Aller au contenu
Encyclopédie informatique Édition 2026

Le langage PHP

Partie 5 sur 5

Niveau de lecture :

11Lire un document XML

Le langage XML (eXtensible Markup Language, « langage à balises extensibles ») est un métalangage : il permet de définir ses propres balises, et donc de séparer le contenu d’un document de sa présentation (voir XML et JSON). Pour le lire, il faut un analyseur syntaxique (parseur en anglais) : un programme qui vérifie que le document est bien formé et le met à disposition de l’application. L’extension XML de PHP est fondée sur la bibliothèque expat, activée à l’installation par l’option --with-xml.

11.1Deux façons de lire

Les analyseurs se répartissent en deux approches. L’approche hiérarchique (le modèle DOM, Document Object Model) construit en mémoire un arbre d’objets représentant tout le document. L’approche par événements (le modèle SAX, Simple API for XML) lit le document de haut en bas et signale chaque étape : début d’un élément, fin d’un élément, texte rencontré. Pour le petit document <debut>Bienvenue</debut>, un analyseur par événements signale trois événements : début de l’élément « debut », texte « Bienvenue », fin de l’élément. Cette extension fonctionne ainsi : on lui associe des fonctions de réaction (des gestionnaires) avec xml_set_element_handler (début et fin d’élément), xml_set_character_data_handler (texte), xml_set_processing_instruction_handler (instructions de traitement), xml_set_notation_decl_handler, xml_set_external_entity_ref_handler (appel à une entité externe, voir plus bas) et xml_set_default_handler (tous les événements restants).

11.2Le déroulé

  1. Créer l’analyseur : $p = xml_parser_create();.
  2. Définir les fonctions de réaction, dont le nombre et l’ordre des paramètres sont imposés (pour l’ouverture d’un élément : l’analyseur, le nom de la balise, un tableau de ses attributs).
  3. Les associer à l’analyseur, et régler les options avec xml_parser_set_option (la « mise en majuscules » des noms de balises est active par défaut : il est recommandé de la maîtriser, car XML distingue majuscules et minuscules ; l’encodage peut être choisi).
  4. Ouvrir le fichier et le lire par blocs que l’on passe à xml_parse, qui renvoie false si le document est mal formé.
  5. En cas d’erreur, xml_error_string et xml_get_current_line_number donnent le message et la ligne fautive.
  6. Libérer l’analyseur : xml_parser_free.

Un exemple long portait sur les entités externes : une déclaration comme <!ENTITY entite SYSTEM "externe.xml"> demande d’importer le contenu d’un autre fichier, et le gestionnaire correspondant devait aller l’ouvrir. Cet exemple utilisait aussi la fonction each() (supprimée dans PHP 8).

11.3Les outils actuels

Cette extension existe toujours, mais on lui préfère trois outils. SimpleXML lit un document comme un objet que l’on parcourt avec des flèches ($doc->element->sous), très commode pour les petits fichiers. DOMDocument propose le modèle hiérarchique complet. XMLReader lit en flux, sans tout charger en mémoire, pour les gros fichiers. Pour échanger des données entre applications, le format JSON, plus léger, a largement remplacé XML : json_decode() et json_encode() sont courantes.

Un risque est lié aux entités externes : un document XML venu de l’extérieur peut demander à votre programme d’aller lire un fichier local ou une adresse interne. C’est la faille dite XXE (XML External Entity). Les versions récentes de PHP et de sa bibliothèque d’analyse la désactivent par défaut ; ne la réactivez jamais pour des documents que vous ne maîtrisez pas.

Pour s’exercer

Exercice 7 : choisir la bonne lecture XML

Vous devez lire un petit fichier de configuration XML de quelques lignes, puis un export de plusieurs gigaoctets. Quels outils choisir ?

Voir la réponse

Pour le petit fichier, SimpleXML (ou DOMDocument) : on charge tout en mémoire et on parcourt. Pour l’export volumineux, XMLReader (lecture en flux) ou l’extension par événements : on traite l’élément en cours sans garder tout le document en mémoire. Dans les deux cas, ne jamais traiter un fichier d’origine inconnue avec les entités externes activées.

12Un moteur de recherche pour son site

On peut fabriquer un moteur de recherche simple, qui ne gère qu’un seul mot-clé, pour un petit site. Le principe : un premier script indexe le site, un second interroge l’index.

