Cours de XML - Concepts de base

I-A-1. Le SGML▲

I-A-2. Le HTML▲

Le XML est un dérivé du SGML. Il tente de se servir des principes de simplicité du HTML et de la souplesse SGML.

Simplification de SGML, puisqu'il ne reste que 35 pages de spécification contre 155 pages en ce qui concerne le SGML, le format XML est rapidement apparu adapté à beaucoup plus d'usages que ses concepteurs le pensaient initialement. Il conserve certains aspects de SGML.

Le plus important point commun avec le SGML est le fait que tout document XML peut être basé sur une DTD ou un Schéma. Cette association n'est cependant pas obligatoire, et un fichier XML peut très bien se suffire à lui-même.

Une autre caractéristique importante est que dans un document XML, la mise en forme des données est totalement séparée des données elles-mêmes. Cela permet de séparer complètement l'information (le contenu) de son apparence (le contenant), et donc de fournir plusieurs types de sorties pour un même fichier de données, en fonction de l'utilisateur ou de l'application demandeuse (autre document XML, tableau, graphique, image, animation multimédia, fichier HTML, fichier PDF…).

De plus, la possibilité de créer les éléments que l'on désire permet de rendre le fichier lui-même lisible -et modifiable- par un être humain : on peut donner aux informations contenues dans un tel fichier les étiquettes que l'on veut, et les ordonner selon son désir.

Un document XML peut ainsi prévoir plusieurs cibles, par exemple l'écran d'un téléphone portable, celui d'un ordinateur de bureau, une base de données, une application logicielle, etc.

Il est également possible d'effectuer des sélections par tri, des générations automatiques de tables des matières et bien d'autres fonctions encore, grâce au langage de feuilles de style XSLT.

XML permet de nettement séparer forme et fond. Par exemple, cela signifie que pour produire un document HTML à partir de données en utilisant le format XML, il est nécessaire d'écrire au moins deux fichiers, le premier contenant les données à mettre en forme, le second les informations nécessaires à cette mise en forme. En pratique, et dans un souci de normalisation et de généralisation, il peut s'avérer nécessaire d'ajouter un troisième fichier à l'ensemble :

1. Optionnel : un fichier peut être nécessaire pour définir a priori les balises auxquelles le document XML pourra avoir recours. Ce fichier peut être soit une Document Type Definition soit un Schema (voir plus loin dans le cours) ;
2. Le document contenant les données elles-mêmes, c'est-à-dire le document XML à proprement parler (une instance du document, au sens SGML) ;
3. Le document contenant les informations de mise en forme, permettant de produire un fichier dans le format de sortie voulu : une feuille XSLT (eXtensive Stylesheet Language Transformations).

Dans le cas d'un format de sortie HTML, il peut être également nécessaire d'ajouter une feuille de style CSS.

En résumé, si l'on veut produire un fichier HTML à partir de données mises sous format XML, il faut :

1. Créer éventuellement un fichier définissant les balises utilisables ;
2. Créer le fichier de données XML ;
3. Créer la feuille de style XSL permettant la production du fichier HTML ;
4. Créer éventuellement une feuille de style CSS.

Nous verrons au long de ce cours successivement les étapes 2, 1 et 3.

<?xml version="1.0" encoding="ISO-8859-1"?>
<!-- La ligne ci-dessus est le prologue -->
<!-- Élément racine -->
<biblio>
  <!-- Premier enfant -->
  <livre>
    <!-- Élément enfant titre -->
    <titre>Les Misérables</titre>
    <auteur>Victor Hugo</auteur>
    <nb_tomes>3</nb_tomes>
  </livre>
  <livre>
    <titre>L'Assomoir</titre>
    <auteur>Émile Zola</auteur>
  </livre>
  <livre lang="en">
    <titre>David Copperfield</titre>
    <auteur>Charles Dickens</auteur>
    <nb_tomes>3</nb_tomes>
  </livre>
</biblio>

Exercice 1. Structuration d'informations 1

XML permet de structurer une information. Il est donc nécessaire, avant d'envisager d'utiliser ce format, de se familiariser avec cette structuration.

Le paragraphe suivant contient de l'information « en vrac ». Réorganisez-la de manière à mettre en évidence sa structure logique, sans forcément passer par une mise en forme XML.

