D.U. 2003-04 1

Introduction à XML

Université Paris II & LRI

Michel de Rougemont

mdr@lri.fr

http://www.lri.fr/~mdr

1. Introduction à XML 2. DTD3. XSL : style généralisant CSS4. XSLT : transformations d’arbres5. Propriétés régulières et automates

d’arbres

D.U. 2003-04 2

XML

• eXtensible Markup Language

• "successeur" de HTML

• héritier de SGML

• Standard d’échange (EDI)

• Documents structurés

• Principe de base. Séparer– Structure d ’un document: DTD– Contenu: arbre d’éléments– Affichage de ce que l’on souhaite

• XSL,XSLT, XQuery

D.U. 2003-04 3

Le monde XML

• Historique– "successeur" de HTML– héritier de SGML

• Structure DTD– Espaces Nominaux

• Contenu du document• XSL: style d’affichage

– XSLT – XPATH

• Permet de rechercher une information en utilisant la structure.

• Valeur du document?

Exemple de document

Saint Pétaouchnoque,Le 30 nivose 2004

Editions Duschmol,12 rue SchmurzYT123 Rapis

WindStar 2000Les rosières en bugetAB562 Saint Pétaouchnoque

Tel: 012133564Fax: 879765426

Objet: ben quoi?

Monsieur,

Bla bla bli, bli blo bla, kkkk vhlg vckjdhklbg fdskjbvhv feje slc ifehfe fhckh c jeflccj n khef iheznf jùkvbc lkhdklvn v

Veuillez agréer patati patata vachement sincères.

signature

Pied de page

Logo

Date

Destinataire

Corps

Pied de page

En-tête

Objet

Salutation

Formule depolitesse

Signature

Représentation XML

…<date> 30 Nivose 2004 </date>

<salutation> Monsieur, </salutation>

<corps> <para> Premier paragraphe </para> <para> et là le deuxième </para></corps>

</lettre>

<lettre><entete> <logo loc="logo-graph.vml"/> <adresse> &abrev-adresse; </adresse></entete><destinataire> <nom> Mr Schnock </nom> <adresse> <rue> rue des églantiers </rue> <ville> Saint Glin </ville> </adresse></destinataire><objet> bla bla </objet>…

D.U. 2003-04 6

Points importants

• La représentation de cette lettre en XML ne comporte aucune indication sur sa mise en page.

• De nombreuses propriétés graphiques ou typographiques sont absentes du source XML.

• Ces propriétés seront définies par l'intermédiaire d'une feuille de style.

• Une feuille de style est un ensemble de règles pour spécifier la réalisation concrète d'un document sur un média particulier.

D.U. 2003-04 7

Exemples de documents XML

<?xml version="1.0" standalone="yes" ?> <document> <salutation> Bonjour! </salutation> </document>

<document> <salutation> Bonjour! </salutation> </document>

<document> </document>

<d/>

<document> Bonjour! </document>

D.U. 2003-04 8

Structure d’un document

• Un document XML se compose– d’un prologue, éventuellement

vide

– d’un arbre d’éléments

– de commentaires et d’instructions de traitement, facultatifs

<?xml version="1.0" standalone="yes" ?>

<document> <salutation> Bonjour! </salutation> </document>

D.U. 2003-04 9

Prologue

• Une déclaration XML, facultative– de la forme:<?xml version="1.0" encoding="ISO-8859-1"

standalone="yes">

– indique au processeur qui va traiter le document:

• la version du langage XML utilisée• le codage de caractères utilisé• l'existence de déclarations extérieures au

document

• Une déclaration de type de document, facultative– de la forme<!DOCTYPE exemple SYSTEM "exemple.dtd"

[ déclarations ]>

– indique la structure particulière à laquelle doit se conformer un document

D.U. 2003-04 10

Structure d'une DTD

• Une DTD peut comprendre deux parties– une partie externe

• la partie externe est définie en dehors du document. Elle est référencée par une référence DTD, le plus souvent un URL. Ce mécanisme permet d'assurer une réutilisation de DTDs souvent utilisées.

– une partie interne• utilisée pour spécialiser une DTD

externe générique ou redéfinir certains types d'éléments

D.U. 2003-04 11

Structure d'un élément (1)

• Un élément est de la forme:<nom attr='valeur'> contenu </nom>

• <nom> est la balise d'ouverture• </nom> est la balise de fermeture. Sa présence est

obligatoire, à l'exception très particulière des éléments vides, notés indifféremment <nom> </nom> ou <nom/> .

