Chapitre 2. Syntaxe de XML

Les cinq caractères '<' U+2C, '>' U+2E, '&' U+26, ''' U+27 et '"' U+22 ont une signification particulière dans les documents XML. Les deux caractères '<' et '>' servent à délimiter les balises, ainsi que les commentaires et les instructions de traitement. Le caractère '&' marque le début des références aux entités générales. Pour introduire ces caractères dans le contenu du document, il faut utiliser des sections littérales ou les entités prédéfinies. Les caractères ''' et '"' servent également de délimiteurs, en particulier pour les valeurs des attributs. Dans ces cas, il faut encore avoir recours aux entités prédéfinies pour les introduire.

Le traitement XML des caractères d'espacement est simple dans un premier temps. Chaque caractère d'espacement est équivalent à un espace et plusieurs espaces consécutifs sont encore équivalents à un seul espace. C'est le comportement habituel des langages de programmation classiques. Dans un second temps, le traitement des caractères d'espacement par une application est commandé par l'attribut xml:space. Les caractères d'espacement sont l'espace ' ' U+20, la tabulation U+09 ('\t' en notation du langage C), le saut de ligne U+0A ('\n' en C) et le retour chariot U+0D ('\r' en C).

Les fins de lignes sont normalisées par l'analyseur lexical (parser en anglais). Ceci signifie que les différentes combinaisons de fin de ligne sont remplacées par un seul caractère U+0A avant d'être transmises à l'application. Cette transformation garantit une indépendance vis à vis des différents systèmes d'exploitation. Les combinaisons remplacées par cette normalisation sont les suivantes.

Les deux caractères U+85 et U+2028 ne peuvent être correctement décodés qu'après la déclaration de l'encodage des caractères par l'entête. Leur usage dans l'entête est donc déconseillé.

Les identificateurs sont utilisés en XML pour nommer différents objets comme les éléments, les attributs, les instructions de traitement. Ils servent aussi à identifier certains éléments par l'intermédiaire des attributs de type ID. XML distingue deux types d'identificateurs: les jetons et les noms XML. La seule différence est que les noms XML doivent commencer par certains caractères particuliers. Dans la terminologie XML, les jetons sont appelés NMTOKEN pour name token.

Les caractères autorisés dans les identificateurs sont tous les caractères alphanumériques, c'est-à-dire les lettres minuscules [a-z], majuscules [A-Z] et les chiffres [0-9] ainsi que le tiret '-' U+2D, le point '.' U+2E, les deux points ':' U+3A et le tiret souligné '_' U+5F. Un jeton est une suite quelconque de ces caractères. Un nom XML est un jeton qui, en outre, commence par une lettre [a-zA-Z], le caractère ':' ou le caractère '_'. Les deux caractères '-' et '.' ainsi que les chiffres ne peuvent pas apparaître au début des noms. Il n'y a pas, a priori, de limite à la taille des identificateurs mais certains logiciels peuvent en imposer une dans la pratique.

Le caractère ':' est réservé à l'utilisation des espaces de noms. De fait, il ne peut apparaître qu'une seule fois pour séparer un préfixe du nom local dans les noms des éléments et des attributs. Les espaces de noms amènent à distinguer les noms ayant un caractère ':', appelés noms qualifiés et les autres, appelés par opposition noms non qualifiés.

Les noms commençant par les trois lettres xml en minuscule ou majuscule, c'est-à-dire par une chaîne de [xX][mM][lL] sont réservés aux usages internes de XML. Ils ne peuvent pas être utilisés librement dans les documents mais ils peuvent cependant apparaître pour des utilisations spécifiques prévues par la norme. Les noms commençant par xml: comme xml:base font partie de l'espace de noms XML.

Quelques exemples d'identificateurs sont donnés ci-dessous.

La norme XML 1.1 prévoit que tout caractère Unicode de catégorie lettre peut apparaître dans les identificateurs. Il est, par exemple, possible d'avoir des noms d'éléments avec des caractères accentués. Il est cependant conseillé de se limiter aux caractères ASCII de [a-zA-Z] pour assurer une meilleure compatibilité. Beaucoup de logiciels ne gèrent pas les autres caractères dans les identificateurs.

