Les règles de syntaxe qu’on a vu dans le cours précédent définissent le fait d’être bien formé :

• Le document commence par une déclaration XML.
• Le document a un unique élément racine.
• Les éléments et attributs ont des noms autorisés.
• Les éléments ont une balise de fermeture ou sont autofermants.
• Les éléments sont positionnés correctement (pas d’imbrication sans inclusion).
• Les valeurs d’attribut XML sont entre simple ' ou double " quotes.
• Les entités sont utilisées pour les caractères spéciaux.

Pour avoir une définition complète, mais très, très formelle : voir la spécification.

Si on lui donne l’entrée suivante, qu’en faire ?

<?xml version="1.0" encoding="UTF-8"?>
<bibliography>
<book>
  <title>Gender Trouble: Feminism and the Subversion of Identity</title>
</book>
</bibliography>

Le document est bien formé, mais il ne correspond pas aux attentes : il n’est pas valide

(Le terme n’est pas très heureux)

On dit qu’un document est valide s’il est conforme à une spécification qui décrit

• Les types d’éléments autorisés.
• Les attributs autorisés pour chaque type d’élément.
• Les usages autorisés pour les éléments, et notamment les structures.

Il existe plusieurs standard pour décrire une telle spécification : DTD, XML Schemas, RelaxNG, Schematron…

Ces langages modélisent des règles de validité plus ou moins précises et d’une manière plus ou moins lisible.

Valider un fichier XML, c’est le comparer à cette spécification à l’aide d’un outil qui indique

• Soit le document est valide, conforme aux règles,
• Soit il contient des erreurs comme : tel attribut de tel élément contient une valeur interdite par telle contrainte, il manque tel sous-élément ou attribut dans tel élément…

Dans ce cours, on se limitera aux DTD, plus anciennes et plus simples.

DTD interne ou externe

Une DTD peut être

• Interne, intégrée au document, entre [ ] :

  <!DOCTYPE itineraire [
  ...
  ]>

• Externe, dans un autre fichier, signalé par SYSTEM suivi de l’URL du fichier :

  <!DOCTYPE itineraire SYSTEM "itineraire.dtd">

• Mixte, il y a à la fois un fichier et des définitions locales :

  <!DOCTYPE itineraire SYSTEM "itineraire.dtd" [
  ...
  ]>

Une DTD externe peut être utilisée pour plusieurs fichiers XML, c’est donc ce qu’on utilise pour la plupart des applications.

Fichiers standalone

Vous trouverez parfois un attribut standalone valant "yes" ou "no" dans les prologues XML. Il est optionnel et présent uniquement quand il y a une DTD interne.

<?xml version="1.0" encoding="utf-8" standalone="yes"?>

• "no" (par défaut) : la DTD interne fournit les valeurs par défaut et les entités et il peut y avoir des définitions externes (SYSTEM).
• "yes” : la DTD interne ne sert que pour la validation et ne peut pas employer d’entités ou de règles externes. Le document XML et avec sa DTD interne est totalement indépendant.

Validateurs

De nombreux outils de validation existent, souvent associés à des éditeurs XML. Dans le cadre de ce cours, on peut utiliser l’extension XML de vscode ou se contenter d’un validateur simple comme https://www.truugo.com/xml_validator/.

Le nom présent après le mot-clé DOCTYPE indique la racine du document. C’est un élément qui est défini dans la DTD.

<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<!DOCTYPE itineraire [
<!ELEMENT itineraire (etape+)>
<!ATTLIST itineraire nom CDATA #IMPLIED>
<!ELEMENT etape (#PCDATA)>
<!ATTLIST etape distance CDATA #REQUIRED>
]>
<itineraire nom="essai">
<etape distance="0km">départ</etape>
<etape distance="1km">tourner à droite</etape>
</itineraire>

<!DOCTYPE itineraire définit la racine <itineraire>.

