doc/plugins/po.mdwn

   1 [[!template id=plugin name=po core=0 author="[[intrigeri]]"]]
   2 [[!tag type/format]]
   3
   4 This plugin adds support for multi-lingual wikis, translated with
   5 gettext, using [po4a](http://po4a.alioth.debian.org/).
   6
   7 It depends on the Perl `Locale::Po4a::Po` library (`apt-get install po4a`).
   8
   9 [[!toc levels=2]]
  10
  11 Introduction
  12 ============
  13
  14 A language is chosen as the "master" one, and any other supported
  15 language is a "slave" one.
  16
  17 A page written in the "master" language is a "master" page. It can be
  18 of any page type supported by ikiwiki, except `po`. It does not have to be
  19 named a special way: migration to this plugin does not imply any page
  20 renaming work.
  21
  22 Example: `bla/page.mdwn` is a "master" Markdown page written in
  23 English; if `usedirs` is enabled, it is rendered as
  24 `bla/page/index.en.html`, else as `bla/page.en.html`.
  25
  26 Any translation of a "master" page into a "slave" language is called
  27 a "slave" page; it is written in the gettext PO format. `po` is now
  28 a page type supported by ikiwiki.
  29
  30 Example: `bla/page.fr.po` is the PO "message catalog" used to
  31 translate `bla/page.mdwn` into French; if `usedirs` is enabled, it is
  32 rendered as `bla/page/index.fr.html`, else as `bla/page.fr.html`
  33
  34
  35 Configuration
  36 =============
  37
  38 Supported languages
  39 -------------------
  40
  41 `po_master_language` is used to set the "master" language in
  42 `ikiwiki.setup`, such as:
  43
  44         po_master_language => { 'code' => 'en', 'name' => 'English' }
  45
  46 `po_slave_languages` is used to set the list of supported "slave"
  47 languages, such as:
  48
  49         po_slave_languages => { 'fr' => 'Français',
  50                                 'es' => 'Castellano',
  51                                 'de' => 'Deutsch',
  52         }
  53
  54 Decide which pages are translatable
  55 -----------------------------------
  56
  57 The `po_translatable_pages` setting configures what pages are
  58 translatable. It is a [[ikiwiki/PageSpec]], so you have lots of
  59 control over what kind of pages are translatable.
  60
  61 The `.po` files are not considered as being translatable, so you don't need to
  62 worry about excluding them explicitly from this [[ikiwiki/PageSpec]].
  63
  64 Internal links
  65 --------------
  66
  67 The `po_link_to` option in `ikiwiki.setup` is used to decide how
  68 internal links should be generated, depending on web server features
  69 and site-specific preferences.
  70
  71 ### Default linking behavior
  72
  73 If `po_link_to` is unset, or set to `default`, ikiwiki's default
  74 linking behavior is preserved: `\[[destpage]]` links to the master
  75 language's page.
  76
  77 ### Link to current language
  78
  79 If `po_link_to` is set to `current`, `\[[destpage]]` links to the
  80 `destpage`'s version written in the current page's language, if
  81 available, *i.e.*:
  82
  83 - `foo/destpage/index.LL.html` if `usedirs` is enabled
  84 - `foo/destpage.LL.html` if `usedirs` is disabled
  85
  86 ### Link to negotiated language
  87
  88 If `po_link_to` is set to `negotiated`, `\[[page]]` links to the
  89 negotiated preferred language, *i.e.* `foo/page/`.
  90
  91 (In)compatibility notes:
  92
  93 - if `usedirs` is disabled, it does not make sense to set `po_link_to`
  94   to `negotiated`; this option combination is neither implemented
  95   nor allowed.
  96 - if the web server does not support Content Negotiation, setting
  97   `po_link_to` to `negotiated` will produce a unusable website.
  98
  99
 100 Server support
 101 ==============
 102
 103 Apache
 104 ------
 105
 106 Using Apache `mod_negotiation` makes it really easy to have Apache
 107 serve any page in the client's preferred language, if available.
 108 This is the default Debian Apache configuration.
 109
 110 When `usedirs` is enabled, one has to set `DirectoryIndex index` for
 111 the wiki context.
 112
 113 Setting `DefaultLanguage LL` (replace `LL` with your default MIME
 114 language code) for the wiki context can help to ensure
 115 `bla/page/index.en.html` is served as `Content-Language: LL`.