• contenu est le contenu d'un élément . Il peut s'agir:

• attr='valeur' représente un ensemble éventuellement vide d'attributs, c'est à dire de paires (nom,valeur). Un élément ne peut posséder qu'un seul attribut de nom donné.

– de vide

– de texte

– d'autres éléments

– d'une imbrication de texte et d'éléments

– d'instructions de traitement

– de commentaires

D.U. 2003-04 12

Structure d'un élément (2)

• Un nom d'élément est une suite non vide de caractères pris parmi

– les caractères alphanumériques– le tiret-souligné (undescore)– le signe moins– le point– le caractère deux-points (:) est utilisable, mais il a un sens

particulier

• qui doit satisfaire les contraintes suivantes– le premier caractère doit être alphabétique ou un tiret-

souligné– les trois premiers caractères ne doivent pas former une

chaîne dont la représentation en lettres minuscules est "xml".

Exemples de noms d'éléments

corrects incorrects

_toto

Nom_société

xsl:rule

X.11

1998-catalogue

XmlSpécifification

nom société

D.U. 2003-04 13

Syntaxe des attributs

• Un attribut est une paire nom='valeur' qui permet de caractériser un élément. Un élément peut avoir plusieurs attributs. Dans ce cas, les paires nom='valeur' seront séparées par un espace.

• Exemples– <rapport langue='fr' dern-modif='08/07/99'>

– <annuaire generator='SQL2XML V2.0' last-update="07.08.99">

• Le nom d'un attribut obéit aux mêmes règles que le nom d'un élément

• La valeur d'un attribut est une chaîne encadrée par des guillemets (") ou des apostrophes simples (').

D.U. 2003-04 14

Arbre d'éléments

Dire qu'un document XML contient un arbre d'éléments, c'est imposer les contraintes suivantes:– Il existe dans un document un et

un seul élément père qui contient tous les autres. C'est l'élément racine du document.

– Tout élément distinct de la racine est totalement inclus dans son père. Il ne peut donc y avoir recouvrement partiel. Ainsi:

<p> <b> bla bla </p> bla </b>

n'est pas une structure XML.

D.U. 2003-04 15

Documents bien formés

• Un document est dit bien formé si:– son prologue ne contient pas de

déclaration de type de document– il contient un arbre d'éléments– Exemple

<?xml version="1.0" standalone="yes" ?>

<document>

<salutation>

Bonjour!

</salutation>

</document>

D.U. 2003-04 16

Documents valides

• Un document est dit valide si:– son prologue contient une déclaration de type de

document

– son arbre d'éléments respecte la structure définie par la déclaration de type

<?xml version="1.0" encoding="ISO-8859-1" standalone="yes" ?>

<!DOCTYPE document [ <!ELEMENT document (salutation)> <!ELEMENT salutation (#PCDATA)>]><document> <salutation> Bonjour! </salutation>

</document>

D.U. 2003-04 17

Notion de DTD

• Un document valide doit contenir une Déclaration de Type de Document ou DTD. Cette déclaration peut faire référence, par l'intermédiaire d'une URL à un fichier externe.

<?xml version="1.0" encoding="ISO-8859-1" standalone="yes" ?> <!DOCTYPE document SYSTEM "accueil.dtd"><document> <salutation> Bonjour! </salutation> </document>

<!–- fichier accueil.dtd. Exemple de DTD simple --><!–- Auteur: --><!–- Date: -->

<!–- la déclaration XML n'est pas obligatoire dans une DTD --><!–- permet de s'assurer que les documents qui la référence --> <!–- utilisent la même version de XML --> <?xml version="1.0" encoding="ISO-8859-1" standalone="yes" ?>

<!–- Définition de l'élément racine --><!ELEMENT document (salutation)>

<!–- Un élément salutation ne contient que du texte --><!ELEMENT salutation (#PCDATA)>

D.U. 2003-04 18

Contenu d'une DTD

• Une DTD peut contenir des déclarations– d'éléments– de listes d'attributs– d'entités générales– d'entités paramètres– de notations

• ainsi que des commentaires

D.U. 2003-04 19

Déclaration d'élément

• Une déclaration d'élément est de la forme<!ELEMENT nom modèle>– ELEMENT est un mot-clef et s'écrit

impérativement en majuscules– nom est un nom valide d'un élément– modèle est le modèle de contenu de

cet élément. On distingue cinq modèles de contenu

• éléments• données• mixte• libre• vide

D.U. 2003-04 20

Modèle de contenu éléments (1/2)

• Séquence d'éléments fils ( .., .., ..)– Exemple

<!ELEMENT chapitre (titre,intro,section)>

• Un élément chapitre doit contenir, impérativement et dans cet ordre, un sous-élément titre, intro et section.

