Introduction à XML
Par Victor Stinner
Date de publication : 16 septembre 2003
Dernière mise à jour : 7 mars 2013
Tutoriel d'introduction pour XML (eXtensible Markup Language).
Introduction à XML par Victor Stinner
I - Introduction..............................................................................................................................................................3
I-A - Qu'est-ce que c'est ?..................................................................................................................................... 3
I-B - Entête et encodage........................................................................................................................................3
I-C - Exemple......................................................................................................................................................... 3
I-D - Règles à respecter........................................................................................................................................ 3
II - Un exemple pour comprendre : un carnet d'adresse............................................................................................ 4
II-A - Représentation d'une personne.................................................................................................................... 4
II-B - Représentation du carnet d'adresse............................................................................................................. 5
III - Caractères spéciaux et CDATA............................................................................................................................ 5
IV - Conclusion............................................................................................................................................................ 6
IV-A - Avantages.................................................................................................................................................... 6
IV-B - Désavantages.............................................................................................................................................. 6
IV-C - Mon avis...................................................................................................................................................... 6
-2-
Les sources présentées sur cette page sont libres de droits et vous pouvez les utiliser à votre convenance. Par contre, la page de présentation constitue une œuvre intellectuelle protégée par
les droits d'auteur. Copyright ® 2013 Victor Stinner. Aucune reproduction, même partielle, ne peut être faite de ce site et de l'ensemble de son contenu : textes, documents, images, etc. sans
l'autorisation expresse de l'auteur. Sinon vous encourez selon la loi jusqu'à trois ans de prison et jusqu'à 300 000 € de dommages et intérêts. Cette page est déposée à la SACD.
[Link]
Introduction à XML par Victor Stinner
I - Introduction
I-A - Qu'est-ce que c'est ?
XML est l'abréviation de Extensible Markup Language. Contrairement aux « on dit », XML n'est pas un langage de
programmation. On ne peut pas faire de tests, ni inclure un fichier dans un autre. En très gros, XML sert uniquement
à stocker des données.
XML est simplement une méthode pour représenter les données. Celles-ci sont écrites entre des balises ou sous
forme d'attributs, et l'ensemble est écrit sous forme d'un arbre.
I-B - Entête et encodage
Les documents XML doivent posséder une première ligne qui est de la forme :
<?xml version="1.0" encoding="ISO-8859-1"?>
Cette ligne défini le numéro de version (ici 1.0), et l'encodage des caractères. Pour l'encodage, il existe
principalement :
• ISO-8859-1 : États-Unis et Europe de l'Ouest. C'est le plus simple pour écrire un document en Français car
les lettres accentuées ne prennent qu'un caractère (octet).
• UTF-8 : Format international qui permet d'écrire dans n'importe quelle langue. Chaque caractère à un codage
unique (Unicode). Les caractères latins (a-z et A-Z), chiffres arabes (0-9) et quelques autres caractères de
ponctuation française sont codés sur un seul octet. Les autres caractères sont codés sur plusieurs octets
(la taille peut varier de 2 à 4 caractères, peut-être plus ?). Les caractères accentués français prennent par
exemple deux octets. Voyez le site d'Unicode dans la liste des liens en bas de page.
Pour écrire et lire en UTF-8, vos logiciels doivent supporter l'UTF-8 ! Sinon les caractères
de plus d'un octet apparaîtront comme une chaîne de caractères bizarres.
I-C - Exemple
Exemple
<pere nom="Gilbert">
<fils nom="Victor">
C'est moi
</fils>
Mon père.
</pere>
Un document XML a une et une seule balise racine. Ici elle s'appelle « pere » :-) Une balise pour avoir un attribut,
comme ici un nom. Les attributs sont un nom (chaîne de lettres A à Z, minuscule ou majuscule) dont la valeur est
écrite en guillemets : nom="valeur". Une balise peut contenir du texte et/ou des balises "fils". On parle de balise
parent (parent en anglais), et enfants (childrens) en référence aux arbres généalogiques. Une balise peut également
être vide (ne contenir aucune données en dehors de son nom).
I-D - Règles à respecter
Pour écrire en XML, il existe quelques règles de base à respecter :
1 Un document XML ne contient qu'une balise racine (parent).
-3-
Les sources présentées sur cette page sont libres de droits et vous pouvez les utiliser à votre convenance. Par contre, la page de présentation constitue une œuvre intellectuelle protégée par
les droits d'auteur. Copyright ® 2013 Victor Stinner. Aucune reproduction, même partielle, ne peut être faite de ce site et de l'ensemble de son contenu : textes, documents, images, etc. sans
l'autorisation expresse de l'auteur. Sinon vous encourez selon la loi jusqu'à trois ans de prison et jusqu'à 300 000 € de dommages et intérêts. Cette page est déposée à la SACD.