 116
 117 lighttpd
 118 --------
 119
 120 lighttpd unfortunately does not support content negotiation.
 121
 122 **FIXME**: does `mod_magnet` provide the functionality needed to
 123  emulate this?
 124
 125
 126 Usage
 127 =====
 128
 129 Templates
 130 ---------
 131
 132 When `po_link_to` is not set to `negotiated`, one should replace some
 133 occurrences of `BASEURL` with `HOMEPAGEURL` to get correct links to
 134 the wiki homepage.
 135
 136 The `ISTRANSLATION` and `ISTRANSLATABLE` variables can be used to
 137 display things only on translatable or translation pages.
 138
 139 ### Display page's versions in other languages
 140
 141 The `OTHERLANGUAGES` loop provides ways to display other languages'
 142 versions of the same page, and the translations' status.
 143
 144 One typically adds the following code to `templates/page.tmpl`:
 145
 146         <TMPL_IF NAME="OTHERLANGUAGES">
 147         <div id="otherlanguages">
 148           <ul>
 149           <TMPL_LOOP NAME="OTHERLANGUAGES">
 150             <li>
 151               <a href="<TMPL_VAR NAME="URL">"><TMPL_VAR NAME="LANGUAGE"></a>
 152               <TMPL_UNLESS NAME="MASTER">
 153                 (<TMPL_VAR NAME="PERCENT">&nbsp;%)
 154               </TMPL_UNLESS>
 155             </li>
 156           </TMPL_LOOP>
 157           </ul>
 158         </div>
 159         </TMPL_IF>
 160
 161 The following variables are available inside the loop (for every page in):
 162
 163 - `URL` - url to the page
 164 - `CODE` - two-letters language code
 165 - `LANGUAGE` - language name (as defined in `po_slave_languages`)
 166 - `MASTER` - is true (1) if, and only if the page is a "master" page
 167 - `PERCENT` - for "slave" pages, is set to the translation completeness, in percents
 168
 169 ### Display the current translation status
 170
 171 The `PERCENTTRANSLATED` variable is set to the translation
 172 completeness, expressed in percent, on "slave" pages.
 173
 174 One can use it this way:
 175
 176         <TMPL_IF NAME="ISTRANSLATION">
 177         <div id="percenttranslated">
 178           <TMPL_VAR NAME="PERCENTTRANSLATED">
 179         </div>
 180         </TMPL_IF>
 181
 182 Additional PageSpec tests
 183 -------------------------
 184
 185 This plugin enhances the regular [[ikiwiki/PageSpec]] syntax with some
 186 additional tests that are documented [[here|ikiwiki/pagespec/po]].
 187
 188 Automatic PO file update
 189 ------------------------
 190
 191 Committing changes to a "master" page:
 192
 193 1. updates the POT file and the PO files for the "slave" languages;
 194    the updated PO files are then put under version control;
 195 2. triggers a refresh of the corresponding HTML slave pages.
 196
 197 Also, when the plugin has just been enabled, or when a page has just
 198 been declared as being translatable, the needed POT and PO files are
 199 created, and the PO files are checked into version control.
 200
 201 Discussion pages
 202 ----------------
 203
 204 Discussion should happen in the language in which the pages are
 205 written for real, *i.e.* the "master" one. If discussion pages are
 206 enabled, "slave" pages therefore link to the "master" page's
 207 discussion page.
 208
 209 Translating
 210 -----------
 211
 212 One can edit the PO files using ikiwiki's CGI (a message-by-message
 213 interface could also be implemented at some point).
 214
 215 If [[tips/untrusted_git_push]] is setup, one can edit the PO files in one's
 216 preferred `$EDITOR`, without needing to be online.
 217
 218 TODO
 219 ====
 220
 221 Security checks
 222 ---------------
 223
 224 ### Security history
 225
 226 The only past security issues I could find in GNU gettext and po4a
 227 are:
 228
 229 - [CVE-2004-0966](http://cve.mitre.org/cgi-bin/cvename.cgi?name=CVE-2004-0966),
 230   *i.e.* [Debian bug #278283](http://bugs.debian.org/cgi-bin/bugreport.cgi?bug=278283):
 231   the autopoint and gettextize scripts in the GNU gettext package
 232   1.14 and later versions, as used in Trustix Secure Linux 1.5
 233   through 2.1 and other operating systems, allows local users to
 234   overwrite files via a symlink attack on temporary files.
 235 - [CVE-2007-4462](http://cve.mitre.org/cgi-bin/cvename.cgi?name=CVE-2007-4462):
 236   `lib/Locale/Po4a/Po.pm` in po4a before 0.32 allows local users to
 237   overwrite arbitrary files via a symlink attack on the
 238   gettextization.failed.po temporary file.
 239
 240 **FIXME**: check whether this plugin would have been a possible attack
 241 vector to exploit these vulnerabilities.
 242
 243 Depending on my mood, the lack of found security issues can either
 244 indicate that there are none, or reveal that no-one ever bothered to
 245 find (and publish) them.
 246
 247 ### PO file features
 248
 249 Can any sort of directives be put in po files that will cause mischief
 250 (ie, include other files, run commands, crash gettext, whatever)?
 251
 252 > No [documented](http://www.gnu.org/software/gettext/manual/gettext.html#PO-Files)
 253 > directive is supposed to do so. [[--intrigeri]]
 254
 255 ### Running po4a on untrusted content
 256
 257 Are there any security issues on running po4a on untrusted content?
 258
 259 To say the least, this issue is not well covered, at least publicly:
 260
 261 - the documentation does not talk about it;
 262 - grep'ing the source code for `security` or `trust` gives no answer.
 263
 264 On the other hand, a po4a developer answered my questions in
 265 a convincing manner, stating that processing untrusted content was not
 266 an initial goal, and analysing in detail the possible issues.
 267
 268 #### Already checked
 269
 270 - the core (`Po.pm`, `Transtractor.pm`) should be safe
 271 - po4a source code was fully checked for other potential symlink
 272   attacks, after discovery of one such issue
 273 - the only external program run by the core is `diff`, in `Po.pm` (in
 274   parts of its code we don't use)
 275 - `Locale::gettext`: only used to display translated error messages
 276 - Nicolas François "hopes" `DynaLoader` is safe, and has "no reason to
 277   think that `Encode` is not safe"
 278 - Nicolas François has "no reason to think that `Encode::Guess` is not
 279   safe". The po plugin nevertheless avoids using it by defining the
 280   input charset (`file_in_charset`) before asking `Transtractor` to
 281   read any file. NB: this hack depends on po4a internals to stay
 282   the same.
 283
 284 #### To be checked
 285
 286 ##### Locale::Po4a modules
 287
 288 The modules we want to use have to be checked, as not all are safe
 289 (e.g. the LaTeX module's behaviour is changed by commands included in
 290 the content); they may use regexps generated from the content.
 291
 292 `Chooser.pm` only loads the plugin we tell it too: currently, this
 293 means the `Text` module only.
 294
 295 `Text` module (I checked the CVS version):
 296
 297 - it does not run any external program
 298 - only `do_paragraph()` builds regexp's that expand untrusted
 299   variables; they seem safe to me, but someone more expert than me
 300   will need to check. Joey?
 301
 302 ##### Text::WrapI18N
 303
 304 `Text::WrapI18N` can cause DoS (see the
 305 [Debian bug #470250](http://bugs.debian.org/470250)), but it is
 306 optional and we do not need the features it provides.
 307
 308 It is loaded if available by `Locale::Po4a::Common`; looking at the
 309 code, I'm not sure we can prevent this at all, but maybe some symbol
 310 table manipulation tricks could work; overriding
 311 `Locale::Po4a::Common::wrapi18n` may be easier. I'm no expert at all
 312 in this field. Joey? [[--intrigeri]]
 313
 314 > Update: Nicolas François suggests we add an option to po4a to
 315 > disable it. It would do the trick, but only for people running
 316 > a brand new po4a (probably too late for Lenny). Anyway, this option
 317 > would have to take effect in a `BEGIN` / `eval` that I'm not
 318 > familiar with. I can learn and do it, in case no Perl wizard
 319 > volunteers to provide the po4a patch. [[--intrigeri]]
 320
 321 ##### Term::ReadKey
 322
 323 `Term::ReadKey` is not a hard dependency in our case, *i.e.* po4a
 324 works nicely without it. But the po4a Debian package recommends
 325 `libterm-readkey-perl`, so it will probably be installed on most
 326 systems using the po plugin.
 327
 328 If `$ENV{COLUMNS}` is not set, `Locale::Po4a::Common` uses
 329 `Term::ReadKey::GetTerminalSize()` to get the terminal size. How safe
 330 is this?
