====== Notes de cours XML ====== {{:enseignement:bd:xml-dtd-xpath.pdf|Diapos du cours}} ===== XML ===== XML (eXtensible Markup Language) est un standard du W3C. Il s'agit d'un format de documents permettant de représenter des données sous forme de texte, tout en conservant une certaine organisation. Le modèle de données sous-jacent est un arbre (voir la section 1.1). Il existe cependant des extensions à XML permettant de considérer des graphes.

Lorsque l'on considère XML, c'est souvent en conjonction avec un ensemble de technologies qui vont permettre de l'utiliser. Voici une partie de ces technologies: ==== Modèle de données XML ==== Un document XML correspond à un ensemble de données organisées dans un //arbre//. Cet arbre possède différents types de noeuds: * **La racine** C'est le document dans son entier. Elle possède en particulier un //enfant spécifique// correspondant au contenu du document. Ses autres enfants correspondent à des déclarations concernant ce document. Par exemple, il peut s'agir de commandes indiquant une //feuille de style XSLT//. * **Élément** C'est un noeud possédant un nom. Ce nom peut être un nom simple, qui commence par une lettre et se continue par une série de lettres, de chiffres, de ' ''-'' ', ' ''_'' ', etc (voir la [[http://www.w3c.org/TR/REC-xml/|spécification de XML]]). Il peut aussi avoir un préfixe, appelé //[[xml# espaces_de_nommage_namespaces|namespace]]//. Il possède le plus souvent un ensemble de fils qui peuvent être de n'importe quel type (sauf la racine). Les fils qui sont des attributs sont considérés séparément des autres fils et sont non ordonnés. De plus il y a au maximum un attribut ayant un nom donné par élément. Les autres fils sont ordonnés et considérés au même niveau, qu'il s'agisse de texte, d'éléments, ou autre. * **Attribut** C'est un noeud qui associe un nom à une valeur. On ne peut trouver ces noeuds que comme enfants d'éléments. * **Texte** Du texte simple. * **Commentaire** Les commentaires sont considérés comme des noeuds à part entière dans l'arbre XML. * **Commande** Ou //processing instructions//. Ce sont des instructions destinées à l'application qui va traiter le document. Il peut par exemple s'agir d'une feuille de style à utiliser lorsque le document est à présenter sous forme d'une page web. ---- ** Exemple ** {{ :enseignement:bdav:collection1.png?direct&600 |}} noeuds texte en rouge\\ attributs en vert\\ éléments en bleu ---- ==== Syntaxe de XML ==== La syntaxe de XML est basée sur des balises tout comme HTML, ou encore SGML qui est leur ancêtre commun. === Déclarations préliminaires === Un fichier XML débute par une série de déclarations optionnelles qui sont suivies d'un élément qui correspond au contenu du document. Parmi les déclarations possibles, deux sont fréquentes: == Le prologue == Il prend la forme d'une commande et permet de fournir un ensemble d'informations sur le document. Parmi ces informations, on trouve la version de XML utilisée (''version'') et qui est presque toujours ''1.0'', l'encodage des caractères (''encoding'') ou encore le fait que le document fasse ou non référence à d'autres documents (''standalone''). ---- **Exemple** //Le prologue suivant:// //signifie qu'il s'agit d'un document XML version 1.0, que l'encodage des caractères suit la norme unicode sur 8bits (UTF-8) et que le document fait référence à d'autres documents.// ---- == Une déclaration de type == Elle est de forme suivante: où //''le-type''// est au choix: * //nom// * //nom// SYSTEM "//URL//" * //nom// PUBLIC //identifiant// //nom// indique le nom de l'élément principal du document, //URL// indique l'url où peut être trouvée la DTD du document et //identifiant// indique un identifiant publique pour le type, tel que ''%%"-//W3C//DTD XHTML 1.0 Transitional//EN"%%'' pour le xhtml en version 1.0 transitionnelle. Les //déclarations supplémentaires// correspondent soit à la DTD complète, soit à des déclarations qui s'ajoutent à la DTD. ---- **Exemple** //La déclaration suivante:// ]> //indique que l'élément principal est nommé ''collection'', que la description du document est donnée dans le fichier ''collection.dtd'' et que l'entité ''Arl'' correspond au texte ''Arleston''.// ---- === Syntaxe des noeuds de l'arbre XML === == Attributs == Un attribut s'écrit nom="valeur" ou bien nom='valeur' Il doit obligatoirement être placé à l'intérieur de la balise ouvrante de l'élément qui est son père. == Éléments == La syntaxe d'un élément est la suivante: ... enfants qui ne sont pas des attributs ... Les //attributs// d'un élément sont séparés par des espaces. //nom// est le nom de l'élément. Un élément sans enfants autres que des attributs peut s'écrire: == Texte == Les noeuds texte sont écrits tels quels, sauf en ce qui concerne les caractères spéciaux:
Caractère Comment l'écrire
< &lt;
> &gt;
" &quote;
' &apos;
& &amp;
Il est également possible d'avoir recours aux sections CDATA dont le contenu sera directement interprété comme du texte brut, sans qu'il y ait besoin d'échapper les caractères spéciaux. Leur syntaxe est la suivante: == Commentaires == Les commentaires s'écrivent: == Les commandes (ou //processing instructions//) == Elles s'écrivent: ---- **Exemple** //Document XML correspondant à l'exemple d'arbre XML précédent.// Arleston Tarquin L'ivoire du Magohamoth Tarquin Adieu, monde cruel ---- ==== DTDs ==== DTD signifie Document Type Definition. Une DTD est une spécification de la structure du document XML. Elle spécifie, pour chaque élément du document, quels peuvent être ses enfants et dans quel ordre ils peuvent apparaître. La DTD d'un document peut être spécifiée soit dans le document lui-même, à l'intérieur des crochets [ ] de la déclaration <!DOCTYPE ...>, soit de manière externe grâce aux définitions SYSTEM ou PUBLIC de <!DOCTYPE ... > (voir la section 1.2.1). Une DTD peut également contenir des définitions d'entités, qui permettent de définir un alias pour un morceau de document XML.
Déclarations <!ELEMENT
Ces déclarations permettent de spécifier le contenu d'un élément, c'est-à-dire quels éléments peuvent apparaître comme enfants de cet élément. Elle permet également de spécifier si l'élément peut contenir du texte. Il est important de noter que ces déclarations ne concernent pas les attributs.