• Alternative ( ..| ..| ..)– Exemple

<!ELEMENT chapitre (titre,intro,(section|sections))>

• Indicateurs d'occurrence *,+,?Un nom d'élément apparaissant dans le modèle d'un élément

père peut-être suffixé par un indicateur d'occurrence.p* : p peut apparaître zéro, une ou plusieurs fois dans le

contenu d'une instance

p+ : p peut apparaître une ou plusieurs fois

p? : p peut apparaître zéro ou une fois

D.U. 2003-04 21

Exemple simple

Livre.dtd.<?xml version='1.0' ?>

<!ELEMENT livre (chapitre*,titre,auteur)><!ELEMENT chapitre (titre,para*)><!ELEMENT titre (#PCDATA)><!ELEMENT para (#PCDATA)><!ELEMENT auteur (#PCDATA)

s1.xml<?xml version='1.0' ?><!DOCTYPE livre SYSTEM 'livre.dtd' [ <!ENTITY ionesco SYSTEM 'ionesco.xml'>]><?xml:stylesheet type="text/xsl" href="s1.xsl"?

><livre>&ionesco;</livre>

s1.xsl <?xml version='1.0' ?><xsl:stylesheet

xmlns:xsl='http://www.w3.org/1999/XSL/Transform'version='1.0'>

<xsl:template match='/'> <xsl:apply-templates/></xsl:template><xsl:template match='chapitre/titre'> <h1><xsl:value-of select='.'/></h1></xsl:template></xsl:stylesheet>

D.U. 2003-04 22

Modèle de contenu éléments (2/2)

• Exemples<!ELEMENT chapitre (

titre,

intro?,

section+ ) >

<!ELEMENT section (

titre-section,

texte-section ) >

<!ELEMENT texte-section (p|a)* >

D.U. 2003-04 23

Modèle de contenu données

• La présence de données dans le contenu d'un élément est spécifiée par le mot-clé #PCDATA

• Exemple<!ELEMENT p (#PCDATA) >

D.U. 2003-04 24

Modèle de contenu mixte

• Ce modèle permet de définir des modèles de contenu autorisant de mêler données et éléments

• Forme du modèle(#PCDATA | nom1 | …|nomn)*

• Exemples de déclarations<!ELEMENT p

(#PCDATA | em | exposant | indice | renvoi)* >

<!ELEMENT em (#PCDATA|exposant|indice)* >

<!ELEMENT exposant (#PCDATA) >

<!ELEMENT indice (#PCDATA) >

• Exemple d'utilisation <p> un paragraphe peut contenir du

texte <em> mis en évidence </em> ou en <exposant> exposant </exposant></p>

D.U. 2003-04 25

Modèle de contenu libre (1/2)

• Un élément peut être défini comme ayant un contenu quelconque, sous réserve que ce contenu respecte les règles générales du langage XML.

• Exemple<!ELEMENT foo ANY>

• Pour que le contenu d'un élément de modèle de contenu libre soit valide, il faut que, s'il contient des éléments, ceux-ci soient déclarés dans la DTD

D.U. 2003-04 26

Modèle de contenu libre (2/2)

• Utilité: ce modèle de contenu est particulièrement utile lors de la création d'un DTD complexe

• Exemple<!ELEMENT rapport ANY>

<!ELEMENT chapitre ANY>

<!ELEMENT section ANY>

<!ELEMENT titre-section ANY>

<!ELEMENT illustration ANY>

<!ELEMENT bibliographie ANY>

<!ELEMENT table-matieres ANY>

<!ELEMENT index ANY>

<!ELEMENT p ANY>

<!ELEMENT em (#PCDATA)>

<!ELEMENT titre (#PCDATA)>

<!ELEMENT auteur (prenom+,nom)>

<!ELEMENT nom (#PCDATA)>

<!ELEMENT prenom (#PCDATA)>

Saint Pétaouchnoque,Le 30 nivose 2004

Editions Duschmol,12 rue SchmurzYT123 Rapis

WindStar 2000Les rosières en bugetAB562 Saint Pétaouchnoque

Tel: 012133564Fax: 879765426

Objet: ben quoi?

