
//                     a search engine, a preview crawler or an emigrant reading
//                     the timetable is unaffected. This is the safe default.
//   GEO_MODE=site   — the whole platform is refused. Only sensible when nobody
//                     abroad has any business here at all; it also hides the
//                     site from crawlers hosted outside the country, which is
//                     usually not what anyone wants.
//   GEO_MODE=off    — module inert (the default when the env is unset).
//
// The data is the per-country CIDR list from ipdeny.com, refreshed by
// bin/geo-update.sh into data/geo/<cc>.v4 and <cc>.v6. It is committed to the
// repo so a deploy never depends on that host being up, and a cron refresh
// keeps it current — allocations move slowly, monthly is plenty.
//
// Failure posture is fail-OPEN, deliberately. A missing or corrupt data file
// means "allow and log loudly", never "lock everyone out". Getting this
// backwards turns a stale file into a total outage; the worst case of failing
// open is that the spam gets through the way it already does today. Set
// GEO_FAIL_CLOSED=true to invert it, if a platform would rather refuse.

require_once __DIR__ . '/functions_client_ip.php';   // platform_client_ip()

const GEO_DATA_DIR = __DIR__ . '/data/geo';

/** off | forms | site */
function geo_mode(): string
{
    $m = strtolower(trim((string) geo_env('GEO_MODE', 'off')));
    return in_array($m, ['forms', 'site'], true) ? $m : 'off';
}

/** Country codes that may reach us, upper-case. Empty means "no gate". */
function geo_allowed_countries(): array
{
    $raw = (string) geo_env('GEO_ALLOW_COUNTRIES', '');
    $out = [];
    foreach (preg_split('/[\s,;]+/', $raw, -1, PREG_SPLIT_NO_EMPTY) ?: [] as $cc) {
        $cc = strtoupper($cc);
        if (preg_match('/^[A-Z]{2}$/', $cc)) {
            $out[] = $cc;
        }
    }
    return array_values(array_unique($out));
}

function geo_fail_closed(): bool
{
    return filter_var(geo_env('GEO_FAIL_CLOSED', 'false'), FILTER_VALIDATE_BOOLEAN);
}

/**
 * Config value: primeiro a base de dados, depois o .env, depois o default.
 *
 * A base ganha para a página do backoffice servir para alguma coisa -- mudar o
 * modo no .env obriga a recriar o contentor, o que não é coisa que se peça a
 * quem só quer desligar o filtro porque um cliente ficou de fora.
 *
 * Uma linha vazia conta como "não definido" e cai para o .env. É de propósito:
 * em `platform_settings_get()` uma string vazia gravada silenciosamente ganha a
 * um .env preenchido, e essa foi das armadilhas mais caras desta plataforma.
 * Aqui vazio quer mesmo dizer vazio.
 *
 * O $pdo é apanhado do global porque este ficheiro é carregado por caminhos que
 * ainda não têm ligação (o guard do site corre cedo). Sem base, usa o .env.
 *
 * A cache é por pedido. A página de configuração grava e redirige, por isso o
 * pedido seguinte já lê o valor novo -- não é preciso invalidá-la à mão.
 */
function geo_env(string $key, string $default = ''): string
{
    static $dbCache = [];

    if (!array_key_exists($key, $dbCache)) {
        global $pdo;
        // So se guarda em cache o que a base de dados chegou mesmo a responder.
        //
        // Guardar tambem o falhanco parecia inofensivo e nao era: o guard do
        // site corre cedo no bootstrap, antes de o functions_settings.php estar
        // carregado, e a primeira pergunta -- GEO_MODE -- apanhava sempre o
        // caminho sem base. O vazio ficava colado ao pedido inteiro, por isso o
        // modo lia-se do .env (logo "off") enquanto a lista de paises, pedida
        // mais tarde, ja vinha certa da base. O interruptor da pagina gravava e
        // nao acendia nada, e a assimetria entre os dois valores tornava a
        // avaria dificil de ver.
        $consultada = false;
        $valor      = '';
        if ($pdo instanceof PDO && function_exists('platform_settings_get')) {
            try {
                $valor      = trim((string) platform_settings_get($pdo, strtolower($key), ''));
                $consultada = true;
            } catch (Throwable) {
                $consultada = false;
            }
        }
        if (!$consultada) {
            // Sem base ainda: responde-se pelo .env desta vez e tenta-se de novo
            // na proxima chamada, que pode ja ter ligacao.
            return geo_env_fallback($key, $default);
        }
        $dbCache[$key] = $valor;
    }
    if ($dbCache[$key] !== '') {
        return $dbCache[$key];
    }

    return geo_env_fallback($key, $default);
}

/** O valor do .env (ou do ambiente), quando a base nao tem nada a dizer. */
function geo_env_fallback(string $key, string $default = ''): string
{
    if (function_exists('env')) {
        $v = (string) env($key, '');
        if ($v !== '') {
            return $v;
        }
        return $default;
    }
    $v = getenv($key);
    if ($v === false || $v === '') {
        $v = $_ENV[$key] ?? $default;
    }
    return (string) $v;
}


