XML et JSON
Partie 4 sur 4
8JSON et le choix du format
JSON n’avait longtemps pas la place qu’il a aujourd’hui. Cette section est essentielle : dans la plupart des échanges entre programmes que vous rencontrerez aujourd’hui (les interfaces de programmation, voir les API), c’est JSON qui est employé.
8.1Qu’est-ce que JSON ?
JSON (JavaScript Object Notation, « notation d’objets JavaScript ») est un format de données textuel, très léger, créé au début des années 2000 par l’informaticien américain Douglas Crockford, à partir de la façon dont le langage JavaScript écrit ses objets (voir le langage JavaScript). Malgré son nom, il est indépendant du langage : tous les langages actuels (Python, Java, Go, C#, PHP…) savent le lire et l’écrire. Il est normalisé par l’IETF (RFC 8259, 2017) et par ECMA (ECMA-404).
Il repose sur très peu d’éléments :
- des objets, entre accolades, qui sont des ensembles de paires « clé : valeur » ;
- des tableaux, entre crochets, qui sont des listes ordonnées ;
- des valeurs : texte (entre guillemets doubles), nombre, booléen (
trueoufalse) et la valeur videnull.
Voici le même annuaire que celui de la partie 2, en JSON :
{
"annuaire": [
{
"classe": "etudiant",
"nom": "Martin",
"prenom": "Claire",
"telephone": "555-0100",
"email": "claire@example.org"
}
]
}
Les règles sont plus strictes encore que XML sur certains points : les clés sont toujours entre guillemets doubles ; pas de virgule après le dernier élément ; pas de commentaires. Une erreur de virgule rend tout le fichier illisible, ce qui est une cause d’erreurs fréquente.
8.2Comparer XML et JSON
JSON gagne par sa concision : pas de balise fermante, donc moins d’octets et moins de temps de lecture, ce qui compte pour des millions d’échanges par seconde. Il correspond naturellement aux structures des langages de programmation (listes et dictionnaires). XML gagne par sa richesse : il distingue éléments et attributs, gère le texte mêlé de balises (« Ceci est important » dans un paragraphe), les espaces de noms, des schémas puissants, des transformations (XSLT), la signature de documents. Pour un document (un livre, un article, un manuel), XML est naturel ; pour des données (une commande, un profil, une liste de résultats), JSON l’est.
8.3Les autres formats voisins
- YAML : un format fondé sur l’indentation, plus lisible, qui accepte les commentaires ; très répandu pour les fichiers de configuration (voir Python et les outils d’automatisation). Son interprétation est plus subtile, avec quelques pièges de typage.
- CSV (Comma-Separated Values, valeurs séparées par des virgules) : des tableaux simples, sans structure imbriquée ; universel pour les tableurs et les bases (voir les bases de données).
- JSON Lines : un objet JSON par ligne, pratique pour les très gros fichiers de journaux ou de données.
- TOML, JSON5 : variantes pour les configurations, avec commentaires.
- Des formats binaires (Protocol Buffers, MessagePack, CBOR, Avro) : plus compacts et rapides, mais illisibles à l’œil nu ; employés entre services internes.
8.4Décrire la structure d’un JSON
JSON n’a pas de schéma intégré, mais le même besoin s’est posé : vérifier qu’un document reçu a la bonne forme. Le langage JSON Schema (lui-même écrit en JSON) décrit les champs, leurs types, ceux qui sont obligatoires et les valeurs permises. Il est utilisé dans les descriptions d’API (voir les API) pour valider automatiquement les échanges, remplaçant avec profit les anciennes DTD.
8.5Comment choisir
- Échanger des données entre un navigateur ou une application et un serveur : JSON.
- Écrire un document structuré destiné à durer, à être transformé, imprimé ou signé : XML (ou, selon l’écosystème, un format dérivé existant).
- Configurer un outil : le format que l’outil attend (souvent YAML, TOML ou JSON).
- Échanger un tableau de chiffres : CSV.
- Les très gros volumes ou les échanges internes à haute fréquence : un format binaire.
Quand le choix vous est imposé (un partenaire, une administration, un standard sectoriel), suivez-le : un format commun a plus de valeur que le meilleur format que personne d’autre n’emploie. N’oubliez pas non plus de documenter, avec un exemple et un schéma.
Pour s’exercer
Exercice 6 : XML vers JSON
Traduisez en JSON : <produit ref="A12"><nom>Lampe</nom><prix devise="EUR">19.90</prix></produit>. Quel choix devez-vous faire pour les attributs ?
Voir la réponse
Par exemple : {"produit": {"ref": "A12", "nom": "Lampe", "prix": {"valeur": 19.90, "devise": "EUR"}}}. JSON n’a pas d’attributs : il faut décider d’une convention (ici, l’attribut devient un champ, et le prix devient un petit objet). Le nombre est écrit sans guillemets : le JSON, contrairement à XML sans schéma, distingue nombres et textes.
