Code Coverage
 
Lines
Functions and Methods
Classes and Traits
Total
0.00% covered (danger)
0.00%
0 / 155
0.00% covered (danger)
0.00%
0 / 6
CRAP
0.00% covered (danger)
0.00%
0 / 1
CleanupInvalidDbKeys
0.00% covered (danger)
0.00%
0 / 155
0.00% covered (danger)
0.00%
0 / 6
1406
0.00% covered (danger)
0.00%
0 / 1
 __construct
0.00% covered (danger)
0.00%
0 / 12
0.00% covered (danger)
0.00%
0 / 1
2
 execute
0.00% covered (danger)
0.00%
0 / 8
0.00% covered (danger)
0.00%
0 / 1
30
 outputStatus
0.00% covered (danger)
0.00%
0 / 3
0.00% covered (danger)
0.00%
0 / 1
6
 writeToReport
0.00% covered (danger)
0.00%
0 / 1
0.00% covered (danger)
0.00%
0 / 1
2
 cleanupTable
0.00% covered (danger)
0.00%
0 / 129
0.00% covered (danger)
0.00%
0 / 1
756
 makeValidTitle
0.00% covered (danger)
0.00%
0 / 2
0.00% covered (danger)
0.00%
0 / 1
2
1<?php
2/**
3 * Cleans up invalid titles in various tables.
4 *
5 * This program is free software; you can redistribute it and/or modify
6 * it under the terms of the GNU General Public License as published by
7 * the Free Software Foundation; either version 2 of the License, or
8 * (at your option) any later version.
9 *
10 * This program is distributed in the hope that it will be useful,
11 * but WITHOUT ANY WARRANTY; without even the implied warranty of
12 * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the
13 * GNU General Public License for more details.
14 *
15 * You should have received a copy of the GNU General Public License along
16 * with this program; if not, write to the Free Software Foundation, Inc.,
17 * 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301, USA.
18 * http://www.gnu.org/copyleft/gpl.html
19 *
20 * @file
21 * @ingroup Maintenance
22 */
23
24// @codeCoverageIgnoreStart
25require_once __DIR__ . '/Maintenance.php';
26// @codeCoverageIgnoreEnd
27
28use MediaWiki\Title\Title;
29use MediaWiki\WikiMap\WikiMap;
30use Wikimedia\Rdbms\IExpression;
31use Wikimedia\Rdbms\LikeValue;
32
33/**
34 * Maintenance script that cleans up invalid titles in various tables.
35 *
36 * @since 1.29
37 * @ingroup Maintenance
38 */
39class CleanupInvalidDbKeys extends Maintenance {
40    /** @var array[] List of tables to clean up, and the field prefix for that table */
41    protected static $tables = [
42        // Data tables
43        [ 'page', 'page' ],
44        [ 'redirect', 'rd', 'idField' => 'rd_from' ],
45        [ 'archive', 'ar' ],
46        [ 'logging', 'log' ],
47        [ 'protected_titles', 'pt', 'idField' => 0 ],
48        [ 'category', 'cat', 'nsField' => 14 ],
49        [ 'recentchanges', 'rc' ],
50        [ 'watchlist', 'wl' ],
51        // The querycache tables' qc(c)_title and qcc_titletwo may contain titles,
52        // but also usernames or other things like that, so we leave them alone
53
54        // Links tables
55        [ 'pagelinks', 'pl', 'idField' => 'pl_from' ],
56        [ 'templatelinks', 'tl', 'idField' => 'tl_from' ],
57        [ 'categorylinks', 'cl', 'idField' => 'cl_from', 'nsField' => 14, 'titleField' => 'cl_to' ],
58        [ 'imagelinks', 'il', 'idField' => 'il_from', 'nsField' => 6, 'titleField' => 'il_to' ],
59    ];
60
61    public function __construct() {
62        parent::__construct();
63        $this->addDescription( <<<'TEXT'
64This script cleans up the title fields in various tables to remove entries that
65will be rejected by the constructor of TitleValue.  This constructor throws an
66exception when invalid data is encountered, which will not normally occur on
67regular page views, but can happen on query special pages.