Éléments

La règle <!ELEMENT nom contenu> définit un élément : son nom et ce qu’il peut y avoir entre ses balises ouvrantes et fermantes.

La définition du contenu peut prendre différentes formes :

• EMPTY : signifie que l’élément doit être vide,
• ANY : signifie que l’élément peut contenir n’importe quels éléments (définis dans la DTD) et textes (leur ordre d’apparition et leur nombre ne seront pas testés),
• (#PCDATA) : signifie que l’élément ne contient que du texte,
• (définitions de sous-éléments) : spécifie les sous-éléments qui peuvent être employés.

Voici un exemple d’éléments simples :

<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<!DOCTYPE itineraire [
  <!ELEMENT itineraire ANY>
  <!ELEMENT boucle EMPTY>
  <!ELEMENT etape (#PCDATA)>
]>
<itineraire>
  <boucle/>
  <etape>départ</etape>
  <etape>tourner à droite</etape>
  <boucle></boucle>
  <itineraire/> <!-- c'est possible avec ANY -->
  <etape>tourner à gauche</etape>
</itineraire>

On peut restreindre les sous-éléments autorisés en donnant une liste ordonnée dans laquelle chaque sous-élément peut être suivi d’un quantificateur parmi *, + et ? pour indiquer des répétitions, comme dans les expressions régulières.

<!ELEMENT itineraire (boucle?, etape+, variante*)>

Se lit ainsi : l’élément <boucle> est en option, il doit être suivi d’au moins un <etape> puis de zéro ou plus <variante>.

La liste peut aussi contenir des alternatives notées ( contenu1 | contenu2 | … ) :

<!ELEMENT informations (topoguide | carte)>

signifie que l’élément <information> peut contenir soit un enfant <topoguide>, soit un enfant <carte>.

On peut grouper plusieurs séquences avec des parenthèses pour spécifier ce qu’on désire :

<!ELEMENT personne (titre?, (nom,prenom+) | (prenom+,nom))>

On peut aussi indiquer que l’élément peut contenir du texte ou des sous-éléments :

<!ELEMENT etape (#PCDATA | waypoint)* >

<etape>avancer tout droit</etape>
<etape><waypoint lon="3.1" lat="48.2"/></etape>
<etape><waypoint lon="3.2" lat="48.1"/>aller au phare</etape>

Attributs

On décrit un attribut avec une règle de la forme <!ATTLIST elem attr type valeur ...> :

• Le nom de l’élément concerné
• Le nom de l’attribut,
• Son type
• Sa valeur.
  • #REQUIRED en tant que valeur indique que l’attribut est obligatoire
  • #IMPLIED qu’il est optionnel,
  • Si on fournit une chaîne "…", c’est la valeur par défaut.

Types d’attributs

Il y a plusieurs types possibles, voici les plus utiles :

• CDATA l’attribut peut prendre n’importe quelle valeur texte. Ne pas confondre avec #PCDATA.
• (mot1|mot2|...) Cela force l’attribut à avoir l’une des valeurs de l’énumération.
• ID l’attribut est un identifiant XML
  • Sa valeur doit être une chaîne (pas un nombre) unique parmi tous les autres attributs de type ID du document.
  • Il ne peut y avoir qu’un seul attribut de type ID par élément.
• IDREF l’attribut doit être égal, dans le document XML, à l’identifiant d’un autre élément.

Entités

Les entités sont des symboles qui représentent des morceaux d’arbre XML ou des textes.

Attention une entité ne peut remplacer que du XML bien formé et complet ! Ceci n’est pas valide :

<?xml version="1.0" encoding="utf-8" standalone="yes"?>
  <!DOCTYPE itineraire [
  <!ELEMENT auteur ANY>
  <!ELEMENT etape ANY>
  <!ENTITY depart "<etape>Point de départ">
]>
<itineraire>
  &depart;</etape>
</itineraire>

Pour que ça le soit, c’est dans la définition de l’entité depart qu’il faut mettre </etape>