XML et JSON
Partie 2 sur 4
3Les espaces de noms
Puisque chacun peut inventer ses balises, un problème arrive vite : deux vocabulaires peuvent utiliser le même nom pour deux choses différentes. Dans un document de bibliothèque, <titre> désigne le titre d’un livre ; dans un annuaire, <titre> peut désigner la civilité (« Docteur »). Le but des espaces de noms (en anglais namespaces) est de rattacher chaque balise à un groupe, afin de pouvoir mêler différents langages à balises dans un même document, par exemple du HTML, du MathML et du CML ensemble.
Il n’y a fondamentalement pas de risque que des balises XML interfèrent avec des balises HTML, car ces deux langages ont été conçus par le même organisme (le W3C). Mais comme XML est un métalangage, deux organismes peuvent créer des langages dont certaines balises portent le même nom, ce qui pose problème si l’on veut utiliser des éléments des deux au sein d’un même document.
3.1Comment définir un espace de noms
On déclare un espace de noms par un attribut xmlns (pour XML namespace), dont la valeur est une adresse servant d’identifiant unique (elle n’a pas besoin de mener à une page réelle). On lui associe en général un préfixe court, placé devant le nom de la balise :
<catalogue xmlns:bib="http://example.org/ns/bibliotheque"
xmlns:ann="http://example.org/ns/annuaire">
<bib:titre>Les Misérables</bib:titre>
<ann:titre>Docteur</ann:titre>
</catalogue>
Les deux éléments titre sont ainsi distingués. On peut aussi déclarer un espace de noms par défaut, sans préfixe : <catalogue xmlns="http://example.org/ns/bibliotheque">, qui s’applique à tous les éléments sans préfixe de ce passage. L’important, que beaucoup oublient : c’est l’adresse qui identifie l’espace de noms, pas le préfixe, qui n’est qu’un raccourci local.
Les espaces de noms sont omniprésents sans qu’on les voie : dans un fichier SVG, un document de bureautique, une feuille XSLT (le préfixe xsl:), un flux d’actualités.
Pour s’exercer
Exercice 2 : écrire un document
Écrivez en XML une bibliothèque fictive avec un livre : titre « Exemple », auteur « Dupont », année 2020, et un attribut isbn. Faites un prologue UTF-8.
Voir la réponse
<?xml version="1.0" encoding="UTF-8"?><bibliotheque><livre isbn="000-0-00-000000-0"><titre>Exemple</titre><auteur>Dupont</auteur><annee>2020</annee></livre></bibliotheque>. L’identifiant, qui caractérise le livre, est un attribut ; les informations descriptives sont des éléments.
4Décrire la structure : DTD, entités et schémas
Pour vérifier qu’un document est valide, il faut une description des règles. La plus ancienne se nomme DTD (Document Type Definition, « définition de type de document »). Il s’agit d’un fichier décrivant la structure des documents qui y font référence, grâce à un langage adapté, hérité de SGML : une sorte de grammaire qui permet de vérifier qu’un document la respecte. Un document peut s’y référer avec une ligne du genre <!DOCTYPE annuaire SYSTEM "annuaire.dtd">.
4.1Déclarer des éléments
La déclaration d’un élément a la forme <!ELEMENT nom modèle> (sans espace entre « <! » et le mot ELEMENT : un espace à cet endroit n’est pas valide). Le modèle est soit un type de donnée prédéfini, soit une règle d’utilisation. Trois types prédéfinis :
ANY: l’élément peut contenir n’importe quel type de données ;EMPTY: l’élément ne contient pas de données spécifiques (comme la balise<br/>de HTML) ;#PCDATA(parsed character data) : l’élément contient une chaîne de caractères. Le mot-clé doit nécessairement être écrit entre parenthèses, sous peine d’erreur de l’analyseur :<!ELEMENT nom (#PCDATA)>.
On peut aussi définir des règles d’utilisation, c’est-à-dire les éléments qu’un élément peut ou doit contenir, avec des opérateurs :
A+: l’élément A doit être présent au moins une fois ;A*: A peut être présent plusieurs fois, ou aucune ;A?: A est optionnel ;A|B: A ou B ;A,B: A doit être présent, suivi de B ;( ): les parenthèses regroupent des éléments pour leur appliquer les autres opérateurs, par exemple(A,B)+.
Voici une DTD correcte pour l’annuaire de la partie 2 (la déclaration de « personne » doit avoir toute la liste entre parenthèses : une virgule hors parenthèses est une erreur de syntaxe) :
<!ELEMENT annuaire (personne+)>
<!ELEMENT personne (nom, prenom, telephone, email?)>
<!ELEMENT nom (#PCDATA)>
<!ELEMENT prenom (#PCDATA)>
<!ELEMENT telephone (#PCDATA)>
<!ELEMENT email (#PCDATA)>
Cette DTD accepte une personne avec ou sans courriel, mais refuse une personne sans nom ou dont les éléments sont dans le désordre.
4.2Déclarer des attributs
On ajoute des propriétés à un élément en lui affectant des attributs, avec la déclaration <!ATTLIST élément attribut type défaut>. Trois sortes de types sont présentées :
- le type littéral, mot-clé
CDATA: une chaîne de caractères quelconque ; - l’énumération : une liste de valeurs possibles,
(valeur1 | valeur2 | ...), pour limiter le choix ; - le type atomique, mot-clé
ID: un identifiant unique pour chaque élément.
Chaque type est suivi d’un mot-clé précisant la nécessité de l’attribut : #IMPLIED (facultatif), #REQUIRED (obligatoire), ou #FIXED suivi d’une valeur entre guillemets (valeur imposée), ou simplement une valeur par défaut. Exemple correct :
<!ATTLIST disque
ref ID #REQUIRED
type (K7|MiniDisc|Vinyl|CD) "CD">
Ce qui signifie que l’élément disque a deux attributs : ref, identifiant unique obligatoire, et type, qui vaut K7, MiniDisc, Vinyl ou CD, avec « CD » par défaut.
La déclaration de notations permettait en outre d’associer des données non XML à un programme : <!NOTATION jpg SYSTEM "visionneuse.exe"> indiquait quelle application ouvre les images JPEG insérées dans le document. Elle est aujourd’hui quasi abandonnée : on indique le type de contenu par un type MIME (voir le protocole HTTP).
4.3Les entités
Une entité est un nom qui sert de raccourci pour un morceau de texte ou un caractère. On l’appelle dans le document avec la syntaxe &nom;, et l’analyseur la remplace automatiquement. C’est le même principe que les macros d’un éditeur de texte : on écrit une fois ce qui se répète, d’où une meilleure lisibilité, un meilleur contrôle du contenu et une mise à jour plus facile. On distingue plusieurs familles.
- Les entités générales sont déclarées dans la DTD :
<!ENTITY site "example.org">. Dans le document,<email>claire@&site;</email>deviendraclaire@example.org. - Les entités externes renvoient à un fichier extérieur, utilisable par plusieurs documents :
<!ENTITY mentions SYSTEM "mentions.txt">insère le contenu du fichier chaque fois que&mentions;apparaît. Elles posent un problème de sécurité sérieux (partie 9). - Les entités paramètres, de la forme
<!ENTITY % nom "définition">, servent à réutiliser des morceaux de déclaration à l’intérieur même de la DTD, en les appelant par%nom;. Le nom doit commencer par une lettre ou un tiret bas, et ne contenir que des lettres, chiffres, tirets, tirets bas, points ou deux-points. Elles peuvent elles aussi être externes (SYSTEM "fichier.dtd"). Il ne faut pas mélanger une entité paramètre avec une déclaration d’attribut : cela ne fonctionne pas. - Les entités caractères représentent les caractères réservés de XML, pour pouvoir les écrire dans le texte :
&pour « & »,<pour « < »,>pour « > »,'pour l’apostrophe,"pour le guillemet. Ces cinq existent toujours, même sans DTD. On peut aussi désigner n’importe quel caractère par son code hexadécimal :çdonne « ç ».
4.4Les limites des DTD et les schémas XSD
Les DTD ont des défauts qui ont poussé à créer autre chose. Elles ne sont pas écrites en XML (c’est une syntaxe à part). Elles ne savent pas dire qu’un champ est un nombre, une date, ou un entier compris entre 1 et 12 : tout est du texte. Elles ne gèrent pas les espaces de noms. Le W3C a donc publié en 2001 un langage de schémas XML, nommé XSD (XML Schema Definition), écrit lui-même en XML, qui comprend les types de données (entier, décimal, date, booléen), les contraintes (longueur, valeurs permises, motifs) et les espaces de noms. Voici une version de notre « personne » :
<xs:element name="personne">
<xs:complexType>
<xs:sequence>
<xs:element name="nom" type="xs:string"/>
<xs:element name="telephone" type="xs:string"/>
<xs:element name="email" type="xs:string" minOccurs="0"/>
</xs:sequence>
</xs:complexType>
</xs:element>
Plus long, mais plus précis. D’autres langages de schémas existent (RELAX NG, Schematron). Pour les nouveaux projets, on choisit XSD ou l’équivalent pour JSON (partie 8.4) ; les DTD survivent dans l’enseignement, dans d’anciens documents et dans la déclaration du type de HTML5 (<!DOCTYPE html>, qui n’est plus une vraie DTD).
Pour s’exercer
Exercice 3 : lire une DTD
Soit <!ELEMENT commande (client, ligne+, remarque?)>. Lesquelles de ces commandes sont valides : (a) client puis deux lignes ; (b) deux lignes puis client ; (c) client, une ligne, remarque ; (d) client seul ?
Voir la réponse
(a) valide ; (b) invalide, car le client doit venir en premier (la virgule impose l’ordre) ; (c) valide ; (d) invalide, car « ligne+ » exige au moins une ligne.