Introduction à XML: Définition de Types de Documents

Définition de Types de Documents (DTD)

Les entités paramétriques

Servent à définir des symboles qui seront utilisés ailleurs dans la DTD. Ce sont en quelque sorte des raccourcis d'écriture: partout où une entité est mentionnée, elle peut être remplacée par la chaîne de caractères qui lui est associée. Ce mécanisme s'apparente à un mécanisme de "macro".
Note: les entités paramétriques ne peuvent pas être utilisées en dehors d'une DTD
exemple tiré de la spécification du langage HTML:
<!ENTITY % heading "H1|H2|H3|H4|H5|H6">
l'exemple ci-dessus a pour effet d'indiquer au système que toute occurence de %heading; doit être remplacée par H1|H2|H3|H4|H5|H6
ce mécanisme peut aussi servir à utiliser un nom relativement compréhensible en lieu et place d'une séquence de caractères peu évocatrice.
la définition d'une entité peut elle-même faire référence à d'autres entités. La substitution est alors effectuée récursivement. Par exemple, avec les définitions supplémentaires suivantes:
<!ENTITY % list "UL | OL">

<!ENTITY % preformatted "PRE">

<!ENTITY % block
"P | %heading; | %list; | %preformatted; | DL | DIV | NOSCRIPT | BLOCKQUOTE | FORM | HR | TABLE | FIELDSET | ADDRESS">
l'entité %block; sera définie comme "P | H1 | H2 | H3 | H4 | H5 | H6 | UL | OL | PRE | DL | DIV | NOSCRIPT | BLOCKQUOTE | FORM | HR | TABLE | FIELDSET | ADDRESS"

Les entités de caractères

Servent à donner un nom facilement lisible à des caractères qui ne sont peut-être pas représentables dans l'alphabet utilisé, ou qui ne sont pas disponibles au clavier.
Exemples tiré de la spécification du langage HTML:
<!ENTITY nbsp " ">
<!ENTITY iexcl "¡">
Note: voir plus bas la façon d'utiliser les entités ISO-Latin 1 en XML
Les entités de caractères définies dans une DTD peuvent être utilisées dans un document XML référençant cette DTD à l'aide de la notation &NomEntité;

Entités internes

Symboles pouvant être définis dans une DTD et utilisés dans un document XML comme raccourcis d'écriture. La définition complète du symbole est entièrement incluse dans la DTD. Exemple:

fichier de DTD:
<!ENTITY DDT "Dichlorodiphenyltrichloréthane">
fichier XML:
Le @DDT; est un pesticide qui a abondamment polué la chaîne alimentaire...
résultat pour l'application traitant le document (p.ex. un butineur):
Le Dichlorodiphenyltrichloréthane est un pesticide qui a abondamment polué la chaîne alimentaire...

Entités externes

Symboles pouvant être définis dans une DTD et utilisés dans un document XML, mais dont le contenu se trouve dans un fichier externe à la DTD. Exemple:

fichier de DTD:
<!ENTITY Inclusion SYSTEM "FichierContenantDuXml.xml">
fichier XML utilisant l'entité (le contenu de FichierContenantDuXml.xml y sera inséré):
<balise>... &Inclusion; ...</balise>
Symboles pouvant être définis dans une autre DTD et utilisés dans la DTD courante:

référence à la DTD externe:
<!ENTITY % Inclusion SYSTEM "FichierContenantLaDTD.dtd">
importation du contenu de la DTD externe dans la DTD courante:
%Inclusion;

Note: il semble qu'il n'y ait pas le concept d'espace de noms pour les DTDs. Quand on importe une DTD externe dans la DTD courante, les symboles définis dans la DTD externe deviennent accessibles de la même façon que les symboles définis de manière interne. Il y a donc risque de collision de noms si la DTD externe emploie un ou plusieurs symboles identiques à ceux de la DTD courante.