 331
 332 Part of `Term::ReadKey` is written in C. Depending on the runtime
 333 platform, this function use ioctl, environment, or C library function
 334 calls, and may end up running the `resize` command (without
 335 arguments).
 336
 337 IMHO, using Term::ReadKey has too far reaching implications for us to
 338 be able to guarantee anything wrt. security. Since it is anyway of no
 339 use in our case, I suggest we define `ENV{COLUMNS}` before loading
 340 `Locale::Po4a::Common`, just to be on the safe side. Joey?
 341 [[--intrigeri]]
 342
 343 > Update: adding an option to disable `Text::WrapI18N`, as Nicolas
 344 > François suggested, would as a bonus disable `Term::ReadKey`
 345 > as well. [[--intrigeri]]
 346
 347 ### msgmerge
 348
 349 `refreshpofiles()` runs this external program. A po4a developer
 350 answered he does "not expect any security issues from it".
 351
 352 ### Fuzzing input
 353
 354 I was not able to find any public information about gettext or po4a
 355 having been tested with a fuzzing program, such as `zzuf` or `fusil`.
 356 Moreover, some gettext parsers seem to be quite
 357 [easy to crash](http://fusil.hachoir.org/trac/browser/trunk/fuzzers/fusil-gettext),
 358 so it might be useful to bang msgmerge/po4a's heads against such
 359 a program in order to easily detect some of the most obvious DoS.
 360 [[--intrigeri]]
 361
 362 > po4a was not fuzzy-tested, but according to one of its developers,
 363 > "it would be really appreciated". [[--intrigeri]]
 364
 365 Test conditions:
 366
 367 - a 21M file containing 100 concatenated copies of all the files in my
 368   `/usr/share/common-licenses/`; I had no existing PO file or
 369   translated versions at hand, which renders these tests
 370   quite incomplete.
 371 - po4a was the Debian 0.34-2 package; the same tests were also run
 372   after replacing the `Text` module with the CVS one (the core was not
 373   changed in CVS since 0.34-2 was released), without any significant
 374   difference in the results.
 375 - Perl 5.10.0-16
 376
 377 #### po4a-gettextize
 378
 379 `po4a-gettextize` uses more or less the same po4a features as our
 380 `refreshpot` function.
 381
 382 Without specifying an input charset, zzuf'ed `po4a-gettextize` quickly
 383 errors out, complaining it was not able to detect the input charset;
 384 it leaves no incomplete file on disk.
 385
 386 So I had to pretend the input was in UTF-8, as does the po plugin.
 387
 388 Two ways of crashing were revealed by this command-line:
 389
 390         zzuf -vc -s 0:100 -r 0.1:0.5 \
 391           po4a-gettextize -f text -o markdown -M utf-8 -L utf-8 \
 392             -m LICENSES >/dev/null
 393
 394 They are:
 395
 396         Malformed UTF-8 character (UTF-16 surrogate 0xdcc9) in substitution iterator at /usr/share/perl5/Locale/Po4a/Po.pm line 1443.
 397         Malformed UTF-8 character (fatal) at /usr/share/perl5/Locale/Po4a/Po.pm line 1443.
 398
 399 and
 400
 401         Malformed UTF-8 character (UTF-16 surrogate 0xdcec) in substitution (s///) at /usr/share/perl5/Locale/Po4a/Po.pm line 1443.
 402         Malformed UTF-8 character (fatal) at /usr/share/perl5/Locale/Po4a/Po.pm line 1443.
 403
 404 Perl seems to exit cleanly, and an incomplete PO file is written on
 405 disk. I not sure whether if this is a bug in Perl or in `Po.pm`.
 406
 407 #### po4a-translate
 408
 409 `po4a-translate` uses more or less the same po4a features as our
 410 `filter` function.
 411
 412 Without specifying an input charset, same behaviour as
 413 `po4a-gettextize`, so let's specify UTF-8 as input charset as of now.
