Structure d'un document SGML et d'une DTD

Un document SGML est constitué de trois parties:

• Une déclaration SGML: <!SGML ...> : cette partie permet notamment de définir le jeu de caractères utilisé et les caractères à utiliser comme délimiteurs (<, >, ...).
• Une référence à une DTD (obligatoire): <!DOCTYPE ...>: une DTD définit la structure du document.
• Le document proprement dit utilisant les conventions de la déclaration SGML (en cas d'omission, une déclaration par défaut existe (voir la rubrique "SGML declaration" pour le parser sgmls)).

Une DTD présente les caractéristiques suivantes:

• Toutes les lignes commencent par "<!" ; ce sont les déclarations de balisage.
• Les trois déclarations les plus courantes sont les déclarations d'élément, d'attribut et d'entité. Exemples:
• <!ELEMENT CARTE - - (BONJOUR, CORPS, FIN) +(IMAGE?)>
• <!ATTLIST IMAGE SRC NAME #REQUIRED>
• <!ENTITY %doctype CARTE>
• Les éléments, attributs et entités portent des noms.
• Un élément est donné par son nom, les indications de minimisation puis son contenu.
• Un attributs est donné par le nom de l'élément auquel il est lié, son nom, sa valeur puis une information sur le "défaut".
• Les expressions entre parenthèses dans les valeurs ou contenus sont des groupes.

Déclaration d'éléments

Le contenu d'un élément peut être décrit à l'aide d'un modèle de contenu ou d'un contenu déclaré.

Le modèle de contenu définit le contenu autorisé pour un élément. C'est généralement un groupe constitué d'éléments suivi par des indicateurs d'occurence et liés ensemble par des connecteurs.

Les éléments des contenus sont suivis par des indicateurs d'occurence:

• + : répétition avec au moins un élément
• ? : occurence optionnelle
• * : répétition avec éventuellement aucun élément

Ils sont liés ensemble dans un groupe par des connecteurs:

• & : les deux éléments ou les groupes doivent être présents dans un ordre quelconque
• , : séquence
• | : seul l'un des éléments ou des groupes doit être présent
• + : inclusion. Exemple: <!ELEMENT LIVRE - - (CHAP1, CHAP2) +(ENCADRE)>
• - : exclusion. Exemple:
• <!ELEMENT FOOTNOTE - - (PARA+) -(FOOTNOTE)>
• <!ELEMENT PARA - - (TEXTE|FOOTNOTE)+>

#PCDATA (Parsed Character DATA) est utilisé dans les déclarations de balisage pour indiquer que des données textuelles parsables peuvent être contenues dans un modèle de contenu ne contenant aucun sous-élément.

Parfois on veut éviter que le parser n'interprète les caractères en tant que délimiteur de balisages. Cela peut être fait en utilisant un contenu déclaré d'élément:

• CDATA : Dans ce cas tous les caractères de balisages ou délimiteurs sont ignorés (sauf </).
• RCDATA: comme CDATA, mais les références à entités et à caractères sont reconnues.
• EMPTY: si l'élément n'a aucun contenu.

Déclaration d'attributs

Un attribut se présente sous la forme:

<!ATTLIST élément nom type defaut> avec:

• élément: nom de l'élément dont l'attribut dépend
• nom: nom de l'attribut
• type: donne les valeurs possibles de l'attribut. Les cas possibles sont l'énumération (exemple: (confiden | public) ) et les types suivants:
• CDATA: donnée textuelle,
• ID: nom unique (dans le document),
• IDREF: valeur d'appel de ID,
• NAME: token
• defaut: valeur par défaut ou mot-clé. Quelques mots-clés:
• #REQUIRED: l'attribut demande toujours une valeur,
• #IMPLIED: le système de traitement donnera une valeur,
• #FIXED: précède une valeur par défaut obligatoire.