Une bouteille d'eau Cristaline de 150 cl contient par litre 71 mg d'ions positifs calcium, et 5,5 mg d'ions positifs magnésium. On y trouve également des ions négatifs comme des chlorures à 20 mg par litre et des nitrates avec 1 mg par litre. Elle est recueillie à St-Cyr la Source, dans le département du Loiret. Son code-barre est 3274080005003 et son pH est de 7,45. Comme la bouteille est sale, quelques autres matériaux comme du fer s'y trouvent en suspension. Une seconde bouteille d'eau Cristaline a été, elle, recueillie à la source d'Aurèle dans les Alpes Maritimes. La concentration en ions calcium est de 98 mg/l, et en ions magnésium de 4 mg/l. Il y a 3,6 mg/l d'ions chlorure et 2 mg/l de nitrates, pour un pH de 7,4. Le code-barre de cette bouteille de 50 cl est 3268840001008. Une bouteille de même contenance est de marque Volvic, et a été puisée à… Volvic, bien connu pour ses sources donnant un pH neutre de 7. Elle comprend 11,5 mg/l d'ions calcium, 8,0 mg/l d'ions magnésium, 13,5 mg/l d'ions chlorures et 6,3 mg/l d'ions nitrates. Elle contient également des particules de silice. Son code-barre est 3057640117008.

PS : Volvic est dans le Puy-de-Dôme…

Correction

<cave>
  <bouteille>
    <marque>Cristaline</marque>
    <composition>
      <ion type="positif">calcium 71mg/l</ion>
      <ion type="positif">magnésium 5,5mg/l</ion>
      <ion type="negatif">chlorure 20mg/l</ion>
      <ion type="negatif">nitrate 1mg/l</ion>
      <autre type="metal">fer</autre>
    </composition>
    <source>
      <ville>St-Cyr la Source</ville>
      <departement>Loiret</departement>
    </source>
    <code_barre>3274080005003</code_barre>
    <contenance unit="cl">150</contenance>
    <ph>7,45</ph>
  </bouteille>
  <bouteille>
    <marque>Cristaline</marque>
    <composition>
      <ion type="positif">calcium 98mg/l</ion>
      <ion type="positif">magnésium 4mg/l</ion>
      <ion type="negatif">chlorure 3,6mg/l</ion>
      <ion type="negatif">nitrate 2mg/l</ion>
    </composition>
    <source>
      <ville>Aurèle</ville>
      <departement>Alpes Maritimes</departement>
    </source>
    <code_barre>3268840001008</code_barre>
    <contenance unit="cl">50</contenance>
    <ph>7,4</ph>
  </bouteille>
 
  <bouteille>
    <marque>Volvic</marque>
    <composition>
      <ion type="positif">calcium 11,5mg/l</ion>
      <ion type="positif">magnésium 8mg/l</ion>
      <ion type="negatif">chlorure 13,5mg/l</ion>
      <ion type="negatif">nitrate 6,3mg/l</ion>
    </composition>
    <source>
      <ville>Volvic</ville>
      <departement>Puy-de-Dôme</departement>
    </source>
    <code_barre>3057640117008</code_barre>
    <contenance unit="cl">50</contenance>
    <ph>7</ph>
  </bouteille>
</cave>

Exercice 2. Structuration d'informations 2

Cet exercice est du même type que l'exercice précédent. Il s'agit de structurer, sous la forme d'un fichier XML, le texte suivant :

Il existe diverses variétés de nuages. La plupart de ceux dont nous allons parler ne produisent aucun « hydrométéore », sauf le cumulonimbus, qui est accompagné d'averses (parfois sous la forme de neige, de grésil ou de grêle).

L'altocumulus et le cirrocumulus partagent les mêmes « espèces » : lenticularis, stratiformis, castellanus et flocus. On retrouve ces deux espèces également chez le cirrus, ainsi que les espèces spissatus, uncinus et fibratus. Les espèces stratiformis, lenticularis et castellanus sont quant à elles partagées également avec les strato-cumulus.