Chaque caractère possède un point de code sur 32 bits mais un document ne contient pas directement ces points de code des caractères. Ce codage serait inefficace puisque chaque caractère occuperait 4 octets. Chaque document utilise un codage pour écrire les points de code des caractères. Il existe différents codages dont le codage par défaut UTF-8. Certains codages permettent d'écrire tous les points de code alors que d'autres permettent seulement d'écrire un sous-ensemble comme le BMP. Le codage utilisé par un document est indiqué dans l'entête de celui-ci. Les principaux codages utilisés par les documents XML sont décrits ci-dessous.

Le tableau suivant donne la suite d'octets pour le mot Hétérogène pour quelques codages classiques. Comme les points de code de x00 à xFF d'Unicode coïncident avec le codage des caractères de ISO-8859-1, le codage en UTF-16 est obtenu en insérant un octet nul 00 avant chaque octet du codage en ISO-8859-1. Le codage en UTF-32 est obtenu en insérant dans le codage en UTF-16 deux octets nuls avant chaque paire d'octets.

Les logiciels manipulant des documents XML doivent obligatoirement gérer les codages UTF-8 et UTF-16. Les autres codages sont facultatifs. Il est essentiel que le codage d'un document soit indiqué dans l'entête du document. Si un navigateur interprète, par exemple, la suite d'octets du codage UTF-8 du mot Hétérogène comme un codage en ISO-8859-1, il affiche la chaîne Hétérogène.

Bien que certains codages ne permettent pas de coder tous les points de code, il est néanmoins possible d'insérer n'importe quel caractère Unicode en donnant explicitement son point de code avec une des deux syntaxes suivantes. Ces syntaxes peuvent être utilisées pour n'importe quel point de code même si celui-ci peut être écrit avec le codage du document. Elles sont, en particulier, pratiques lorsque les éditeurs de texte affichent mal certains caractères. Les deux syntaxes prennent les formes &#point de code décimal; ou &#xpoint de code hexadécimal;. Le caractère Euro '€' peut par exemple être inséré par € ou €. Pour ces deux syntaxes, c'est le point de code du caractère qui est écrit en décimal ou en hexadécimal et non pas sa transcription dans le codage du document.

Certaines ligatures comme le caractère 'œ' U+153 sont considérées par Unicode comme un seul caractère plutôt que comme la fusion des deux caractères 'oe'. Il s'ensuit que les deux mots cœur et coeur sont, a priori, considérés comme distincts. Ce problème est résolu par l'utilisation de collations lors du traitement des documents. Une collation est une collection de règles qui établissent des équivalences entre des caractères ou des suites de caractères. Une collation peut, par exemple, déclarer que le caractère 'œ' U+153 est équivalent aux deux caractères 'oe' ou que la lettre 'ß' U+DF est équivalente aux deux lettres 'ss'. Une collation établit aussi l'ordre des caractères utilisé pour l'ordre lexicographique. Elle peut, par exemple, déclarer que le caractère 'é' se place entre les caractères 'e' et 'f'. La collation par défaut est basée sur les points de code des caractères. Le caractère 'é' U+E9 se trouve, pour cette collation, après le caractère 'z' U+7A et le mot zèbre est donc avant le mot étalon dans l'ordre lexicographique.

Le même caractère peut avoir plusieurs points de code. Cette ambiguïté provient du fait qu'Unicode a été construit en fusionnant plusieurs codages et qu'il tente de rester compatible avec chacun d'eux. Le caractère 'µ' est en même temps le caractère U+B5 qui provient de Latin-1 et le caractère U+3BC qui provient du bloc des caractères grecs. D'autres caractères peuvent avoir un point de code mais peuvent, en même temps, correspondre à une suite de plusieurs points de code. Le caractère 'ö' est, par exemple, le caractère U+F6 mais il correspond également à la suite U+6F U+308 formée du caractère 'o' suivi du caractère spécial tréma '¨' U+308. Ce codage multiple conduit à des problèmes, en particulier pour la comparaison des chaînes de caractères. Pour palier à ce problème, Unicode introduit des normalisations qui transforment les différents codages en un codage canonique. La normalisation la plus standard est la normalisation C. Celle-ci transforme, par exemple, la suite de caractères U+6F U+308 en le caractère 'ö' U+F6. La normalisation d'une chaîne de caractères peut être obtenue avec la fonction XPath normalize-unicode().