[Link]
Introduction à XML par Victor Stinner
2 Une balise doit être refermée. Oubliez donc l'ancien HTML et ses balises fermées ou non, selon l'humeur du
[Link] :-) Exemple courant : la balise img (image) doit être refermée. On n'écrit plus
<img src="[Link]">
<img src="[Link]" />
3 Une balise vide peut s'écrire de différents manières. Prenons l'exemple de la balise HTML br. On peut l'écrire
sous trois formes différentes :
<br/>
<br />
<br></br>
4 Les espaces (l'indentation) n'est pris en compte que dans le contenu des balises (pas dans la zone entre
crochets < ... >).
<sac couleur="noir" marque="decathlon">
Mon sac de cours.
</sac>
<sac
couleur="noir"
marque="decathlon">
Mon sac de cours.
</sac>
<p>Une petite phrase pour remplir la balise p ...</p>.
<p>Une petite phrase
pour remplir
la balise p ...</p>
<p>
Une petite phrase pour remplir
la balise p ...
</p>
II - Un exemple pour comprendre : un carnet d'adresse
II-A - Représentation d'une personne
L'exemple bidon mais classique : un carnet d'adresse. On va stocker une liste de personnes dont on
possède différentes informations (nom, courriel, téléphone, etc.). Voyons déjà la représentation d'une personne.
Représentation intuitive :
<personne>
<nom>Victor STINNER</nom>
<email>[Link] SUR [Link]</email>
<adresse>282, 7e rue à Québec (CANADA)</adresse>
</personne>
Cette représentation a un gros désavantage : on ne peut différencier le nom du prénom, et on ne peut retrouver le
pays dans l'adresse. On peut alors utiliser une autre représentation :
<personne>
<nom>
<prenom>Victor</prenom>
<nom>STINNER</nom>
</nom>
<email>
<identifiant>[Link]</identifiant>
<serveur>[Link]</serveur>
</email>
<adresse>
-4-
Les sources présentées sur cette page sont libres de droits et vous pouvez les utiliser à votre convenance. Par contre, la page de présentation constitue une œuvre intellectuelle protégée par
les droits d'auteur. Copyright ® 2013 Victor Stinner. Aucune reproduction, même partielle, ne peut être faite de ce site et de l'ensemble de son contenu : textes, documents, images, etc. sans
l'autorisation expresse de l'auteur. Sinon vous encourez selon la loi jusqu'à trois ans de prison et jusqu'à 300 000 € de dommages et intérêts. Cette page est déposée à la SACD.
[Link]
Introduction à XML par Victor Stinner
<numero>282</numero>
<rue>7e rue</rue>
<ville>Québec</ville>
<pays>CANADA</pays>
</adresse>
</personne>
La même adresse prend beaucoup plus de place et est plus longue à écrire. L'avantage ? Et bien, on peut
correctement identifier les informations. On peut alors envisager d'effectuer un tri par nom, par prénom, par serveur
d'émail, par pays, etc. On peut également faire des recherches de personnes. On commence à voir se construire
l'arbre des données. Le pays est stocké dans la balise adresse, qui elle même est stockée dans la balise père
personne. Cette représentation est assez logique, et la localisation d'une balise (dans l'arbre XML) est une information
en elle même. On pourrait trouver plusieurs balises nom dans l'arbre qui n'auront pas forcément le même sens : nom
du carnet d'adresse, nom d'une personne, nom d'un groupe de personne, etc.
II-B - Représentation du carnet d'adresse
Maintenant qu'on a défini une personne, on va définir comment les personnes sont stockées dans le carnet d'adresse :
<carnet_adresse>
<groupe>
<nom>Amis</nom>
<personne>...</personne>
<personne>...</personne>
</groupe>
<groupe>
<nom>Travail</nom>
<personne>...</personne>
<personne>...</personne>
</groupe>
<groupe>
<nom>Famille</nom>
<personne>...</personne>
<personne>...</personne>
</groupe>
</carnet_adresse>
J'ai regroupé les personnes dans des groupes. Ceci rajoute une information supplémentaire sur une personne : on
sait à quel groupe de personnes elle appartient. J'ai donné un nom au groupe par une balise nom, mais on peut
également utilisé un attribut :
<groupe nom="Amis">
...
</groupe>
<groupe nom="Famille">
...