68
69The script targets titles matching the regular expression /^_|[ \r\n\t]|_$/.
70Because any foreign key relationships involving these titles will already be
71broken, the titles are corrected to a valid version or the rows are deleted
72entirely, depending on the table.
73
74The script runs with the expectation that STDOUT is redirected to a file.
75TEXT
76        );
77        $this->addOption( 'fix', 'Actually clean up invalid titles. If this parameter is ' .
78            'not specified, the script will report invalid titles but not clean them up.',
79            false, false );
80        $this->addOption( 'table', 'The table(s) to process. This option can be specified ' .
81            'more than once (e.g. -t category -t watchlist). If not specified, all available ' .
82            'tables will be processed. Available tables are: ' .
83            implode( ', ', array_column( static::$tables, 0 ) ), false, true, 't', true );
84
85        $this->setBatchSize( 500 );
86    }
87
88    public function execute() {
89        $tablesToProcess = $this->getOption( 'table' );
90        foreach ( static::$tables as $tableParams ) {
91            if ( !$tablesToProcess || in_array( $tableParams[0], $tablesToProcess ) ) {
92                $this->cleanupTable( $tableParams );
93            }
94        }
95
96        $this->outputStatus( 'Done!' );
97        if ( $this->hasOption( 'fix' ) ) {
98            $dbDomain = WikiMap::getCurrentWikiDbDomain()->getId();
99            $this->outputStatus( " Cleaned up invalid DB keys on $dbDomain!\n" );
100        }
101    }
102
103    /**
104     * Prints text to STDOUT, and STDERR if STDOUT was redirected to a file.
105     * Used for progress reporting.
106     *
107     * @param string $str Text to write to both places
108     * @param string|null $channel Ignored
109     */
110    protected function outputStatus( $str, $channel = null ) {
111        // Make it easier to find progress lines in the STDOUT log
112        if ( trim( $str ) ) {
113            fwrite( STDOUT, '*** ' . trim( $str ) . "\n" );
114        }
115        fwrite( STDERR, $str );
116    }
117
118    /**
119     * Prints text to STDOUT. Used for logging output.
120     *
121     * @param string $str Text to write
122     */
123    protected function writeToReport( $str ) {
124        fwrite( STDOUT, $str );
125    }
126
127    /**
128     * Identifies, and optionally cleans up, invalid titles.
129     *
130     * @param array $tableParams A child array of self::$tables
131     */
132    protected function cleanupTable( $tableParams ) {
133        [ $table, $prefix ] = $tableParams;
134        $idField = $tableParams['idField'] ?? "{$prefix}_id";
135        $nsField = $tableParams['nsField'] ?? "{$prefix}_namespace";
136        $titleField = $tableParams['titleField'] ?? "{$prefix}_title";
137
138        $this->outputStatus( "Looking for invalid $titleField entries in $table...\n" );
139
140        // Do all the select queries on the replicas, as they are slow (they use
141        // unanchored LIKEs). Naturally this could cause problems if rows are
142        // modified after selecting and before deleting/updating, but working on
143        // the hypothesis that invalid rows will be old and in all likelihood
144        // unreferenced, we should be fine to do it like this.
145        $dbr = $this->getDB( DB_REPLICA, 'vslow' );
146        $linksMigration = $this->getServiceContainer()->getLinksMigration();
147        $joinConds = [];
148        $tables = [ $table ];
149        if ( isset( $linksMigration::$mapping[$table] ) ) {
150            [ $nsField, $titleField ] = $linksMigration->getTitleFields( $table );
151            $joinConds = $linksMigration->getQueryInfo( $table )['joins'];
152            $tables = $linksMigration->getQueryInfo( $table )['tables'];
153        }
154
155        // Find all TitleValue-invalid titles.