Ces derniers peuvent se traîner au ras du sol et monter à 2000m, mais certains nuages ont une altitude minimale à peine plus élevée, puisqu'elle n'est que de 200m pour les cumulus, et de 300m pour les cumulonimbus. Il est vrai que ces derniers compensent en montant jusqu'à une altitude maximale de 18 000 m, soit plus haut encore que les cirrus, qui plafonnent à 12000m. L'altitude minimale de ces derniers coïncide avec la fin de la présence possible des altocumulus, à 6000m. Et c'est autour de cette zone, entre 5000 et 7000m, que se trouvent les cirrocumulus. L'altitude minimale des altocumulus est de 2000m, soit quatre fois moins que l'altitude maximale des cumulus.

Ces pauvres cumulus ne sont pas favorisés en nom d'espèces, puisqu'ils se trouvent affligés de noms tels que fractus, mediocris, humilis et congestus… alors que les cumulonimbus ont des espèces aux noms plus… capillaires tels que calvus, capillatus. Les très gros cumulonimbus sont appelés mammatus.

Correction

<nuages>
  <nuage>
    <nom>
      altocumulus
      <espece>lenticularis</espece>
      <espece>stratiformis</espece>
      <espece>castellanus</espece>
      <espece>flocus</espece>
    </nom>
    <altitude max="6000" min="2000"/>
    <hydrometeores>Aucun.</hydrometeores>
  </nuage>
  <nuage>
    <nom>
      cirrus
      <espece>flocus</espece>
      <espece>castellanus</espece>
      <espece>spissatus</espece>
      <espece>uncinus</espece>
      <espece>fibratus</espece>
    </nom>
    <altitude max="12000" min="6000"/>
    <hydrometeores>Aucun.</hydrometeores>
  </nuage>
  <nuage>
    <nom>
      cirrocumulus
      <espece>lenticularis</espece>
      <espece>stratiformis</espece>
      <espece>flocus</espece>
      <espece>castellanus</espece>
    </nom>
    <altitude max="7000" min="5000"/>
    <hydrometeores>Aucun.</hydrometeores>
  </nuage>
  <nuage>
    <nom>
      cumulus
      <espece>fractus</espece>
      <espece>humilis</espece>
      <espece>mediocris</espece>
      <espece>congestus</espece>
    </nom>
    <altitude max="8000" min="200"/>
    <hydrometeores>Aucun en général.</hydrometeores>
  </nuage>
  <nuage>
    <nom>
      strato-cumulus
      <espece>stratiformis</espece>
      <espece>lenticularis</espece>
      <espece>castellanus</espece>
    </nom>
    <altitude max="2000" min="0"/>
    <hydrometeores>Aucun.</hydrometeores>
  </nuage>
  <nuage>
    <nom>
      cumulonimbus
      <espece>calvus</espece>
      <espece>capillatus</espece>
      <espece>mammatus</espece>
    </nom>
    <altitude max="18000" min="300"/>
    <hydrometeores>Averses (parfois de neige, de grésil ou de grêle).</hydrometeores>
  </nuage>
</nuages>

Les personnes ayant élaboré XML avaient en tête la simplicité de déclaration et la validation de la structure. De plus, elles souhaitaient tenir compte des expériences du passé en intégrant la grande souplesse syntaxique du SGML et la simplicité d'écriture du HTML.

Comme cela est illustré par l'exemple précédent, un fichier XML est composé d'un prologue, d'un élément racine et d'un arbre. Cet arbre est constitué d'éléments imbriqués les uns dans les autres (ayant une relation parent-enfant) et d'éléments adjacents.

• Les premières lignes forment le prologue, constitué dans l'exemple précédent de la déclaration XML, puis éventuellement d'une déclaration de type de document (une DTD).
• L'élément biblio est notre élément racine (en anglais : document element) ; il est constitué de trois éléments livre. Dans chacun d'entre eux nous retrouvons la même composition, c'est-à-dire : un élément titre, un élément auteur et éventuellement un élément nb_tomes. L'élément livre, de plus, peut avoir un attribut lang.

Même s'il est simple de comprendre ce code, on s'aperçoit mieux d'une éventuelle erreur lorsqu'on visualise ce même fichier dans un navigateur.

III-B-1. Déclaration XML▲

<?xml version="1.0" encoding="ISO-8859-1" standalone="yes"?>

III-B-2. Instructions de traitement▲

<?xml-stylesheet type="text/xsl" href="biblio.xsl"?>

III-B-3. Déclaration de type de document (DTD)▲

<!DOCTYPE biblio SYSTEM "biblio.dtd">

En XML, les commentaires se déclarent de la même façon qu'en HTML, car ils reprennent la syntaxe du SGML. Ils commencent donc par <!-- et se terminent par -->. Ils peuvent être placés à n'importe quel endroit tant qu'ils se trouvent à l'extérieur d'une autre balise.