/**
 * Ranges for one country, as [startBinary, endBinary] pairs sorted ascending.
 *
 * Addresses are compared as the packed bytes inet_pton() produces, so the same
 * strcmp() works for v4 (4 bytes) and v6 (16) without any integer arithmetic —
 * and without the signed-32-bit trap ip2long() sets for anything above
 * 127.255.255.255.
 */
function geo_ranges(string $cc, bool $v6): array
{
    static $cache = [];
    $key = $cc . ($v6 ? '.v6' : '.v4');
    if (isset($cache[$key])) {
        return $cache[$key];
    }

    $file = GEO_DATA_DIR . '/' . strtolower($cc) . ($v6 ? '.v6' : '.v4');
    if (!is_file($file)) {
        return $cache[$key] = [];
    }

    $ranges = [];
    foreach (file($file, FILE_IGNORE_NEW_LINES | FILE_SKIP_EMPTY_LINES) ?: [] as $line) {
        $line = trim($line);
        if ($line === '' || $line[0] === '#') {
            continue;
        }
        $r = geo_cidr_to_range($line);
        if ($r !== null) {
            $ranges[] = $r;
        }
    }

    usort($ranges, fn($a, $b) => strcmp($a[0], $b[0]));
    return $cache[$key] = $ranges;
}

/** "2.80.0.0/14" → [packed first address, packed last address], or null. */
function geo_cidr_to_range(string $cidr): ?array
{
    $parts = explode('/', $cidr, 2);
    $net    = $parts[0];
    $packed = @inet_pton($net);
    if ($packed === false) {
        return null;
    }

    $bits   = strlen($packed) * 8;
    $prefix = isset($parts[1]) ? (int) $parts[1] : $bits;
    if ($prefix < 0 || $prefix > $bits) {
        return null;
    }

    // Set every host bit to get the top of the range; the network address as
    // given is the bottom. Done byte by byte so v4 and v6 share the code.
    $end  = $packed;
    $host = $bits - $prefix;
    for ($i = strlen($end) - 1; $i >= 0 && $host > 0; $i--) {
        $take = min(8, $host);
        $mask = (1 << $take) - 1;
        $end[$i] = chr(ord($end[$i]) | $mask);
        $host -= $take;
    }

    return [$packed, $end];
}

/** Is this address inside one of the country's ranges? */
function geo_ip_in_country(string $ip, string $cc): bool
{
    $packed = @inet_pton($ip);
    if ($packed === false) {
        return false;
    }
    $ranges = geo_ranges($cc, strlen($packed) === 16);
    if (!$ranges) {
        return false;
    }

    $lo = 0;
    $hi = count($ranges) - 1;
    while ($lo <= $hi) {
        $mid = intdiv($lo + $hi, 2);
        if (strcmp($packed, $ranges[$mid][0]) < 0) {
            $hi = $mid - 1;
        } elseif (strcmp($packed, $ranges[$mid][1]) > 0) {
            $lo = $mid + 1;
        } else {
            return true;
        }
    }
    return false;
}

/**
 * Loopback, private and link-local addresses always pass.
 *
 * Behind NPM the container talks to itself for health checks and cron, and a
 * platform whose own cron is geo-blocked fails in ways that take a long time to
 * understand.
 */
function geo_ip_is_internal(string $ip): bool
{
    if ($ip === '') {
        return true;
    }
    return !filter_var(
        $ip,
        FILTER_VALIDATE_IP,
        FILTER_FLAG_NO_PRIV_RANGE | FILTER_FLAG_NO_RES_RANGE
    );
}

/**
 * Why this address should be refused, or null when it may pass.
 *
 * Returns the reason rather than a bool so the caller can log it next to the
 * antispam reasons, which read the same way.
 */
function geo_block_reason(?string $ip = null): ?string
{
    if (geo_mode() === 'off') {
        return null;
    }

    $allowed = geo_allowed_countries();
    if (!$allowed) {
        return null;                      // gate configured but no list: inert
    }

    $ip ??= platform_client_ip() ?? '';
    if (geo_ip_is_internal($ip)) {
        return null;
    }

    // No usable data for any allowed country is a deployment fault, not a
    // visitor's. Say so in the log and let them through.
    $haveData = false;
    foreach ($allowed as $cc) {
        if (geo_ranges($cc, false) || geo_ranges($cc, true)) {
            $haveData = true;
            break;
        }
    }
    if (!$haveData) {
        error_log('[geo] sem dados para ' . implode(',', $allowed)
                . ' em ' . GEO_DATA_DIR . ' -- correr bin/geo-update.sh');
        return geo_fail_closed() ? 'geo: dados indisponíveis' : null;
    }

    foreach ($allowed as $cc) {
        if (geo_ip_in_country($ip, $cc)) {
            return null;
        }
    }

    return 'origem fora de ' . implode('/', $allowed);
}

/**
 * Gate for a public form POST. Returns the reason, or null to carry on.
 *
 * Only bites under GEO_MODE=forms or site — the caller decides what to do with
 * the reason, exactly as it does with antispam_check().
 */
function geo_form_block_reason(?string $ip = null): ?string
{
    return geo_mode() === 'off' ? null : geo_block_reason($ip);
}

/**
 * Gate for the whole platform. Call once, early, from the bootstrap.
 *
 * Sends 403 and stops. Under GEO_MODE=forms this does nothing, so it is safe to
 * wire in permanently and switch modes from the env alone.
 */
function geo_guard_site(): void
{
    if (geo_mode() !== 'site') {
        return;
    }
    $reason = geo_block_reason();
    if ($reason === null) {
        return;
    }

    http_response_code(403);
    header('Content-Type: text/html; charset=utf-8');
    // Tell caches this is about who asked, not about the URL.
    header('Vary: X-Forwarded-For');
    echo '<!doctype html><meta charset="utf-8">'
       . '<title>Indisponível na sua região</title>'
       . '<div style="font:16px/1.6 system-ui,sans-serif;max-width:34em;margin:18vh auto;padding:0 1.5rem">'
       . '<h1 style="font-size:1.3rem">Indisponível na sua região</h1>'
       . '<p>Este site serve apenas visitantes em Portugal. Se acha que se trata de '
       . 'um engano, contacte-nos por email.</p></div>';
    exit;
}


// ─── Atribuição de país, para a analítica ───────────────────────────────────
//
// O bloqueio acima responde a "este endereço está na lista?" e só precisa dos
// países permitidos. A analítica faz a pergunta ao contrário -- "de que país
// veio isto?" -- e para isso é preciso o mundo inteiro.
//
// O índice é gerado por bin/geo-build-index.php e não é versionado (ver o
// cabeçalho desse ficheiro). Sem ele, isto devolve null e quem chama regista o
// país como desconhecido: para uma estatística é um degradar aceitável, ao
// contrário do bloqueio, onde dados em falta seriam uma decisão de segurança.

/**
 * Código ISO do país deste endereço, ou null se não se souber.
 *
 * Busca binária por fseek() sobre registos de largura fixa. São centenas de
 * milhares de ranges: carregá-los para memória a cada visita custaria mais do
 * que a página que se está a servir.
 */
function geo_ip_country(?string $ip): ?string
{
    if ($ip === null || $ip === '') {
        return null;
    }
    $packed = @inet_pton($ip);
    if ($packed === false) {
        return null;
    }

    $len  = strlen($packed);                 // 4 (v4) ou 16 (v6)
    $file = GEO_DATA_DIR . '/country-index.' . ($len === 16 ? 'v6' : 'v4');
    $rec  = $len * 2 + 2;                    // início + fim + código

    static $handles = [];
    if (!array_key_exists($file, $handles)) {
        $handles[$file] = is_file($file) ? (fopen($file, 'rb') ?: null) : null;
    }
    $fh = $handles[$file];
    if ($fh === null) {
        return null;
    }

    $size = fstat($fh)['size'] ?? 0;
    $n    = intdiv((int) $size, $rec);
    if ($n === 0) {
        return null;
    }

    $lo = 0;
    $hi = $n - 1;
    while ($lo <= $hi) {
        $mid = intdiv($lo + $hi, 2);
        if (fseek($fh, $mid * $rec) !== 0) {
            return null;
        }
        $row = fread($fh, $rec);
        if ($row === false || strlen($row) !== $rec) {
            return null;
        }
        $start = substr($row, 0, $len);
        $end   = substr($row, $len, $len);

        if (strcmp($packed, $start) < 0) {
            $hi = $mid - 1;
        } elseif (strcmp($packed, $end) > 0) {
            $lo = $mid + 1;
        } else {
            return substr($row, $len * 2, 2);
        }
    }
    return null;
}

/** Há índice de países instalado? A página de analítica usa isto para avisar. */
function geo_country_index_available(): bool
{
    return is_file(GEO_DATA_DIR . '/country-index.v4');
}