Les attributs booléens sont ceux qui ont une seule valeur possible.
Exemple: <!ATTLIST INPUT CHECKED (checked) #IMPLIED>
Dans ce cas la valeur peut être ommise: <INPUT TYPE="radio" NAME="r1" CHECKED>

Déclaration d'entités

Les documents peuvent contenir des caractères spéciaux ou des formules ou des images provenant d'autres documents. Dans tous ces cas SGML utilise la notion de "référence à entité". Une entité est représentée par une chaîne de caractères introduite dans le texte là où la partie externe devra être placée.

Les entités générales et les entités paramètres sont les suivantes:

• Appels de caractères: &#123;
• Entités générales; utilisation de & pour "évaluer" le nom du paramètre:
• Internes, références de chaîne de caractères: <!ENTITY CALS "Continuous Acquisition and Life cycle Support">. L'utilisation du paramètre se fait par: &CALS;
• Externes: entités locales. La déclaration <!ENTITY chap1 SYSTEM "\home\livre\chap1.sgm"> permettra par la suite de faire une inclusion du type:
  <LIVRE><PREFACE> ... </PREFACE> &chap1; </LIVRE>
• Entités paramètres: ces entités ne peuvent être utilisées qu'à l'intérieur des déclarations de balisage. Le signe % est utilisé comme ouverture d'appel. L'utilisation du paramètre se fait en entourant le nom par % et ;. Le ; à la fin peut être ommis lorsqu'il n'y a pas d'ambiguité.
• internes; références de modèles de groupes: <!ENTITY % head.misc "SCRIPT|STYLE|META|LINK" -- repeatable head elements --> Usage: <!ELEMENT HEAD o o (%head.content;) +(%head.misc;)>
• externes; entités publiques: %ISOtech;

Référence à une DTD

Chaque document doit faire référence à une DTD et doit donc contenir une déclaration de type de document (DOCTYPE). La référence peut faire appel à un identificateur public ISO (par exemple: +//ISO 9070 Identificateur de dépositaire//Classe de texte Description de texte//Langue) ou à une adresse de DTD (URL). La DTD peut également être contenue dans cette déclaration sous la forme: <!DOCTYPE Nom du type de la classe [ La DTD se trouve ici]>.

Déclaration SGML

La déclaration SGML (<!SGML ...>) indique les caractères utilisés, ceux servant de délimiteur ou esquivés et les options adoptées en ce qui concerne la syntaxe (minimisation, raccourci, capcités requises, etc.).

Sections marquées

Les sections marquées sont utilisées pour désigner les parties d'un document qui ne doivent pas être traitées ou n'être traitées que sous certaines conditions.

Un section est marquée de la façon suivante: <![mot-clé [données]]>. Les mots-clés sont. IGNORE, INCLUDE, TEMP, CDATA.

Exemple:

<!ENTITY % confiden "INCLUDE">
<!ENTITY % public "IGNORE">
...
<![ %confiden; [Les choses vont au plus mal]]>
<![%public; [tout va bien]]>

Caractéristiques de SGML

SGML est un langage de type Extended Context Free Grammar (ECFG) avec exceptions (+ et -). Il n'est pas déterministe mais 1-déterministe (le groupe a(b|empty)b permet de "parser" ab et abb mais il faut lire un caractère à l'avance pour connaître de quel b il s'agit).

La minimilisation pose problème: si on a la déclaration de balisage:

<!ELEMENT S O - (A,A?,S?)>

L'interprétation de <S>AAA</S></S> peut être diverse. De façon plus concrète en HTML, avec ommision des balise HEAD et BODY, un objet SCRIPT n'est pas toujours situé de façon univoque.

De même les balises "raccourcies" posent problème.

XML reprend les qualités de SGML en abandonnant les défauts. (XML est du SGML sans larme!).

Pour en savoir plus en cas d'intérêt en théorie des langages: Wood, D. (1995) SGML, mathematical and philosophical issues.