Les éléments

Servent à définir des balises du langage que l'on veut créer. Chaque balise du langage devra faire l'objet d'une définition d'élément
La définition d'un élément contient deux parties: nom de l'élément et contenu autorisé.

Exemple tiré de la spécification du langage HTML:

<!ELEMENT UL (LI)+>
<!ELEMENT IMG EMPTY>

Nom de la balise type de contenu entre balise de début et de fin

<!ELEMENT UL (LI)+ >

<!ELEMENT IMG EMPTY >

<!ELEMENT BR EMPTY >

la notation utilisée pour définir le type de contenu d'un élément est définie ainsi:

( )	les parenthèses n'ont pas de signification en elles-mêmes. Elles servent à regrouper, par exemple pour faire porter l'effet d'un signe sur l'ensemble du contenu des parenthèses, par exemple (LI)+, ou pour énumérer une série d'alternatives, par exemple (H1 \| H2 \| H3 \| H4 \| H5 \| H6).
Nom	la présence d'un nom d'élément indique que cet élément doit se trouver entre la balise de début et la balise de fin de l'élément courant
+	Ce qui précède doit être présent une ou plusieurs fois. Par exemple, (LI)+ signifie que l'élément LI doit être présent au moins une fois et peut être présent plusieurs fois dans un élément UL.
?	Ce qui précède doit être présent au plus une fois. Par exemple <!ELEMENT table (caption?, (col\|colgroup), thead?, tfoot?, (tbody+\|tr+))> indique que l'élément caption peut être présent au plus une fois dans l'élément table
*	Ce qui précède peut être présent zéro, une ou plusieurs fois
-(...)	Ce qui est entre parenthèses ne doit pas être présent. Par exemple <!ELEMENT A (%inline;)* -(A)> indique que l'élément A (pour ancrer une référence hypertexte) peut contenir ce qui est défini par l'entité %inline; mais ne doit pas contenir d'autres éléments A
X\|Y	Soit X soit Y doit être présent, mais pas les deux
X,Y	X et Y doivent être présents dans l'ordre indiqué
EMPTY	le mot réservé EMPTY indique que l'élément en question ne peut pas avoir de contenu. Généralement, l'élément est composé d'une seule balise, comme par exemple BR ou IMG (voir exemple plus haut)
#PCDATA	"Parseable Character Data" indique que le contenu est une suite de caractères. Si #PCDATA est un contenu possible parmi plusieurs, l'élément est dit "à contenu mixte". #PCDATA doit alors être la première des alternatives listées et le groupe d'alternatives doit être optionnel (c-à-d pouvoir apparaître zéro, une ou plusieurs fois. L'astérisque ou le point d'interrogation peuvent être utilisés à cet effet. Exemple: <!ELEMENT title (#PCDATA)>
ANY	le mot réservé ANY indique que l'élément en question peut avoir n'importe quel contenu.

Note: Si le contenu d'un élément doit combiner du texte simple et des sous-éléments, le contenu est dit "mixte" et la définition du contenu ne peut imposer ni l'ordre des sous-éléments ni leur nombre (utilisation du * sur l'ensemble de l'alternative). De plus, l'alternative #PCDATA doit apparaître en premier. Exemple:

<!ELEMENT texte (#PCDATA|grand|image)*>

Les attributs

on associe généralement à chaque déclaration d'élément une déclaration des attributs qu'il peut avoir:

<!ATTLIST NomDElement
NomDAttribut TypeValeurOuEnumeration Defaut
NomDAttribut TypeValeurOuEnumeration Defaut
... >

Le type de valeur d'un attribut peut être:

CDATA pour indiquer que la valeur de l'attribut est une séquence de caractères (y compris des entités de caractères)

ID pour indiquer que la valeur de l'attribut est un symbole commençant par une lettre et ne contenant que des lettres, des chiffres, ou les caractères - _ : et . (la valeur doit être unique sur l'ensemble d'un document)

IDREF pour indiquer que la valeur de l'attribut est un symbole défini comme valeur de l'attribut ID d'un autre élément de document

IDREFS comme IDREF, mais plusieurs valeurs séparées par des espaces sont autorisées

ENTITY
ENTITIES
NMTOKEN
NMTOKENS pour utilisateurs avancés (pas abordés dans le cadre de ce cours)

énumération une énumération de valeurs possibles se fait en mettant entre parenthèses les valeurs séparées par des |. Exemple:
<!ATTLIST TD
valign (top|middle|bottom|baseline) #IMPLIED
... >

CDATA	pour indiquer que la valeur de l'attribut est une séquence de caractères (y compris des entités de caractères)
ID	pour indiquer que la valeur de l'attribut est un symbole commençant par une lettre et ne contenant que des lettres, des chiffres, ou les caractères - _ : et . (la valeur doit être unique sur l'ensemble d'un document)
IDREF	pour indiquer que la valeur de l'attribut est un symbole défini comme valeur de l'attribut ID d'un autre élément de document
IDREFS	comme IDREF, mais plusieurs valeurs séparées par des espaces sont autorisées
ENTITY ENTITIES NMTOKEN NMTOKENS	pour utilisateurs avancés (pas abordés dans le cadre de ce cours)
énumération	une énumération de valeurs possibles se fait en mettant entre parenthèses les valeurs séparées par des \|. Exemple: <!ATTLIST TD valign (top\|middle\|bottom\|baseline) #IMPLIED ... >

Défaut indique ce qu'il doit advenir si l'attribut en question n'est pas utilisé. Il peut être:

Le symbole prédéfini #IMPLIED indique que l'application traitant le document fournira la valeur par défaut

Le symbole prédéfini #REQUIRED indique l'auteur du document doit définir l'attribut en question

Le symbole prédéfini #FIXED suivi d'une valeur (chaîne de caractères entre guillemets) indique que l'attribut ne peut prendre que la valeur mentionnée

Une des valeurs d'une énumération, ou une chaîne de caractères compatible avec le type associé à l'attribut indique qu'en l'absence d'indication explicite, l'attribut prendra la valeur indiquée ici

Il existe des noms d'attributs prédéfinis:

xml:lang	prend des valeurs de type code de langue (p.ex. en ou fr-CH)
xml:space	est de type énumération et ne peut prendre que les valeurs default (indique que l'application traitant le document xml peut traiter les espaces comme elle le désire) ou preserve (indique que l'application traitant le document xml doit conserver les espaces tels quels).

La déclaration des attributs d'un élément utilisant un de ces attributs prédéfinis doit explicitement mentionner l'attribut prédéfini. Par exemple:

<!ATTLIST UnElement xml:lang NMTOKEN 'en-US'>

<!ATTLIST pre xml:space (preserve) #FIXED ’preserve’>

Utilisation d'une DTD dans un document XML

Un document XML fait référence à une DTD par une déclaration du genre:
<!DOCTYPE NomDeLElementRacine SYSTEM "URLduFichierDeDTD">
Note: l'URL de la DTD peut être absolue ou relative.
Exemple: le fichier Test.xml (code XML correspondant) pourrait contenir
<?xml version="1.0" encoding="ISO-8859-1"?>
<!DOCTYPE TestLat1 SYSTEM "Lat1.dtd">
<TestLat1>texte contenant une série de lettres accentuées...</TestLat1>
et le fichier Lat1.dtd (code XML correspondant) pourrait contenir


<!ENTITY % HTMLlat1 PUBLIC "-//W3C//ENTITIES Latin 1 for XHTML//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml-lat1.ent">
%HTMLlat1;



<!ELEMENT TestLat1 (#PCDATA)*>
Note: d'une manière similaire, les entités définissant les caractères grecs et les symboles mathématiques peuvent être obtenues par:
<!ENTITY % HTMLsymbol PUBLIC "-//W3C//ENTITIES Symbols for XHTML//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml-symbol.ent">
%HTMLsymbol;