 414
 415         zzuf -cv \
 416           po4a-translate -d -f text -o markdown -M utf-8 -L utf-8 \
 417             -k 0 -m LICENSES -p LICENSES.fr.po -l test.fr
 418
 419 ... prints tons of occurences of the following error, but a complete
 420 translated document is written (obviously with some weird chars
 421 inside):
 422
 423         Use of uninitialized value in string ne at /usr/share/perl5/Locale/Po4a/TransTractor.pm line 854.
 424         Use of uninitialized value in string ne at /usr/share/perl5/Locale/Po4a/TransTractor.pm line 840.
 425         Use of uninitialized value in pattern match (m//) at /usr/share/perl5/Locale/Po4a/Po.pm line 1002.
 426
 427 While:
 428
 429         zzuf -cv -s 0:10 -r 0.001:0.3 \
 430           po4a-translate -d -f text -o markdown -M utf-8 -L utf-8 \
 431             -k 0 -m LICENSES -p LICENSES.fr.po -l test.fr
 432
 433 ... seems to lose the fight, at the `readpo(LICENSES.fr.po)` step,
 434 against some kind of infinite loop, deadlock, or any similar beast.
 435 It does not seem to eat memory, though.
 436
 437 Whatever format module is used does not change anything. This is thus
 438 probably a bug in po4a's core or in a lib it depends on.
 439
 440 The sub `read`, in `TransTractor.pm`, seems to be a good debugging
 441 starting point.
 442
 443 #### msgmerge
 444
 445 `msgmerge` is run in our `refreshpofiles` function. I did not manage
 446 to crash it with `zzuf`.
 447
 448 gettext/po4a rough corners
 449 --------------------------
 450
 451 - fix infinite loop when synchronizing two ikiwiki (when checkouts
 452   live in different directories): say bla.fr.po has been updated in
 453   repo2; pulling repo2 from repo1 seems to trigger a PO update, that
 454   changes bla.fr.po in repo1; then pushing repo1 to repo2 triggers
 455   a PO update, that changes bla.fr.po in repo2; etc.; quickly fixed in
 456   `629968fc89bced6727981c0a1138072631751fee`, by disabling references
 457   in Pot files. Using `Locale::Po4a::write_if_needed` might be
 458   a cleaner solution. (warning: this function runs the external
 459   `diff` program, have to check security)
 460 - new translations created in the web interface must get proper
 461   charset/encoding gettext metadata, else the next automatic PO update
 462   removes any non-ascii chars; possible solution: put such metadata
 463   into the Pot file, and let it propagate; should be fixed in
 464   `773de05a7a1ee68d2bed173367cf5e716884945a`, time will tell.
 465
 466 Better links
 467 ------------
 468
 469 ### Subpages
 470
 471 On a translation page, links to subpages should actually be links to
 472 the master page's subpages. They currently appear as broken links.
 473
 474 ### Page title in links
 475
 476 To use the page titles set with the [[meta|plugins/meta]] plugin when
 477 rendering links would be very much nicer, than the current
 478 "filename.LL" format. This is actually a duplicate for
 479 [[bugs/pagetitle_function_does_not_respect_meta_titles]].
 480
 481 Going to work on this in my `meta` branch.
 482
 483 ### Translation status in links
 484
 485 See [[contrib/po]].
 486
 487 ### Backlinks
 488
 489 They are not updated when the source page changes (e.g. meta title).
 490
 491 Page formats
 492 ------------
 493
 494 Markdown is well supported, great, but what about others?
 495
 496 The [[po|plugins/po]] uses `Locale::Po4a::Text` for every page format;
 497 this can be expected to work out of the box with most other wiki-like
 498 formats supported by ikiwiki. Some of their ad-hoc syntax might be
 499 parsed in a strange way, but the worst problems I can imagine would be
 500 wrapping issues; e.g. there is code in po4a dedicated to prevent
 501 re-wrapping the underlined Markdown headers.
 502
 503 While it would be easy to better support formats such as [[html]] or
 504 LaTeX, by using for each one the dedicated po4a module, this can be
 505 problematic from a security point of view.
 506
 507 **TODO**: test the more popular formats and write proper documentation
 508 about it.
 509
 510 Translation quality assurance
 511 -----------------------------
 512
 513 Modifying a PO file via the CGI must be forbidden if the new version
 514 is not a valid PO file. As a bonus, check that it provides a more
 515 complete translation than the existing one.
 516
 517 A new `cansave` type of hook would be needed to implement this.
 518
 519 Note: committing to the underlying repository is a way to bypass
 520 this check.
 521
 522 Creating new pages on the web
 523 -----------------------------
 524
 525 See [[contrib/po]].
 526
 527 Documentation
 528 -------------
 529
 530 Maybe write separate documentation depending on the people it targets:
 531 translators, wiki administrators, hackers. This plugin may be complex
 532 enough to deserve this.