XML et JSON
Deux programmes qui veulent échanger des informations doivent s’accorder sur une façon de les écrire. XML, né en 1998, est un langage à balises dans lequel chacun invente son propre vocabulaire : il a servi à décrire des documents, des pages, des cartes, des flux d’actualités, des fichiers de bureautique. JSON, plus récent et plus léger, s’est imposé pour faire parler les programmes entre eux, en particulier sur le Web. Cet article explique les deux formats : la syntaxe et les règles de XML (document bien formé, document valide), les schémas qui décrivent la structure, les espaces de noms, la lecture d’un document par un programme (DOM, SAX), les transformations par XSLT, les liens, puis JSON et la manière de choisir. Il propose des exemples de code corrigés et à jour.
- Rubrique
- Données et IA
- Niveau
- Débutant à intermédiaire
- Lecture
- 33 min (essentiel)
34 min (complet) - Révision
- 3 novembre 2026
En bref
- XML décrit des données avec des balises que l’on invente ; il sépare le contenu de sa présentation.
- Un document bien formé respecte la syntaxe ; un document valide respecte en plus un schéma (aujourd’hui surtout XSD, plutôt que les anciennes DTD).
- Un programme lit un document XML avec un analyseur : DOM construit tout l’arbre en mémoire, SAX signale des événements au fil de la lecture.
- XSLT transforme un document XML en un autre (par exemple en page web) grâce à des règles ; l’ancien « XLL » est devenu XLink et XPointer.
- JSON est plus court et s’est imposé pour les échanges entre programmes ; les deux formats ont leur terrain, et tous deux exigent des précautions de sécurité.
Prérequis conseillés : HTML
1Pourquoi un format d’échange
Quand deux personnes se passent des informations, elles s’entendent sur la forme : un carnet d’adresses avec le nom en premier, un tableau avec une colonne par chiffre. Les programmes doivent faire de même, et plus strictement encore, car un ordinateur ne devine rien. Si un logiciel de comptabilité veut envoyer des factures à un logiciel de gestion, il faut décider comment écrire un nom, une date, un montant, une liste de lignes. Ce « comment » est un format d’échange.
Pendant longtemps, chaque logiciel avait son format secret, que les autres ne lisaient pas. Les formats ouverts, décrits publiquement, ont changé cela. Deux d’entre eux dominent : XML (1998) et JSON (début des années 2000). Ils reposent sur la même idée : écrire les données sous forme de texte lisible par une personne comme par un programme, avec une structure en arbre (des éléments contenus dans d’autres éléments, comme les dossiers d’un disque).
1.1XML, un HTML amélioré ?
XML (eXtensible Markup Language, « langage à balises extensible ») se présente comme « en quelque sorte un langage HTML amélioré permettant de définir de nouvelles balises ». L’image aide, à condition de la manier avec précaution. HTML (voir le langage HTML) est un langage défini et figé, avec un nombre limité de balises, qui sert à structurer des pages web pour l’affichage. XML est, lui, un métalangage : un langage qui sert à définir d’autres langages. Qui n’a jamais désiré une balise qui n’existait pas ? Avec XML, on la crée : on décide qu’un carnet d’adresses contiendra des éléments « personne », « nom », « telephone », et l’on s’accorde avec ses partenaires sur ce vocabulaire.
La force de XML tient dans son extensibilité : il peut décrire n’importe quel domaine de données. Il pose le vocabulaire et la syntaxe des données qu’il contient. Surtout, les balises XML décrivent le contenu plutôt que la présentation. Une balise <prix> dit ce qu’est la donnée ; elle ne dit pas qu’il faut l’afficher en gras. XML permet donc de séparer le contenu de la présentation : le même document s’affiche sur un ordinateur, un téléphone, une liseuse ou s’imprime, sans qu’il faille créer autant de versions que de supports.