12.1L’indexation par les balises meta

Chaque page du site à indexer devait contenir des balises meta (des informations d’en-tête invisibles) : une balise keywords avec les mots-clés, une balise title avec le titre, et une balise ROBOTS. Cette dernière indique si la page doit être indexée (all) ou non (none). Les moteurs du Web de l’époque (Google, Yahoo!, AltaVista, Voilà) lisaient les mêmes balises. Une remarque importante : Google a annoncé en 2009 qu’il n’utilise plus la balise keywords pour classer les pages, et elle est ignorée aujourd’hui (voir le référencement). La consigne d’exclusion s’écrit désormais noindex (voir rechercher sur Internet). Mais, pour un petit moteur interne, l’idée d’indexer des champs choisis reste valable.

Le script de création de la table search avait quatre champs : le lien (adresse de la page), les mots-clés, le titre et un identifiant clé primaire. Le script d’indexation vidait l’ancienne table, puis parcourait le site avec une fonction récursive (qui s’appelle elle-même) : pour chaque dossier, elle descend dedans ; pour chaque fichier .htm ou .html, elle lit les balises meta avec get_meta_tags, ignore la page si ROBOTS vaut « none », sinon enregistre en base le lien, les mots-clés en majuscules et le titre.

12.2La recherche

La recherche se faisait avec un formulaire d’un champ « Mot » envoyé en POST, et un script qui refusait un mot vide (ou « % »), comptait les enregistrements dont les mots-clés ou le titre contiennent la chaîne (LIKE "%$Mot%"), affichait « Aucun résultat » s’il n’y en avait pas, un message au singulier si un seul résultat, au pluriel sinon, puis la liste triée par titre avec des liens. On pouvait ajouter la recherche par plusieurs mots-clés et adapter la présentation.

Le code d’origine contenait des failles : la valeur du visiteur était insérée telle quelle dans la requête (injection SQL), il dépendait de variables globales supprimées, et il n’échappait pas les caractères % et _, qui ont un sens spécial dans LIKE. La version actuelle passe le mot par une requête préparée (partie 7.2), échappe l’affichage (partie 4.2) et valide la longueur. Pour de vrais besoins, les bases de données offrent la recherche en texte intégral (par exemple l’index FULLTEXT de MySQL) et des moteurs spécialisés (Meilisearch, Elasticsearch, OpenSearch) qui classent les résultats par pertinence.

13Le PHP d’aujourd’hui

PHP D’AUTREFOIS ET D’AUJOURD’HUI Base de données fonctions mysql_connect, mysql_query PDO et requêtes préparées Formulaires variables créées automatiquement tableaux $_POST et $_GET, vérifiés Recherche de motifs ereg et eregi preg_match (expressions régulières PCRE) Balises balises courtes et ASP tolérées balise complète du PHP seulement Installation compilation à la main, EasyPHP paquets, conteneurs, serveur intégré Types tout est libre, tout se convertit types déclarés, mode strict possible Bibliothèques scripts copiés-collés Composer et standards communs Presque tout ce que montraient les exemples d’autrefois a été supprimé ou déconseillé : ne le recopiez pas.
Figure 3. Ce qui a changé entre le PHP d’autrefois et celui d’aujourd’hui.

13.1Un langage plus rigoureux

PHP 7 et 8 ont nettoyé le langage. On peut maintenant déclarer des types : function ajouter(int $a, int $b): int, et activer un mode strict qui refuse les conversions silencieuses. On dispose de types multiples (int|string), de valeurs énumérées (enum), de propriétés en lecture seule, d’arguments nommés (ajouter(a: 1, b: 2)), de l’expression match (un switch plus strict), de l’opérateur « nullsafe » ?-> et de l’attribution de valeurs de repli avec ??. Le problème d’origine de PHP, des comparaisons qui donnaient des résultats surprenants (« abc » égal à 0 dans les anciennes versions), a été en grande partie corrigé en PHP 8 ; utilisez toujours l’égalité stricte ===.

Autre changement : les expressions régulières. Les fonctions ereg et eregi sont remplacées par la famille preg_* (par exemple preg_match), fondée sur la bibliothèque PCRE (expressions régulières « compatibles Perl »).