La syntaxe de ces déclarations est <!ELEMENT nom contenu>. contenu peut être au choix:
Exemple 5

<!ELEMENT collection (serie)*>


signifie que l'élément collection ne peut avoir comme enfants que des éléments serie en nombre quelconque.
<!ELEMENT tome (scenariste?,dessinateur?,titre)>


signifie que l'élément tome a comme enfants éventuellement un élément scenariste, ensuite éventuellement un élément dessinateur et enfin exactement un élément titre.


Déclarations <!ATTLIST >


Ces déclarations permettent de spécifier les attributs qui peuvent apparaître dans un élément.

La syntaxe de ces déclaration est:

<!ATTLIST nom declarations d'attributs>


où nom est le nom de l'élément considéré et déclarations d'attributs est une suite de déclarations de la forme:
Parmi les types existants, on peut avoir les types suivants:
Exemple 6 

<!ATTLIST editeur nom CDATA #REQUIRED adresse CDATA #IMPLIED>


signifie que dans un élément editeur, on a obligatoirement un attribut nom qui a comme valeur du texte et éventuellement un attribut adresse qui a également comme valeur du texte.


Déclarations <!ENTITY >


Ces déclarations sont utilisées pour définir des entités, c'est-à-dire un nom pour un morceau de XML. Ce morceau peut être soit directement donné dans la déclaration, soit être le contenu d'un fichier. Cette dernière version permet ainsi d'inclure des fichiers dans le document.

La syntaxe de la déclaration est l'une des trois suivantes:
Exemple 7 

<!ENTITY Arl "Arleston">
signifie que l'entité &Arl; sera remplacée par le texte "Arleston".

 

<!ENTITY Tar "<dessinateur>Tarquin</dessinateur>">


signifie que l'entité &Tar; sera remplacée par un élément dessinateur ayant un enfant qui est un noeud texte ayant comme valeur "Tarquin".
Exemple 8 Document XML avec DTD correspondant à l'exemple 1 d'arbre XML mais cette fois ci avec une DTD définie dans le document lui-même. On peut noter que les entités &Arl; et &Tar; qui sont définies dans cette DTD sont utilisées dans le document.

 

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE collection 
[
<!ELEMENT collection (serie*)>
<!ELEMENT serie (tome+,editeur?)>
<!ATTLIST serie nom CDATA #REQUIRED>
<!ELEMENT tome (scenariste?,dessinateur?,titre)>
<!ATTLIST tome numero CDATA #REQUIRED>
<!ELEMENT scenariste (#PCDATA)>
<!ELEMENT dessinateur (#PCDATA)>
<!ELEMENT titre (#PCDATA)>
<!ELEMENT editeur EMPTY>
<!ATTLIST editeur nom CDATA #REQUIRED adresse CDATA #IMPLIED>
<!ENTITY Arl "Arleston">
<!ENTITY Tar "<dessinateur>Tarquin</dessinateur>">
]
>
<collection>
  <serie nom="Lanfeust de Troy">
    <tome numero="1">
      <scenariste>&Arl;</scenariste>
      &Tar;
      <titre>L&apos;ivoire du Magohamoth</titre>
    </tome>
    <tome numero="2">
      &Tar;
      <titre><![CDATA[Thanos l'incongru]]></titre>
    </tome>
    <editeur nom="Soleil"/>
  </serie>
  <serie nom="Calvin &amp; Hobbes">
    <tome numero="1">
      <titre>Adieu, monde cruel</titre>
    </tome>
  </serie>
</collection>


Un document XML est dit valide si son contenu respecte les déclarations de la DTD. Ainsi le document défini dans l'exemple 8 est valide.