Un URI appelé URI de base est souvent attaché à un document ou à un fragment d'un document XML. Cet URI est généralement une URL. Il sert à résoudre les URL contenues dans le fragment de document, qu'elles soient relatives ou absolues. Cette résolution consiste à combiner l'URL de base avec ces URL pour obtenir des URL absolues qui permettent de désigner des documents externes.

Pour comprendre comment une URL de base se combine avec une URL, il faut d'abord comprendre la structure d'une URL. La description donnée ci-dessous se limite aux aspects indispensables pour appréhender la résolution des URL. Chaque URL se décompose en trois parties.

Figure 2.2. Structure d'une URL

La combinaison d'une URL de base base avec une autre URL url pour former une URL complète est réalisée de la façon suivante qui dépend essentiellement de la forme de la seconde URL url.

Les exemples ci-dessous illustrent les différents cas. On suppose que l'URL base est fixée égale à l'URL http://www.somewhere.org/Teaching/index.html. Pour chacune des valeurs de l'URL url, on donne la valeur de l'URL obtenue par combinaison de l'URL base avec l'URL url.

L'entête utilise une syntaxe <?xml ... ?> semblable à celle des instructions de traitement bien qu'elle ne soit pas véritablement une instruction de traitement. L'entête XML a la forme générale suivante.

<?xml version="..." encoding="..." standalone="..."?>

L'entête doit se trouver au tout début du document. Ceci signifie que les trois caractères '<?xml' doivent être les cinq premiers caractères du document, éventuellement précédés d'une marque d'ordre des octets.

Cette entête peut contenir trois attributs version, encoding et standalone. Il ne s'agit pas véritablement d'attributs car ceux-ci sont réservés aux éléments mais la syntaxe identique justifie ce petit abus de langage. Chaque attribut a une valeur délimitée par une paire d'apostrophes ''' ou une paire de guillemets '"'.

L'attribut version précise la version d'XML utilisée. Les valeurs possibles actuellement sont 1.0 ou 1.1. L'attribut encoding précise le codage des caractères utilisé dans le fichier. Les principales valeurs possibles sont US-ASCII, ISO-8859-1, UTF-8, et UTF-16. Ces noms de codage peuvent aussi être écrits en minuscule comme iso-8859-1 ou utf-8. L'attribut standalone précise si le fichier est autonome, c'est-à-dire s'il existe des déclarations externes qui affectent le document. La valeur de cet attribut peut être yes ou no et sa valeur par défaut est no. Les déclarations externes peuvent provenir d'une DTD externe où d'entités paramètres. Elles peuvent affecter le contenu du document en donnant, par exemple, des valeurs par défaut à des attributs. La valeur de l'attribut standalone influence également la prise en compte des caractères d'espacement dans les contenus purs lors de la validation par une DTD.

L'attribut version est obligatoire et l'attribut encoding l'est aussi dès que le codage des caractères n'est pas le codage par défaut UTF-8. Quelques exemples d'entête XML sont donnés ci-dessous.

<?xml version="1.0"?>
<?xml version='1.0' encoding='UTF-8'?>
<?xml version="1.1" encoding="iso-8859-1" standalone="no"?>

Lorsqu'un document est scindé en plusieurs fragments dans différents fichiers inclus par des entités externes ou par XInclude, chacun des fragments peut commencer par une entête. L'intérêt est de pouvoir spécifier un codage des caractères différent.

La déclaration de type définit la structure du document. Elle précise en particulier quels éléments peut contenir chacun des éléments. Cette déclaration de type peut prendre plusieurs formes suivant que la définition du type est interne, c'est-à-dire incluse dans le document ou externe. Elle a la forme générale suivante qui utilise le mot clé DOCTYPE.

<!DOCTYPE ... >

La forme précise de cette déclaration est explicitée au chapitre consacré aux DTD.

Figure 2.3. Composition d'un élément

Un élément est formé d'une balise ouvrante, d'un contenu et de la balise fermante correspondante. La balise ouvrante prend la forme <name> formée du caractère '<' U+3C, du nom name de l'élément et du caractère '>' U+3E. Des attributs peuvent éventuellement être ajoutés entre le nom et le caractère '>'. La balise fermante prend la forme </name> formée des deux caractères '</' U+3C et U+2F, du nom name de l'élément et du caractère '>'. Les noms des éléments sont des noms XML quelconques. Ils ne sont pas limités à un ensemble fixé de noms prédéfinis comme en HTML. Le contenu d'un élément est formé de tout ce qui se trouve entre la balise ouvrante et la balise fermante (cf. figure). Il peut être constitué de texte, d'autres éléments, de commentaires et d'instructions de traitement.