Exemples de commentaires valides :

<!-- ceci est correct -->
<elt> <!-- ceci est correct aussi -->
Un peu de texte </elt>

Remarque : En raison de la compatibilité XML/SGML, la chaîne de caractères -- est interdite dans un commentaire.

III-D-1. Introduction▲

<?xml version="1.0" encoding="ISO-8859-1"?>
<biblio>
  <livre>
    <!-- Élément enfant titre -->
    <titre>Les Misérables</titre>
    <auteur>Victor Hugo</auteur>
    <nb_tomes>3</nb_tomes>
  </livre>
  <livre>
    <titre>L'Assommoir</titre>
    <auteur>Émile Zola</auteur>
    <couverture couleur="rouge" />
  </livre>
  <livre lang="en">
    <titre>David Copperfield</titre>
    <auteur>Charles Dickens</auteur>
    <nb_tomes>3</nb_tomes>
  </livre>
</biblio>

III-D-2. Élément racine▲

III-D-3. Les éléments▲

<titre>Les Misérables</titre>

<livre>
  <titre>L'Assommoir</titre>
  <auteur>Émile Zola</auteur>
  <couverture couleur="rouge" />
</livre>

  <couverture couleur="rouge" />

III-D-4. Les attributs▲

<instrument type="vent">trompette</instrument>

<img src="ours.png" alt="Gros ours" width="56" height="100" />

III-D-5. Les entités▲

III-D-6. Les sections CDATA▲

<![CDATA[Une balise commence par un < et se termine par un >.

Un certain nombre de règles de base doivent être respectées :

1. Un nom d'élément ne peut commencer par un chiffre. Si le nom n'est composé que d'un seul caractère, ce doit être une lettre comprise entre « a » et « z » pour les minuscules, « A » et « Z » pour les majuscules. S'il est composé d'au moins deux caractères, le premier peut être « _ » ou « : ». Le nom peut ensuite être composé de lettres, chiffres, tirets, tirets bas et deux points. La syntaxe XML est sensible à la casse (le format distingue majuscules et minuscules) ;
2. Toutes les balises portant un contenu non vide doivent être fermées. La balise de début, la balise de terminaison et le contenu entre deux sont globalement appelés élément ;
3. Les balises n'ayant pas de contenu doivent se terminer par /> (voir la balise <img …/> ci-dessus) ;
4. Les valeurs d'attributs doivent être entre guillemets.

Un document respectant ces critères est dit bien formé (well formed).

Il est aussi possible de définir des règles plus strictes indiquant quelles sont les séquences et imbrications de balises ou les attributs autorisés. Cela se fait à l'aide d'une DTD ou d'un Schéma. Il est alors possible d'effectuer une validation des documents faisant référence à une DTD pour s'assurer qu'ils respectent bien les règles qui y sont mentionnées. Un document bien formé dont la syntaxe est conforme aux règles stipulées dans une DTD ou un Schema XML est dit valide. Nous reviendrons sur cette notion ultérieurement.

Ces navigateurs (à partir de la version 5 pour Internet Explorer) permettent l'affichage des documents XML sous la forme d'une arborescence dans le cas général ; si une feuille de style est spécifiée, le navigateur l'interprète (à partir de la version 6 pour Internet Explorer).

Le tour de la question est vite fait en ce qui concerne les navigateurs de la famille Netscape, puisque seules les versions égales ou supérieures à 6 affichent les fichiers XML à condition toutefois qu'une feuille de style XSL soit déclarée dans le prologue. Néanmoins son implémentation est encore partielle.

Opera supporte XML depuis la version 8, et le langage XSL depuis la version 9.

En définitive, deux solutions se présentent :

1. Soit on veut visualiser le source XML. Dans ce cas, mieux vaut ne pas fournir de feuille de style dans le prologue et utiliser Internet Explorer ou un navigateur de la famille Mozilla. ;
2. Soit on veut tester la feuille de style. Dans ce cas, on peut ajouter l'appel à la feuille de style dans le fichier XML, et constater le résultat sous n'importe quel navigateur récent.