156        $percent = $dbr->anyString();
157        // The REGEXP operator is not cross-DBMS, so we have to use lots of LIKEs
158        $likeExpr = $dbr
159            ->expr( $titleField, IExpression::LIKE, new LikeValue( $percent, ' ', $percent ) )
160            ->or( $titleField, IExpression::LIKE, new LikeValue( $percent, "\r", $percent ) )
161            ->or( $titleField, IExpression::LIKE, new LikeValue( $percent, "\n", $percent ) )
162            ->or( $titleField, IExpression::LIKE, new LikeValue( $percent, "\t", $percent ) )
163            ->or( $titleField, IExpression::LIKE, new LikeValue( '_', $percent ) )
164            ->or( $titleField, IExpression::LIKE, new LikeValue( $percent, '_' ) );
165        $res = $dbr->newSelectQueryBuilder()
166            ->select( [
167                'id' => $idField,
168                'ns' => $nsField,
169                'title' => $titleField,
170            ] )
171            ->tables( $tables )
172            ->where( $likeExpr )
173            ->joinConds( $joinConds )
174            ->limit( $this->getBatchSize() )
175            ->caller( __METHOD__ )
176            ->fetchResultSet();
177
178        $this->outputStatus( "Number of invalid rows: " . $res->numRows() . "\n" );
179        if ( !$res->numRows() ) {
180            $this->outputStatus( "\n" );
181            return;
182        }
183
184        // Write a table of titles to the report file. Also keep a list of the found
185        // IDs, as we might need it later for DB updates
186        $this->writeToReport( sprintf( "%10s |  ns | dbkey\n", $idField ) );
187        $ids = [];
188        foreach ( $res as $row ) {
189            $this->writeToReport( sprintf( "%10d | %3d | %s\n", $row->id, $row->ns, $row->title ) );
190            $ids[] = $row->id;
191        }
192
193        // If we're doing a dry run, output the new titles we would use for the UPDATE
194        // queries (if relevant), and finish
195        if ( !$this->hasOption( 'fix' ) ) {
196            if ( $table === 'logging' || $table === 'archive' ) {
197                $this->writeToReport( "The following updates would be run with the --fix flag:\n" );
198                foreach ( $res as $row ) {
199                    $newTitle = self::makeValidTitle( $row->title );
200                    $this->writeToReport(
201                        "$idField={$row->id}: update '{$row->title}' to '$newTitle'\n" );
202                }
203            }
204
205            if ( $table !== 'page' && $table !== 'redirect' ) {
206                $this->outputStatus( "Run with --fix to clean up these rows\n" );
207            }
208            $this->outputStatus( "\n" );
209            return;
210        }
211
212        $services = $this->getServiceContainer();
213
214        // Fix the bad data, using different logic for the various tables
215        $dbw = $this->getPrimaryDB();
216        switch ( $table ) {
217            case 'page':
218            case 'redirect':
219                // This shouldn't happen on production wikis, and we already have a script
220                // to handle 'page' rows anyway, so just notify the user and let them decide
221                // what to do next.
222                $this->outputStatus( <<<TEXT
223IMPORTANT: This script does not fix invalid entries in the $table table.
224Consider repairing these rows, and rows in related tables, by hand.
225You may like to run, or borrow logic from, the cleanupTitles.php script.
226
227TEXT
228                );
229                break;
230
231            case 'archive':
232            case 'logging':
233                // Rename the title to a corrected equivalent. Any foreign key relationships
234                // to the page_title field are already broken, so this will just make sure
235                // users can still access the log entries/deleted revisions from the interface
236                // using a valid page title.