13.2Un écosystème d’outils

Depuis 2012, Composer installe et met à jour les bibliothèques d’un projet à partir d’un fichier de description. Des normes communes de programmation (appelées PSR) permettent à ces bibliothèques de fonctionner ensemble. Des cadres de développement comme Laravel et Symfony fournissent la structure d’une application : routage, accès aux données, gestion des utilisateurs, protections contre les attaques courantes (voir les frameworks web). Les gestionnaires de contenu comme WordPress et Drupal sont aussi écrits en PHP. Les tests automatiques (PHPUnit) et les outils d’analyse statique (PHPStan, Psalm) trouvent des erreurs sans exécuter le code.

13.3Quand ne pas choisir PHP

PHP est un excellent choix pour un site web classique : hébergement abondant, peu cher, communauté immense. Il est moins adapté aux programmes qui restent en mémoire pour une tâche longue ou aux traitements très gourmands, même si des outils existent. Pour un service qui échange beaucoup de messages en parallèle, d’autres langages seront préférés (voir Python, Go, Java).

Sécurité de l’information

Le coin cyber

Cet article décrit les protections à mettre dans un site PHP. Il ne contient aucune méthode pour attaquer un site.

C.1Les trois failles les plus fréquentes

La majorité des attaques réussies sur des sites PHP reposent sur trois erreurs, toutes liées à la confiance accordée aux données reçues. L’injection SQL (voir l’injection SQL) : une valeur du visiteur modifie la requête. Le cross-site scripting (voir le XSS) : un texte non échappé exécute du code chez les autres visiteurs. L’inclusion ou la traversée de fichiers : un nom de fichier choisi par le visiteur permet de lire ou d’exécuter ce qui ne devrait pas l’être. Les barrières de la figure 2 (valider, préparer, échapper) répondent aux deux premières ; une liste de fichiers autorisés répond à la troisième.

C.2Réglages et exploitation

  • Mettre à jour PHP, mais aussi le gestionnaire de contenu, ses extensions et ses thèmes : c’est là que se trouve la majorité des failles exploitées (voir les vulnérabilités et les correctifs).
  • En production, ne pas afficher les erreurs aux visiteurs (display_errors désactivé) mais les enregistrer dans un journal : un message d’erreur révèle des chemins et des requêtes.
  • Supprimer phpinfo() et les fichiers de test ; ranger la configuration et les secrets hors du dossier public.
  • Désactiver ce qui n’est pas utile : allow_url_fopen et l’inclusion de fichiers distants ; limiter la taille et le type des fichiers envoyés par formulaire, les ranger hors du dossier public et ne jamais les exécuter.
  • Stocker les mots de passe avec password_hash() et les vérifier avec password_verify() : jamais en clair, ni avec un hachage simple (voir les mots de passe et les fonctions de hachage).
  • Sessions : après une connexion, appeler session_regenerate_id() ; régler les cookies de session avec les attributs HttpOnly, Secure et SameSite (voir les cookies).
  • Ne pas appeler unserialize() sur des données venues de l’extérieur : reconstruire un objet à partir de données non fiables peut déclencher du code non prévu. Préférer JSON.

C.3Idée reçue

« Mon site est trop petit pour intéresser quelqu’un. » Faux. Les attaques sont automatiques : des programmes parcourent le Web à la recherche de versions vulnérables et ne choisissent pas leurs cibles. Un petit site mal tenu devient un relais de spam, un hébergeur de pages d’hameçonnage ou un maillon d’un réseau de machines piratées.

C.4Bonnes pratiques

Développeur

  • Valider les entrées, préparer les requêtes, échapper les sorties.
  • Utiliser un cadre de développement maintenu plutôt que réécrire l’authentification.
  • Garder le code et les secrets hors du dépôt public et du dossier public.

Organisation

  • Suivre le calendrier des versions de PHP et planifier les migrations.
  • Tenir la liste des extensions et bibliothèques, surveiller leurs alertes.
  • Prévoir des sauvegardes testées et une procédure en cas de site piraté.

Référentiels : OWASP, Top 10 et fiches de prévention · ANSSI, Recommandations pour la sécurisation des sites web · Manuel PHP, chapitre Sécurité · RGPD (voir le RGPD) pour les données personnelles.

Références

  1. Manuel PHP, php.net : calendrier des versions, historique, notes de migration (7.0, 8.0 à 8.5).
  2. PHP Group, PHP License.
  3. OWASP, Top 10 Web Application Security Risks et PHP Security Cheat Sheet.
  4. Nikita Popov, message du 28 mars 2021 sur la liste php-internals.
  5. ANSSI, Guide d’hygiène informatique.

Voir aussi

Citer cet article

« Le langage PHP », Encyclopédie informatique, révision du 4 novembre 2026.