1.2Un peu d’histoire
XML a été mis au point par un groupe de travail (XML Working Group) sous l’égide du W3C (World Wide Web Consortium, l’organisme qui normalise les technologies du Web) dès 1996. Depuis le 10 février 1998, les spécifications de XML 1.0 sont une recommandation du W3C, c’est-à-dire une norme reconnue. L’ensemble des documents liés se consulte sur le site du W3C. Le langage a connu depuis des révisions : une version 1.1 en 2004, restée peu utilisée, et la cinquième édition de XML 1.0 en 2008, qui est toujours la référence.
XML est un sous-ensemble de SGML (Standard Generalized Markup Language, langage généralisé de balisage normalisé), défini par la norme ISO 8879 en 1986 et utilisé dans la gestion électronique de documents (documentation technique des avions, des centrales). XML reprend la majeure partie des fonctionnalités de SGML en les simplifiant pour qu’elles soient utilisables sur le Web. HTML est lui aussi un descendant de SGML, d’où la ressemblance des balises.
1.3Les atouts de XML
Les principaux atouts de XML restent valables :
- la lisibilité : aucune connaissance particulière ne doit théoriquement être nécessaire pour comprendre le contenu d’un document ;
- il est autodescriptif et extensible ;
- sa structure arborescente permet de modéliser la majorité des problèmes informatiques ;
- son universalité et sa portabilité : les différents jeux de caractères sont pris en compte (voir les caractères) ;
- il est déployable : il peut être distribué par n’importe quel protocole capable de transporter du texte, comme HTTP (voir le protocole HTTP) ;
- son intégrabilité : un document est utilisable par toute application dotée d’un analyseur ;
- son extensibilité : il peut servir dans tous les domaines d’application.
XML est ainsi particulièrement adapté à l’échange de données et de documents. Son intérêt dépend toutefois du contexte professionnel : un format commun n’a de valeur que si les partenaires s’accordent sur un vocabulaire. C’est pourquoi de nombreux formats dérivés de XML sont apparus : il en existe plus d’une centaine. Citons OFX (Open Financial eXchange, échanges financiers), MathML (Mathematical Markup Language, formules mathématiques), CML (Chemical Markup Language, composés chimiques) et SMIL (Synchronized Multimedia Integration Language, présentations multimédias synchronisant audio, vidéo et texte). On y ajoute aujourd’hui SVG (images vectorielles, utilisé dans les figures de ce site), RSS et Atom (flux d’actualités), XHTML, les formats de bureautique (un fichier .docx ou .odt contient des documents XML), GPX (traces de randonnée) ou KML (cartes).
1.4Le plan de l’article
La partie 2 présente la syntaxe d’un document XML (figure 1). La partie 3 explique les espaces de noms. La partie 4 traite des schémas : DTD, entités, XSD. La partie 5 est consacrée à la lecture par un programme (figure 2). La partie 6 présente les feuilles de style et XSLT. La partie 7 aborde les liens. La partie 8 décrit JSON et la façon de choisir (figure 3), la partie 9 la sécurité et la partie 10 le bilan des évolutions.
2La syntaxe d’un document XML
Un document XML est un fichier texte. Voici l’exemple, très simple, d’un annuaire (les noms sont fictifs) :
<?xml version="1.0" encoding="UTF-8"?>
<annuaire>
<personne classe="etudiant">
<nom>Martin</nom>
<prenom>Claire</prenom>
<telephone>555-0100</telephone>
<email>claire@example.org</email>
</personne>
<!-- d'autres personnes suivent -->
</annuaire>
2.1Les trois parties d’un document
En réalité, un document XML est structuré en trois parties.
- Le prologue indique la version de la norme XML utilisée (obligatoire) et, de façon facultative, le jeu de caractères (en anglais encoding), c’est-à-dire la table qui associe chaque lettre à un code. Un exemple courant est l’ISO-8859-1, jeu « latin » qui permet de gérer les accents français :
<?xml version="1.0" encoding="ISO-8859-1"?>. Le choix par défaut, et le bon conseil aujourd’hui, est UTF-8, qui couvre toutes les langues. Le prologue se poursuit éventuellement par des instructions de traitement, destinées à des applications particulières, de la forme<?instruction ...?>. - La déclaration de type de document, facultative, renvoie à un fichier annexe appelé DTD (Document Type Definition) qui décrit les règles de structure (partie 4).