==== Espaces de nommage (Namespaces) ==== En programmation, il arrive fréquemment que deux fonctions de deux bibliothèques différentes portent le même nom. De nombreux langages mettent à disposition du programmeur des mécanismes permettant de lever l'ambiguïté qui en résulte. On peut par exemple citer le système de modules de Python ou encore le système de paquets en Java.

Ce problème de nommage peut également survenir en XML, en particulier lorsque l'on cherche à manipuler plusieurs documents simultanément. Par exemple, supposons que l'on accède simultanément à un magasin de vente de livres d'occasion et à une encyclopédie sur la littérature. Supposons que l'on aie un élément annee pour les livres vendus qui correspond à l'année d'impression du livre et un élément annee dans l'encyclopédie qui correspond à l'année de première parution d'un livre. La signification de ces deux éléments est différente et on aimerait pouvoir les distinguer.

Les espaces de nommage (en anglais namespaces) correspondent à des regroupement d'élément. Ils se présentent sous la forme d'URIs, en général des URLs. Le nom complet d'un élément est composé de son espace de nommage et de son nom local.

Exemple 9 Dans le cadre du magasin en ligne on peut prendre comme espace de nommage l'URL du site internet du dit magasin
ex: http://www.livres-pas-chers.com

De même on peut utiliser l'URL du site de l'encyclopédie
ex: http://toutsurleslivres.org


Il se peut également qu'un nom ne soit dans aucun espace de nommage auquel cas sont nom complet se résume à son nom local. C'est le cas des documents que nous avons vu jusqu'ici.

Déclarations des espaces de nommage

Les espaces de nommage peuvent s'utiliser de deux manières: soit en spécifiant un nom logique pour un espace de nommage, soit en spécifiant un espace de nommage par défaut.

La spécification d'un espace de nommage par défaut se fait en utilisant l'attribut spécial xmlns. La valeur de cet attribut est prise comme espace de nommage par défaut pour l'élément de l'attribut, ainsi que pour tous ses éléments descendants (mais pas pour les attributs).

Exemple 10 Dans le document 

<livres xmlns="http://www.livres-pas-chers.com">
  <livre>
    <auteur>Stephen King</auteur>
    <titre>Le fléau</titre>
    <annee>2003</annee> <!-- ici c'est l'année d'édition !!! -->
    <prix>5.3</prix>
  </livre>
</livres>
tous les noms d'éléments sont dans l'espace de nommage “http://www.livres-pas-chers.com”.


L'autre manière d'utiliser les espaces de nommage consiste à leur associer un (ou même plusieurs) nom logique, également appelé préfixe d'espace de nommage (namespace prefix). Ils se déclarent en utilisant un attribut de la forme xmlns:prefix, où prefix est le préfixe que l'on souhaite associer à l'espace de nommage. Comme pour le cas précédent, la valeur de cet attribut spécifie l'espace de nommage concerné. On peut ensuite spécifier au coup par coup un espace de nommage pour un élément ou un attribut en utilisant la notation prefix:nom où prefix est un préfixe d'espace de nommage et où nom est le nom local de l'élément. Cette notation est appelée nom qualifié (qualified name). La portée de la déclaration est l'élément, ainsi que ses descendants.

Exemple 11 On reprend le document précédent et on l'enrichit quelque peu: 

<livres xmlns="http://www.livres-pas-chers.com">
  <livre xmlns:encyclo="http://toutsurleslivres.org">
    <auteur>Stephen King</auteur>
    <titre>Le fléau</titre>
    <annee>2003</annee> <!-- ici c'est l'année d'édition -->
    <encyclo:annee>1978</encyclo:annee> 
      <!-- ici c'est l'année de première parution -->
    <prix>5.3</prix>
  </livre>
</livres>
tous les noms d'éléments sont dans l'espace de nommage “http://www.livres-pas-chers.com”, sauf le deuxième élément annee, qui, lui, est dans l'espace de nommage “http://toutsurleslivres.org”.


Afin de connaître l'espace de nommage associé à un nom, on peut procéder comme suit: