Installer sous Linux les outils en ligne de commande nommés recode, rxp, xmllint, xmlstarlet, xsltproc puis les modules XML::Parser, XML::Checker, XML::SAX, XML::Validator::Schema et XML::XSLT pour perl.
Où sont les pages d'aides associées ?
Vérifier que le script demoXml fourni dans l'archive demoXml.zip fournit les mêmes résultats que dans le listing de sortie demoXml.txt et que vous comprenez les affichages. On pourra essayer de retenir les principales options des outils en ligne de commande. On utilisera bien sûr les fichiers suivants :
On peut trouver la page d'aide pour xmlstarlet sur sourceforge : xmlstarlet-ug.html.
On peut trouver la page d'aide pour xsltproc sur le site xmlsoft : xsltproc2.html.
Pour perl, installer le module MMM peut se faire en ligne de commande via sudo perl -MCPAN -e 'install MODULE::MMM'.
Voir le détail des commentaires en haut du fichier demoXml.
La syntaxe de recode, qu'on installe par apt-get est la suivante : recode ISO-8859-15..UTF8 fichier.
La syntaxe de iconv qu'on installe par sudo apt-get install libc-bin est la suivante : iconv -f ISO_8859-15 -t UTF-8 fichier_original > fichier_modifié.
Le script iso2utf est donc tout simplement le fichier qui contient recode ISO-8859-15..UTF8 $1 rendu exécutable par chmod +x.
Pour être sûr que tout est bien installé, il faut exécuter les commandes suivantes
On veut modéliser des services dans une entreprise comme Achats, Direction, Courrier... Ecrire le fichier serv00.xml défini à l'aide des seuls éléments services et service ; les noms de services seront intégrés comme des contenus-texte d'éléments. Comment vérifier que le fichier est bien formé ? Ajouter le service Représentation après avoir remarqué qu'il y a un caractère accentué. On nommera serv01.xml le fichier avec accent.
Ecrire le fichier serv02.xml défini à l'aide des éléments services et service et du sous-élément nomDeService dont le contenu-texte est un nom de service puis écrire le fichier serv03.xml défini à l'aide des éléments services et service et de l'attribut nomDeService.
On décide maintenant d'ajouter un identifiant de service (comme pour une base de données). Faut-il utiliser l'initiale des services ou un entier auto-incrémenté ? Si on nomme numService cette donnée, comment l'implémenter ? Vous écrirez dans serv04.xml à partir de serv02.xml la solution avec sous-élément et dans serv05.xml la solution avec attribut. Y a-t-il pour l'instant une meilleure solution ?
Il est conseillé, lorsqu'on écrit un fichier XML «à la main» sous éditeur, d'adopter un standard d'écriture. Ainsi, dans serv00.xml et serv02.xml, il est maladroit de mettre des retours-charriot uniquement pour le service Courrier.
L'écriture de serv03.xml est encore plus maladroite : il existe deux façons de coder des éléments auto-fermants et il vaut mieux utiliser toujours le même même codage à l'intérieur d'un même fichier. De plus il doit en principe y avoir un espace devant le symbole / si on utilise le codage court, ce qui n'est pas le cas pour le service Direction où le / est collé au symbole guillemet du nom de l'attribut.
Pour l'instant, le fichier serv04.xml est correct, mais il est clair qu'avoir utilisé 3r comme numéro de service pour Courrier est sans doute une faute de frappe, non détectable sans typage des numéros de service, d'où l'utilité des grammaires. Par contre, le choix d'un numéro ou d'une lettre est ici peu important, même si une initiale risque d'apparaitre plusieurs fois, ce qui ne permettra pas d'en faire un index. On verra plus tard comment définir par grammaire des identifiants et des références à des identifiants. On remarquera que nous avons volontairement dupliqué le service Direction ce qui constitue une erreur, non détectable à ce niveau ; la cardinalité unique sera, elle aussi, prise en compte par les grammaires.
Pour vérifier que les fichiers XML sont bien formés, on peut bien sûr utiliser rxp, xmllint, xmlstarlet ou se contenter de cliquer sur les liens fournis car les navigateurs vérifient les fichiers XML (contrairement aux fichiers HTML, y compris XHTML) et ne les affichent que s'ils sont bien formés.
On admettra qu'on peut définir sommairement une personne par un nom, un prénom et une ddn (date de naissance) que l'on réduira pour l'instant à une année de naissance. Ecrire, à partir des éléments personnes et personne dans le fichier pers01.xml une solution tout élément puis dans pers02.xml une solution tout attribut. Enfin, écrire dans pers03.xml une solution «panachée» où nom et prénom sont des éléments et où ddn est un attribut.
On insérera les personnes Isabelle DUPUIS, née en 1965, Jean DUPONT, né en 1963, Jack DUPONT, né en 1968.
Peut-on avoir à la fois un élément ddn et un attribut ddn ?
Y a-t-il une structuration meilleure qu'une autre pour cet exemple ?
Qu'est-ce que XCARD ? Quel rapport avec VCARD et XML ? Que sont RFC-6350 et RFC-63511 ?
Pour cet exemple, il n'y a probablement pas de meilleure solution. On peut juste remarquer que la solution avec des attributs seulement est plus concise et sans doute plus facile à lire.
VCARD signifie Visit Card, soit carte de visite en français. Il s'agit d'un format ouvert de données sur des personnes, beaucoup plus complet que notre simple exemple avec nom, prénom et ddn. Une présentation courte en est fournie sur le wiki français à l'adresse http://fr.wikipedia.org/wiki/VCard mais la version anglaise http://en.wikipedia.org/wiki/VCard est plus détaillée. On y apprend que RFC6350 décrit ce que contient une VCARD et que XCARD est la version XML de VCARD. RFC6351 est un «appel à commentaires» qui décrit ce format XCARD.
En fait, XCARD permet d'avoir un carnet d'adresses, chaque personne étant représentée par sa carte de visite. L'élément racine est nommé vcards (noter le s à la fin) et chaque carte de visite correspond à un élément vcard (donc sans s en fin). On pourra remarquer que le nom, le surnom, etc. sont structurés en tant qu'éléments, pas en tant qu'attributs. Voici une partie d'un fichier XCARD extrait de la RFC6351 :
Une séquence Fasta traditionnelle se compose d'un identifiant comme 1YYCA et d'une suite d'acides aminés comme VKGFFAECKLA ou de nucléotides comme TATAAGCCTGCCAAGC. On se restreint pour ce qui suit aux protéines (définies comme des suites d'acides aminés). Si on nomme id et aa les données, comment structurer dans un fichier XML ces informations ? On pourra utiliser le fichier texte fasta_xmp.txt pour constituer un fichier XML de 3 séquences Fasta.
Que peut-on ajouter comme aide à la vérification ? Sous quelle forme, élément ou attribut ?
A l'aide des exercices précédents, on peut raisonnablement implémenter une solution tout élément (fasta01.xml), une solution tout attribut (fasta02.xml), ou une solution «panachée» (fasta03.xml). Ajouter un élément longueur (fasta04.xml) ou un attribut longueur (fasta05.xml), pourrait constituter une vérification utile, quand on connait les longueurs usuelles des séquences Fasta, ce qui statistiquement n'est pas si simple que cela...
Ecrire dans agence01.xml une solution tout élément qui intégre un fichier XML de personnes (auquel on aura ajouté un numéro de service nommé numService) et un fichier XML de services puis fournir dans agences02.xml une solution tout attribut. On pourra utiliser pers06.xml et serv06.xml pour constituer agences01.xml puis pers07.xml et serv07.xml pour constituer agences02.xml.
On peut bien évidemment faire un "copier/coller" les fichiers de personnes et de services dans un fichier agence (agences01.xml, agences02.xml), mais il est sans doute mieux de les inclure via une DTD, soit les fichiers agences03.xml et agences04.xml.
Dans quelle mesure peut-on dire qu'un fichier-archive, une base de données et un fichier XML sont des conteneurs ?
Ecrire le texte «Bon courage à tous et à toutes» -- exactement comme cela, avec courage en gras, tous en bleu et toutes en gras et bleu foncé -- dans un fichier Word au format DOCX, puis au format RTF ; écrire le même texte dans un fichier Libre Office au format Texte ODT. Si ce sont des fichiers XML, pourquoi ne peut-on pas les ouvrir directement avec un éditeur de texte ? A quoi correspond le format .FODT ?
Reprendre avec les informations ci-dessous (fichier tableur_data.txt) qu'on mettra dans les cellules d'un tableur, qu'on sauvegardera au format XLSX, CSV et Classeur ODS :
Un fichier-archive, une base de données MySql, un document XML, un objet (au sens de la programmation objets) ou même un DVD du commerce sont des conteneurs dans la mesure où ils permettent de regrouper des contenus (données) hétérogènes : une base de données contient des tables qui elle-mêmes contiennent des champs, l'élément racine du document XML peut contenir d'autres éléments qui peuvent contenir eux-mêmes d'autres éléments, un objet en PO peut contenir plusieurs variables-mémoires, voire plusieurs tableaux ou d'autres objets, un DVD du commerce contient des vidéos, des sous-titres, voire des menus, des images... Ce qu'apporte en plus XML et l'objet, c'est la possibilité d'agir sur leurs contenus...
On pourrait exporter une base de données en XML avec la structure suivante (MySql dispose d'une option de sortieHTML et d'une option de sortieXML qui ressemble un peu à celle-ci) :
<baseDeDonnées>
<table1>
<ligne1>
<colonne1>
[... données de la table 1]
</colonne1>
<colonne2>
...
</colonne2>
...
<ligne1>
</table1>
<table2>
[... données de la table 2]
</table2>
...
</baseDeDonnées>
Les fichiers .ODS et .DOCX sont des documents compressés, c'est-à-dire des archives et ne peuvent donc pas être lus directement. Seul le format .RTF est lisible, si l'on peut dire. En voici le contenu :
Un afffichage plus lisible pour un fichier similaire se trouve à l'adresse courage.rtfste qui correspond à l'exercice 9 de nos exercices PHP série 1 (énoncé, solution). On pourra aussi consulter l'exercice 1 de notre cours FarCompr, partie stockage (énoncé,solution).
Pour retrouver les fichiers des archives, il suffit d'utiliser un décompresseur comme unzip par exemple :
Si la documentation du Wiki français détaille ce que sont les fichiers Open Document, elle ne dit rien sur ce qu'est le format .FODT alors que la documentation du Wiki anglais explique qu'il s'agit d'un format «à plat» (non compressé) monobloc (tout en un seul fichier). On pourra le vérifier en consultant boncourage.fodt (judicieusement recopié en boncourage_fodt.xml) dont le contenu est :
Le format CSV est un format texte délimité dont le séparateur par défaut est la virgule en mode EN et le point-virgule en modeFR. Le wiki anglais et le wiki français ne fournissent pas exactement les mêmes informations sur ce format :
Le NCBI est un institut national américain qui fournit de nombreuses ressources en bioinformatique. Cherchez sur la page principale du site dans la base de données des protéines, le mot AAA18335 puis le mot 424143. Comment est affichée la séquence en acides aminés de la protéine correspondante ?
Afin d'éviter d'encombrer les serveurs, le NCBI propose un script pour accéder aux protéines nommé efetch. Après avoir lu la documentation correspondante, trouvez la syntaxe associée à la demande du fichier XML complet («Genpept») pour la protéine précédente. Comment est stockée la séquence en acides aminés de la protéine correspondante ? Et si on se focalise sur la séquence Fasta (via le format «TinySeq»), que faut-il changer au niveau du script ?
UNIPROT est un un autre centre international dédié à la bioinformatique. Cherchez la protéine précédente dans la base de connaissances des protéines. Comment fait-on pour voir le fichier XML correspondant ? Comment est stockée la séquence en acides aminés de la protéine correspondante ? A quoi correspond le format RDF proposé en haut et à droite du format XML dans la page Web de visualisation de la protéine ?
L'adresse officielle du NCBI est http://www.ncbi.nlm.nih.gov/. Il faut choisir la base de données «Protein» parmi celles proposées sur la page d'accueil pour faire l'exercice.
Il est aussi possible d'utiliser directement l'adresse http://www.ncbi.nlm.nih.gov/protein/ pour restreindre la recherche aux protéines dans cette base de données. L'utilisation du panneau d'interrogation avec les deux références AAA18335 et 424143 fournit deux URL différentes, http://www.ncbi.nlm.nih.gov/protein/AAA18335 et http://www.ncbi.nlm.nih.gov/protein/424143 mais qui contiennent exactement les mêmes informations car elles correspondent à la même protéine HSP 27 [Mus musculus].
On peut remarquer que les suites d'acides aminés sont toujours stockées comme le contenu texte d'un élément, jamais comme un attribut. Pour Uniprot, des outils de vérification comme la longueur de la séquence et sa "checksum" sont fournies comme attribut.
Peut-on facilement exporter une base de données MySQL en XML ?
Application : exporter la base GESTION qui contient les 4 tables FOUR, CLI, ART et CMD de notre tuteur MySql. Un script qui permet de recréer les tables et leur contenu est BD_gestion_mysql.
On peut imaginer qu'une mauvaise conception d'une base de données ait abouti à un champ NOM pour le nom d'un fournisseur, à un champ NOM pour le nom d'un client et à un champ NOM pour le nom d'un article. Si on veut que ces trois noms soient désignés de façon différente, trouver une solution avec des attributs qui conserve la désignation <NOM> puis montrer comment les notions de namespace et de XML namespace permettent de «bien» gérer cette mauvaise conception. On pourra, pour tester la solution, utilisera comme point de départ le fichier de test noms.xml.
Si on lit l'aide de la commande mysql_dump, dont une copie est ici, on peut voir qu'il existe une option de sortie nommé --xml. Ainsi, la commande sqldump --xml --database gestion > BD_gestion_mysql.xml produit le fichier BD_gestion_mysql.xml. On remarquera que chaque table donne lieu à deux éléments nommés respectivement table_structure et table_data, eux-mêmes inclus dans un élément database, ce qui montre qu'on pourrait "dumper" plusieurs bases de données d'un coup.
La structuration utilisée pour les tables, qui peut s'apliquer à n'importe quelle table puisqu'elle nomme les éléments ligne (row) et champ (field), n'est sans doute pas la plus adaptée à un traitement efficace des données. Par exemple, au lieu de
Pour utiliser des namespaces, il suffit de définir leurs préfixes au niveau de l'élément racine et d'utiliser ensuite les préfixes là où on en a besoin. Le fichier nomsAvecNs.xml contient une solution avec des préfixes courts et nomsAvecNsLongs.xml contient une solution avec des préfixes longs. Si le gain en lisibilité et en non-ambiguité n'est pas si flagrant que cela (après tout, <fournisseur>...<f:nom> est suffisamment explicite), l'utilité de la notion d'espace de de noms se comprend mieux quand, après une transformation, les différents éléments sont intégrés dans un seul et même fichier. Ainsi le fichier gestionSansNs.xml suivant
<?xml version="1.0" encoding="ISO-8859-1"?>
<!-- fichier gestionSansNs.xml -->
<!-- version sans "namespace" -->
<commandes>
<extrait>
<commande numéro="4">
<nom>DUPONT</nom>
a acheté <nombre>1</nombre>
<nom>VELO ENFANT</nom>
de chez
<nom>Jouets S.A.</nom>
.
</commande>
</extrait>
</commandes>
comporte des ambiguités là où le fichier gestionAvecNs.xml dont le contenu est listé ci-dessous
<?xml version="1.0" encoding="ISO-8859-1"?>
<!-- fichier gestionAvecNs.xml -->
<!-- version avec des "namespace" -->
<commandes
xmlns:fournisseur="http://gh_fournisseurs"
xmlns:client="http://gh_clients"
xmlns:article="http://gh_articles"
>
<extrait>
<commande numéro="4">
<client:nom>DUPONT</client:nom>
a acheté <nombre>1</nombre>
<article:nom>VELO ENFANT</article:nom>
de chez
<fournisseur:nom>Jouets S.A.</fournisseur:nom>
.
</commande>
</extrait>
</commandes>
On structure un dessin 2D élémentaire selon les règles suivantes. Un dessin est un cercle, un rectangle ou un triangle. Un cercle est défini par un centre et un rayon, un rectangle par son csg (coin supérieur gauche), une longueur et une largeur, un triangle par trois points. Chaque élément graphique peut avoir une couleur parmi les mots prédéfinis bleu, rouge, jaune. Ecrire un fichier dessin.xml qui dans un viewport bleu de 500 pixels de large et 300 de haut, met un "soleil" jaune de rayon 15 pixels en (450,50), une plage rectangulaire verte qui fait toute la largeur et qui fait 100 pixels de haut. Pour les plus fort(e)s, rajouter une petite étoile de mer rouge en bas à gauche à l'aide de trois triangles bien choisis. A défaut, on placera juste un triangle plein et en rouge. On pourra s'inspirer du dessin ci-dessous et de la syntaxe SVG.
Ecrire ensuite la "vraie" version en SVG de ce dessin.
Lister tous les éléments XML distincts utilisés dans le logo du renard ci-dessous, puis compter tous les éléments avec leurs attributs.
Expliquer comment on obtient un rendu "propre et intéressant" des horaires de CELCAT par exemple pour les horaires de ce cours.
Expliquer comment on obtient un affichage dynamique de données hiérarchiques avec Krona.
Voici un fichier XML possible pour le dessin avec une syntaxe en français adaptée de SVG, nommé dessin.xml
<?xml version="1.0" encoding="ISO-8859-1" ?>
<dessins largeur="500px" hauteur="300px">
<dessin>
<!-- tout en bleu ciel -->
<rectangle xcsg="0" ycsg="0" largeur="500" hauteur="300" couleur="bleu-ciel" />
<!-- le soleil en jaune -->
<cercle xcentre="450" ycentre="50" rayon="15" couleur="jaune" />
<!-- la plage en vert -->
<rectangle xcsg="0" ycsg="200" largeur="500" hauteur="100" couleur="vert" />
<!-- un triangle rouge -->
<triangle couleur="rouge" xpoint1="50" ypoint1="250" xpoint2="75" ypoint2="225" xpoint3="100" ypoint3="250" />
</dessin>
</dessins>
La "vraie" version dont un rendu est dans dessin1.svg est la suivante
<?xml version="1.0" encoding="ISO-8859-1" ?>
<svg xmlns="http://www.w3.org/2000/svg" width="500px" height="300px">
<g>
<!-- tout en bleu ciel -->
<rect x="0" y="0" width="500" height="300" fill="cyan" />
<!-- le soleil en jaune -->
<circle cx="450" cy="50" r="15" fill="yellow" />
<!-- la plage en vert -->
<rect x="0" y="200" width="500" height="100" fill="green" />
<!-- un triangle rouge -->
<path fill="red" d="M 50,250 L 75,225 L 100, 250 z" />
</g>
</svg>
Et pour le dessin avec l'étoile dessin2.svg on peut utiliser
<?xml version="1.0" encoding="ISO-8859-1" ?>
<!DOCTYPE svg SYSTEM "Dtd/svg.dtd">
<svg xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink" width="500px" height="300px">
<g>
<!-- tout en bleu ciel -->
<rect x="0" y="0" width="500" height="300" fill="cyan" />
<!-- le soleil en jaune -->
<circle cx="450" cy="50" r="15" fill="yellow" />
<!-- la plage en vert -->
<rect x="0" y="200" width="500" height="100" fill="green" />
<!-- l'étoile de mer en rouge avec 2 triangles rouges et un triangle vert -->
<path fill="red" d="M 050,250 L 080,265 L 110,250 z" />
<path fill="red" d="M 065,285 L 080,225 L 095,285 z" />
<path fill="green" d="M 065,285 L 080,265 L 095,285 z" />
</g>
</svg>
Rendu SVG (si le browser le permet)
Rendu PNG (copie d'écran)
Il y a en fait assez peu d'éléments utilisés pour le renard. Ainsi la commande xmlstarlet el -u firefox.svg renvoie une liste de 26 éléments distincts dans l'arbre, pour 348 éléments en tout. Si on retire les éléments égaux emboités comme g et g/g, il ne reste que 17 "vrais" éléments utilisés :
Pour connaitre les attributs utilisés et pour compter chacun des éléments, il faut programmer le comptage des balises d'ouverture et de fermeture, ce que fait notre programme eltattres.php dont l'interface de départ est ici. On pourra cliquer sur le lien elementsRenard pour le vérifier et lire les comptages.
Pour krona, c'est un peu plus compliqué. Il y a du code Javascript krona.js qui lit la partie XML de la page HTML et qui produit le graphique interactif dans un élément canvas. L'export, lui, est un "snapshot" généré pour SVG.
Pour une vision précise des rapports entre R et les technologies Web, le mieux est sans doute de lire la «Task View» nommée WebTechnologies.html et sa petite soeur sur l'opendata (sur Github).
Remarque : il est possible d'apprendre à utiliser R (et Python) sans installation logicielle via DataJoy.
Il n'est pas conseillé d'indenter, dans la mesure où les espaces et les retours-charriots, les tabulations... désignés par l'appellation white spaces sont souvent mal gérés ou gérés différemment suivant les logiciels, et en particulier les navigateurs, certains créant des noeuds-texte pour contenir ces espaces et assimilés. On pourra s'en convaincre en ouvrant avec divers navigateurs les deux fichiers whitespace1 et whitespace2 qui ne différent que par des espaces et des retours-charriots. Si on indente, par contre, il faut toujours indenter de la même façon. Normaliser les espaces, les tabulations, les retours à la ligne, voire stocker les attributs par ordre alphabétique revient à utiliser une forme canonique pour les fichiers XML.
Un fichier de description de ressources RDF n'est pas forcément un un fichier XML, car RDF et le web sémantique utilisent de nombreux formats, parfois XML et parfois non XML comme les formats turtle et Notation3. On écrit RDF/XML lorsqu'on veut indiquer que les ressources sont écrites en format XML. Une image SVG est aussi un fichier XML mais qui est interprété dès son ouverture pour fournir un rendu graphique. Ainsi, ouvrir exemple.rdf et exemple.svg avec un navigateur ne produit pas les mêmes effets : le fichier RDF est affiché comme un fichier XML classique, le fichier SVG est dessiné à l'écran.
Les notions vues et les explications fournies en cours (volontairement non reproduites ici) permettent de répondre aux questions liées à XML 1.1 et HTML5.
Retour à la page principale de
(gH)