237                $this->outputStatus(
238                    "Updating these rows, setting $titleField to the closest valid DB key...\n" );
239                $affectedRowCount = 0;
240                foreach ( $res as $row ) {
241                    $newTitle = self::makeValidTitle( $row->title );
242                    $this->writeToReport(
243                        "$idField={$row->id}: updating '{$row->title}' to '$newTitle'\n" );
244
245                    $dbw->newUpdateQueryBuilder()
246                        ->update( $table )
247                        ->set( [ $titleField => $newTitle ] )
248                        ->where( [ $idField => $row->id ] )
249                        ->caller( __METHOD__ )
250                        ->execute();
251                    $affectedRowCount += $dbw->affectedRows();
252                }
253                $this->waitForReplication();
254                $this->outputStatus( "Updated $affectedRowCount rows on $table.\n" );
255
256                break;
257
258            case 'recentchanges':
259            case 'watchlist':
260            case 'category':
261                // Since these broken titles can't exist, there's really nothing to watch,
262                // nothing can be categorised in them, and they can't have been changed
263                // recently, so we can just remove these rows.
264                $this->outputStatus( "Deleting invalid $table rows...\n" );
265                $dbw->newDeleteQueryBuilder()
266                    ->deleteFrom( $table )
267                    ->where( [ $idField => $ids ] )
268                    ->caller( __METHOD__ )->execute();
269                $this->waitForReplication();
270                $this->outputStatus( 'Deleted ' . $dbw->affectedRows() . " rows from $table.\n" );
271                break;
272
273            case 'protected_titles':
274                // Since these broken titles can't exist, there's really nothing to protect,
275                // so we can just remove these rows. Made more complicated by this table
276                // not having an ID field
277                $this->outputStatus( "Deleting invalid $table rows...\n" );
278                $affectedRowCount = 0;
279                foreach ( $res as $row ) {
280                    $dbw->newDeleteQueryBuilder()
281                        ->deleteFrom( $table )
282                        ->where( [ $nsField => $row->ns, $titleField => $row->title ] )
283                        ->caller( __METHOD__ )->execute();
284                    $affectedRowCount += $dbw->affectedRows();
285                }
286                $this->waitForReplication();
287                $this->outputStatus( "Deleted $affectedRowCount rows from $table.\n" );
288                break;
289
290            case 'pagelinks':
291            case 'templatelinks':
292            case 'categorylinks':
293            case 'imagelinks':
294                // Update links tables for each page where these bogus links are supposedly
295                // located. If the invalid rows don't go away after these jobs go through,
296                // they're probably being added by a buggy hook.
297                $this->outputStatus( "Queueing link update jobs for the pages in $idField...\n" );
298                $linksMigration = $this->getServiceContainer()->getLinksMigration();
299                $wikiPageFactory = $services->getWikiPageFactory();
300                foreach ( $res as $row ) {
301                    $wp = $wikiPageFactory->newFromID( $row->id );
302                    if ( $wp ) {
303                        RefreshLinks::fixLinksFromArticle( $row->id );
304                    } else {
305                        if ( isset( $linksMigration::$mapping[$table] ) ) {
306                            $conds = $linksMigration->getLinksConditions(
307                                $table,
308                                Title::makeTitle( $row->ns, $row->title )
309                            );
310                        } else {
311                            $conds = [ $nsField => $row->ns, $titleField => $row->title ];
312                        }
313                        // This link entry points to a nonexistent page, so just get rid of it
314                        $dbw->newDeleteQueryBuilder()
315                            ->deleteFrom( $table )
316                            ->where( array_merge( [ $idField => $row->id ], $conds ) )
317                            ->caller( __METHOD__ )->execute();
318                    }
319                }
320                $this->waitForReplication();
321                $this->outputStatus( "Link update jobs have been added to the job queue.\n" );
322                break;
323        }
324
325        $this->outputStatus( "\n" );
326    }
327
328    /**
329     * Fix possible validation issues in the given title (DB key).
330     *
331     * @param string $invalidTitle
332     * @return string
333     */
334    protected static function makeValidTitle( $invalidTitle ) {
335        return strtr( trim( $invalidTitle, '_' ),
336            [ ' ' => '_', "\r" => '', "\n" => '', "\t" => '_' ] );
337    }
338}
339
340// @codeCoverageIgnoreStart
341$maintClass = CleanupInvalidDbKeys::class;
342require_once RUN_MAINTENANCE_IF_MAIN;
343// @codeCoverageIgnoreEnd