<!ENTITY % HTMLspecial PUBLIC "-//W3C//ENTITIES Special for XHTML//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml-special.ent">
%HTMLspecial;

Un document XML qui utilise une DTD publique développée par un organisme de standardisation y fait référence de la façon suivante:

<!DOCTYPE NomElementRacine PUBLIC "DetailsDeLaDTD" "URLFacultativeFichierDTD">

où "DetailsDeLaDTD" est de la forme:

"préfixe//auteur//description//CodeEn2LettresDeLaLangueUtilisée"

Le préfixe peut être:

ISO La DTD est un standard ISO

+ La DTD est un standard approuvé par une autre organisation de standardisation que l'ISO

- La DTD n'a pas été approuvée par une organisation de standardisation

ISO	La DTD est un standard ISO
+	La DTD est un standard approuvé par une autre organisation de standardisation que l'ISO
-	La DTD n'a pas été approuvée par une organisation de standardisation

Par exemple, pour XHTML (version de HTML conforme aux contraintes de XML):

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

indique que le consortium W3 est l'auteur de cette DTD, qui est rédigée en anglais (pour les commentaires).

Exemples

Si l'on reprend l'exemple de l'article vu au début, modifié pour utiliser la balise <img> d'HTML, la DTD pourrait être ainsi:

<!ENTITY % html PUBLIC
"-//W3C//XHTML//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
%html;


<!ELEMENT article (titre, auteur, date, lieu, texte)>
<!ELEMENT titre (#PCDATA)>
<!ELEMENT auteur (#PCDATA)>
<!ELEMENT date (#PCDATA)>
<!ELEMENT lieu (#PCDATA)>

<!ELEMENT texte (#PCDATA|grand|image)*>
<!ELEMENT grand (#PCDATA)>

<!ELEMENT image (img, (legende)?)>
<!ELEMENT legende (#PCDATA)>

Il n'est toutefois pas recommandé d'inclure ainsi la totalité de la DTD du langage HTML, car cela risquerait d'être assez "indigeste" pour le butineur. Le document XML pourrait être ainsi:

<?xml version="1.0" encoding="ISO-8859-1"?>
<!DOCTYPE article SYSTEM "Exemple.dtd">
<?xml-stylesheet type="text/css" href="Exemple.css"?>
<article xmlns:html="http://www.w3.org/Profiles/XHTML-transitional">
<titre>Un journaliste accuse, un policier dément</titre>
<auteur>Alain Connu</auteur>
<date>14 juin 1972</date>
<lieu>banquise</lieu>
<texte>
<grand>Un journaliste de la place accuse</grand>
les autorités ...
<image>
<html:img html:src="photo.gif" />
<legende>Legende de la photo</legende>
</image>
...
</texte>
</article>

document XML (code XML correspondant) - code de la DTD - code de la feuille de style CSS

DTD de XHTML, syntaxe stricte

	Nom de la balise	type de contenu entre balise de début et de fin
<!ELEMENT	UL	(LI)+	>
<!ELEMENT	IMG	EMPTY	>
<!ELEMENT	BR	EMPTY	>

Le symbole prédéfini #IMPLIED	indique que l'application traitant le document fournira la valeur par défaut
Le symbole prédéfini #REQUIRED	indique l'auteur du document doit définir l'attribut en question
Le symbole prédéfini #FIXED suivi d'une valeur (chaîne de caractères entre guillemets)	indique que l'attribut ne peut prendre que la valeur mentionnée
Une des valeurs d'une énumération, ou une chaîne de caractères compatible avec le type associé à l'attribut	indique qu'en l'absence d'indication explicite, l'attribut prendra la valeur indiquée ici

Introduction à XML - Université de Genève, CUI ©