Monsieur,

Bla bla bli, bli blo bla, kkkk vhlg vckjdhklbg fdskjbvhv feje slc ifehfe fhckh c jeflccj n khef iheznf jùkvbc lkhdklvn v

Veuillez agréer patati patata vachement sincères.

signature

Pied de page

<lettre> <entete> . . . </entete>

<corps> . . . </corps></lettre>

Si lettre alors enfantsSi entete alors …Si corps alors

enfants paraSi para alors

Police new roman,

taille 12, décaler

première ligne

Si … alors …

Principe de fonctionnement desfeuilles de style

D.U. 2003-04 28

CSS et XSL

<style type="text/css"><!--A:link{ COLOR: #B90000;TEXT-DECORATION: none}A:visited{COLOR: #B90000; TEXT-DECORATION: none}A:active{COLOR: #B90000;TEXT-DECORATION: none}

.textredcenter{ FONT-FAMILY: Verdana, Helvetica, arial, Geneva, SansSerif;FONT-SIZE:

11px;LINE-HEIGHT: 14px;TEXT-ALIGN: center;COLOR: #B90000;font-style: normal; font-weight: normal}

#layerinfo { position:absolute; height:235px; left:10px;top: 80px; z-index:10 }

AUTEUR { FONT-FAMILY: Verdana, Helvetica, arial, Geneva, SansSerif;FONT-SIZE: 11px;

• .

XSL, règles: (extrait de s3.xsl )<xsl:template mode='sommaire' match='chapitre'> <h2> <xsl:number/> - <xsl:value-of select="titre" /> </h2></xsl:template>

D.U. 2003-04 29

XML généralise de HTML

• HTML Hypertext Markup Language.• Un ensemble prédéfini et limité de balises,

défini par une norme (HTML 2.0, 3.2, 4.0).

• Ces balises ont des sémantiques variées:– h1,..,h6, title, address, … donnent des

indications structurelles– center,hr,b,i,big,small,… ne servent

qu'à décrire une mise en page.

• XSL permet de modifier l’ordre d’affichage

D.U. 2003-04 30

Transformation de documents

• Le Web présente de multiples cas de transformation– Formatage

– Réutilisation de document

– Adaptation aux appareils de présentation

– Conversion de format, par exemple XML vers HTML

• Trois approches– Des programmes utilisant le DOM

– Les feuilles de transformation XSLT

– Le langage de requêtes XQuery

D.U. 2003-04 31

XSLT

• Langage de transformation• « le Perl de XML »• Une feuille de transformation XSLT

contient un ensemble de règles pattern/template

• Pattern – Contexte structurel dans l'arbre source – Expression XPath

• Template – Un fragment du résultat à produire pour le

pattern correspondant

• Principe– Quand le pattern est reconnu dans le document

source, le template correspondant est engendré dans le document résultat

D.U. 2003-04 32

XQuery

• « le SQL de XML »• Un modèle de données pour les

documents XML • Un ensemble d'opérateurs sur ce

modèle (algèbre) • Un langage de requête fondé sur ces

opérateurs (syntaxe) • Les requêtes XQuery

– Peuvent sélectionner des documents entiers ou des sous-arbres qui répondent à la requête

– Peuvent construire des documents nouveaux fondés sur ce qui est sélectionné

D.U. 2003-04 33

• Tree-automata• Logical definability on trees• Tree grammar• Regular expression

A DTD is a special tree regular expression.

A parser (Xerces for example) is a special tree automaton.

A query language is a formal language on classes of structured trees. Monadic Second-Order Logic captures the regular trees.

Open problem: robustness, typing (schemas) …..

Foundations of XML

D.U. 2003-04 34

• Tree-automata• Logical definability on trees• Tree grammar• Regular expression

Tree properties

r(a,b(a,b(a,b(a,b(a,b(a,b)....) r(a(a,b(a,b(a(a,b),b)....),b)

D.U. 2003-04 35

• (q0, q0) q1• (q0,q1) q1

Tree automata

q0 q0

q0

q0

q0

q0

q1

q1

q1

q1

q1

q0 q0

q0q1

q2

(q1,q1)q2

(q1,q0)q2

(q2,-) q2

(-,q2) q2)1,,0,( qqQA

D.U. 2003-04 36

• Logical definability on a class K of trees

Tree properties

),,

)],,(),([(

)],([(,

tztrEzrEtz

tztyEzyEtzzyEzyEzyxE

zyEzyEzyxEyx

ba

babab

baa

),,,,( rEEDT ba

Equivalence of :•Automata definable•Monadic Second-order•Regular

D.U. 2003-04 37

Conclusion

• XML : standard pour les documents WEB

• Manipulation d’arbres réguliers– DTD=Automate=Expression

régulière.

• Arbres:– Les arbres réguliers sont testables– On peut les corriger et fonder une

notion de valeur relative.