</groupe>
Le choix entre une balise ou un attribut est laissé au programmeur. En pratique, la technique pour accéder aux
données est assez semblable. Il faut par contre savoir qu'un attribut est unique, contrairement aux balises qui peuvent
être répétées. Note: On peut également limiter le nombre de balises autorisées par les DTD ou XML Schéma, mais
nous ne verrons pas ça dans cet article.
III - Caractères spéciaux et CDATA
Étant donné que les balises XML sont délimités par des crochets : '<' et '>', on ne peut pas écrire ces caractères
directement. Il faut les écrire, respectivement, < et >. Pour s'en rappeler, lt est l'abréviation de lower than (plus petit
que), et gt l'abréviation de greater than (plus grand que).
-5-
Les sources présentées sur cette page sont libres de droits et vous pouvez les utiliser à votre convenance. Par contre, la page de présentation constitue une œuvre intellectuelle protégée par
les droits d'auteur. Copyright ® 2013 Victor Stinner. Aucune reproduction, même partielle, ne peut être faite de ce site et de l'ensemble de son contenu : textes, documents, images, etc. sans
l'autorisation expresse de l'auteur. Sinon vous encourez selon la loi jusqu'à trois ans de prison et jusqu'à 300 000 € de dommages et intérêts. Cette page est déposée à la SACD.
[Link]
Introduction à XML par Victor Stinner
Autre solution : on peut écrire le code d'un caractère en décimal. Exemple : & représente le caractère &, code
38. Quelques codes utiles :
• 38 : caractère '&' (et commercial).
• 60 : caractère '<' (inférieur à).
• 62 : caractère '>' (supérieur à).
• 160 : caractère ' ' (espace). Ce caractère est représenté par la balise en HTML. Personnellement, je
l'ai abandonné au profit de la balises HTML pre.
Mais tout ceci est assez contraignant, plus particulièrement pour écrire du source (en langage C par exemple) qui
est rempli de ces caractères. On peut alors utiliser des sections CDATA. Il suffit d'ouvrir une section par la balise
<![CDATA[, et la refermer par ]]>. A l'intérieur d'une section CDATA, on peut utiliser les caractères spéciaux sans
problème. Par contre on ne peut pas y écrire ]]> qu'il faut écrire ]]>. Exemple de CDATA :
<p>Un peu de texte <b>HTML</b> qui ne sera pas mis en forme
car il est placé dans une section CDATA ;-)</p>
IV - Conclusion
IV-A - Avantages
1 Un document XML est hiérarchisé sous forme d'arbre. Cette représentation est logique est permet de faire
des recherches très pointues à l'intérieur d'un document XML.
2 Le nom des balises, leur quantité, ainsi que les attributs ne sont pas limités. Si on veut les limiter, on peut
passer par les DTD ou XML Schema.
3 Portabilité : un document XML est très portable et facilement lisible. Il existe des outils XML pour tous les
langages courants (C/C++, Java, PHP, etc.).
IV-B - Désavantages
• La forme est tellement libre, qu'on peut avoir des formats incompatibles. Ex: une information peut-être
stockée sous forme de balise, ou alors sous forme d'attribut dans deux documents différents. On peut utiliser
les DTD ou XML Schema pour empecher ces problèmes.
• Le XML utilisé sous forme de fichier peut générer des fichiers très gros et difficilement éditables à la main.
Pour des grands nombres d'enregistrement, un découpage en plusieurs fichiers ou l'utilisation d'une base de
donnée est nécessaire.
IV-C - Mon avis
Je pense que le format XML va être de plus en plus utilisé. Les disques durs et la mémoire sont de plus en plus gros,
et se soucie de moins en moins de la taille des fichiers. Aujourd'hui, ce qui devient important c'est de retrouver une
information dans une multitudes de documents. Le format XML est le début de la solution. D'un côté le XML est très
souple, de l'autre il est très portable et se forme est définie selon des règles strictes. Il permet l'interopérabilité dans
un environnement très hétérogène. Usez et abusez du XML, ce format a encore de beaux jours devant lui.
Le XML seul ne semble pas si intéressant. Il prend toute se puissant accompagné de son ami XSLT. Lisez rapidement
mon article sur XSLT pour définitivement franchir le pas !
-6-
Les sources présentées sur cette page sont libres de droits et vous pouvez les utiliser à votre convenance. Par contre, la page de présentation constitue une œuvre intellectuelle protégée par
les droits d'auteur. Copyright ® 2013 Victor Stinner. Aucune reproduction, même partielle, ne peut être faite de ce site et de l'ensemble de son contenu : textes, documents, images, etc. sans
l'autorisation expresse de l'auteur. Sinon vous encourez selon la loi jusqu'à trois ans de prison et jusqu'à 300 000 € de dommages et intérêts. Cette page est déposée à la SACD.
[Link]