9Sécurité : lire des données qui viennent d’ailleurs
Lire un document XML ou JSON reçu d’un tiers, c’est traiter une donnée que l’on ne maîtrise pas. Les risques sont bien connus, et les règles de prudence simples. Nous les décrivons au niveau des principes.
9.1Les entités externes (XXE)
Les entités externes de la partie 4.3 permettent à un document d’ordonner à l’analyseur d’aller lire un fichier ou une adresse. Si un serveur analyse un document envoyé par un inconnu, avec des entités externes activées, l’analyseur peut être amené à lire des fichiers du serveur ou à contacter des machines internes, et à les inclure dans le résultat. Cette famille de failles porte le nom de XXE (XML External Entity) ; elle figure depuis longtemps dans les listes des failles les plus courantes d’applications web (voir les attaques contre les applications web). La parade est simple : désactiver les entités externes et les DTD dans l’analyseur quand on traite des données non fiables ; c’est le réglage par défaut des bibliothèques récentes, mais pas toujours des anciennes.
9.2Les documents piégés pour épuiser les ressources
Des entités qui s’appellent les unes les autres peuvent faire grossir un petit document en un volume énorme à l’expansion, jusqu’à saturer la mémoire du programme qui l’analyse. Ce principe, comparable aux bombes de décompression, se nomme parfois l’expansion exponentielle d’entités. Parade : limiter la taille des documents reçus, la profondeur d’imbrication et le nombre d’expansions, et désactiver les DTD. Le même type de limite s’applique à JSON (profondeur et taille maximales).
9.3Ne jamais exécuter ce qu’on reçoit
JSON ressemble à du code JavaScript, et à une époque certains programmes le lisaient en l’exécutant comme du code. C’est une grave erreur : un document piégé pouvait alors exécuter des instructions. On lit toujours du JSON avec un analyseur dédié. Plus généralement, la désérialisation (reconstituer des objets d’un programme à partir de données reçues) de formats qui peuvent contenir des instructions, ou de types arbitraires, est une source de failles graves ; on privilégie des formats de données purs, et l’on valide la forme avant d’agir. Enfin, comme pour toute entrée, une donnée destinée à une base de données ou à une page web doit être traitée comme non fiable (voir les vulnérabilités).
9.4Valider, limiter, journaliser
La bonne pratique rassemble quatre gestes : valider la forme avec un schéma ; limiter la taille et la complexité ; traiter chaque champ comme une donnée à contrôler, pas à croire ; journaliser les rejets, qui révèlent souvent une tentative. Ne mettez jamais de secret (mot de passe, clé) dans un document échangé en clair ; chiffrez la liaison (voir la cryptographie).
Pour s’exercer
Exercice 7 : protéger un service qui reçoit du XML
Une application web accepte des fichiers XML envoyés par des inconnus. Donnez cinq mesures de protection.
Voir la réponse
1) Désactiver les entités externes et les DTD dans l’analyseur (parade contre XXE et les entités qui s’appellent). 2) Limiter la taille du document et sa profondeur. 3) Valider avec un schéma strict avant tout traitement. 4) Ne jamais interpréter un champ comme du code ni l’insérer tel quel dans une requête ou une page. 5) Journaliser et surveiller les rejets, et tenir l’analyseur à jour.
10Ce qui a changé, et ce qui reste
- JSON est devenu le format dominant des échanges entre programmes.
- Les DTD ont cédé la place aux schémas XSD (2001, généralisés par la suite), puis, pour JSON, à JSON Schema.
- XSL « pas encore standard » en 2000 s’est précisé : XSLT (versions 1.0, 2.0, 3.0) est largement employé ; XSL-FO est resté marginal ; l’espace de noms provisoire des exemples est périmé.
- Plusieurs erreurs fréquentes dans les exemples : espace entre « <! » et le mot-clé, déclaration d’élément avec virgule hors parenthèses, exemple d’entité paramètre incohérent, numérotation à zéro et
end()en XPath,xsl:value-ofsansselect. - XLL est devenu XLink et XPointer, d’usage restreint.
- L’encodage par défaut conseillé est UTF-8, non l’ISO-8859-1.
- Le DOM est devenu un standard vivant, omniprésent dans les navigateurs ; l’insuffisance de DOM sur les gros fichiers est toujours vraie.
- La sécurité (XXE, bombes d’entités, désérialisation) est souvent oubliée : elle fait aujourd’hui partie du minimum.
- Ce qui reste vrai : la séparation du contenu et de la présentation, l’arbre, la distinction bien formé / valide, et l’intérêt d’un format ouvert et documenté.