- L’arbre des éléments, c’est-à-dire le contenu réel du document.
2.2Éléments, attributs, balises
L’arbre des éléments est une hiérarchie de balises, comportant éventuellement des attributs. Un attribut est une paire clé-valeur écrite sous la forme cle="valeur", placée dans la balise ouvrante : <balise cle="valeur">. Toute donnée est encapsulée entre une balise ouvrante <balise> et une balise fermante </balise> ; la donnée peut elle-même être un ensemble d’éléments. Un élément vide, sans contenu, s’écrit avec une seule balise, de la forme <balise/>.
Les règles de base sont strictes, et c’est ce qui rend XML facile à lire pour un programme :
- toute balise ouverte doit être fermée ;
- il est interdit de faire chevaucher les balises : on ne peut pas écrire
<a><b></a></b>, il faut fermerbavanta; - il y a une seule racine, l’élément qui contient tous les autres ;
- les valeurs d’attributs sont toujours entre guillemets ;
- la casse compte :
<Nom>et<nom>sont deux éléments différents (contrairement aux anciennes habitudes de HTML) ; - les caractères réservés (
<,&) ne peuvent pas être écrits tels quels dans le texte : on utilise des entités (partie 4.3).
Entre les balises (mais pas à l’intérieur d’une balise), on peut ajouter des espaces, des tabulations et des retours chariot (retours à la ligne), ce qui permet d’indenter, comme dans l’exemple ci-dessus. Enfin, on ajoute des commentaires, ignorés des programmes, de la manière suivante : <!-- Voici des commentaires XML -->.
Attribut ou élément ? Le choix n’est pas toujours évident. Une règle pratique : ce qui est une donnée à part entière (un nom, un montant) se met dans un élément ; ce qui caractérise un élément (une classe, un identifiant, une unité) peut se mettre dans un attribut. Un attribut ne peut pas contenir de sous-éléments ni être répété dans la même balise.
2.3Bien formé et valide
XML fournit un moyen de vérifier la syntaxe. Un document qui suit scrupuleusement les conventions de notation XML est dit bien formé. Un document qui possède en plus une description de structure (une DTD ou un schéma) et qui s’y conforme est dit valide. Cette distinction est capitale. « Bien formé » signifie que le document est lisible par n’importe quel analyseur. « Valide » signifie qu’il respecte le contrat du domaine : par exemple, que chaque personne a bien un nom et un téléphone. Un programme qui reçoit un document peut ainsi refuser d’office tout ce qui ne respecte pas le contrat, avant même de s’en servir.
2.4La mise en page : CSS, XSL, XSLT
XML est un format de description des données, non de leur représentation. La mise en page est assurée par un langage tiers. À l’origine (fin de l’année 2000), trois solutions étaient citées : CSS (Cascading Style Sheets, feuilles de style en cascade), la plus utilisée parce que c’est un standard déjà éprouvé avec HTML ; XSL (eXtensible Stylesheet Language), un langage de feuilles de style extensible développé spécialement pour XML, qui n’était alors pas reconnu comme standard officiel ; et XSLT (XSL Transformation), une recommandation du W3C du 16 novembre 1999, qui permet de transformer un document XML en document HTML accompagné de feuilles de style. Nous y reviendrons en partie 6 : XSL s’est depuis scindé en plusieurs langages, et XSLT est devenu le plus utile.
Pour s’exercer
Exercice 1 : bien formé ou non ?
Pour chaque extrait, dites s’il est bien formé et pourquoi : (a) <a><b>texte</a></b> ; (b) <p class=intro>texte</p> ; (c) <a>1</a><b>2</b> ; (d) <liste><item/><item/></liste>.
Voir la réponse
(a) Non : les balises se chevauchent. (b) Non : la valeur de l’attribut doit être entre guillemets. (c) Non : il y a deux éléments au plus haut niveau, donc pas de racine unique. (d) Oui : les éléments vides sont écrits avec une balise unique, et tout est emboîté.