Dans la balise ouvrante, le caractère '<' doit être immédiatement suivi du nom de l'élément. En revanche, il peut y avoir des espaces entre le nom et le caractère '>'. La balise fermante ne peut pas contenir d'espace.

Figure 2.4. Élément avec un contenu vide

Lorsque le contenu est vide, c'est-à-dire lorsque la balise fermante suit immédiatement la balise ouvrante, les deux balises peuvent éventuellement se contracter en une seule balise de la forme <name/> formée du caractère '<', du nom name et des deux caractères '/>'. Cette contraction est à privilégier lorsque l'élément est déclaré vide par une DTD.

Figure 2.5. Imbrication des éléments

Comme chaque élément possède une balise ouvrante et une balise fermante, les balises vont nécessairement par paire. À toute balise ouvrante correspond une balise fermante et inversement. L'imbrication des balises doit, en outre, être correcte. Si deux éléments tag1 et tag2 ont un contenu commun, alors l'un doit être inclus dans l'autre. Autrement dit, si la balise ouvrante <tag2> se trouve entre les deux balises <tag1> et <tag1/>, alors la balise fermante </tag2> doit aussi se trouver entre les deux balises <tag1> et <tag1/> (cf. figure).

<parent>
  <sibling1> ... </sibling1>
  <sibling2> ... </sibling2>
  <self>
    <child1> ... <desc1></desc1> ... <desc2></desc2> ... </child1>
    <child2> ... </child2>
    <child3> ... <desc3><desc4> ... </desc4></desc3> ... </child3>
  </self>
  <sibling3> ... </sibling3>
</parent>

Figure 2.6. Liens de parenté

Dans l'exemple ci-dessus, le contenu de l'élément self s'étend de la balise ouvrante <child1> jusqu'à la balise fermante </child3>. Ce contenu comprend tous les éléments child1, child2 et child3 ainsi que les éléments desc1, desc2, desc3 et desc4. Tous les éléments qu'il contient sont appelés descendants de l'élément self. Parmi ces descendants, les éléments child1, child2 et child3 qui sont directement inclus dans self sans élément intermédiaire sont appelés les enfants de l'élément self. Inversement, l'élément parent qui contient directement self est appelé le parent de l'élément self. Les autres éléments qui contiennent l'élément self sont appelés les ancêtres de l'élément self. Les autres enfants sibling1, sibling2 et sibling3 de l'élément parent sont appelés les frères de l'élément self. Ces relations de parenté entre les éléments peuvent être visualisées comme un arbre généalogique (cf. figure).

Tout le corps du document doit être compris dans le contenu d'un unique élément appelé élément racine. Le nom de cet élément racine est donné par la déclaration de type de document si celle-ci est présente. L'élément bibliography est l'élément racine de l'exemple donné au début du chapitre.

  ...            ]  Commentaires et instructions de traitement  ⌉
<root-element>   ]  Balise ouvrante de l'élément racine         |   Corps
  ...            ⌉  Éléments, commentaires et                   |    du
  ...            ⌋  instructions de traitement                  |  document
</root-element>  ]  Balise fermante de l'élément racine         |
  ...            ]  Commentaires et instructions de traitement  ⌋

Les caractères spéciaux '<', '>' et '&' ne peuvent pas être inclus directement dans le contenu d'un document. Ils peuvent être inclus par l'intermédiaire des entités prédéfinies.

Il est souvent fastidieux d'inclure beaucoup de caractères spéciaux à l'aide des entités. Les sections littérales, appelées aussi sections CDATA en raison de leur syntaxe, permettent d'inclure des caractères qui sont recopiés à l'identique. Une section littérale commence par la chaîne de caractères '<![CDATA[' et se termine par la chaîne ']]>'. Tous les caractères qui se trouvent entre ces deux chaînes font partie du contenu du document, y compris les caractères spéciaux.

<![CDATA[Contenu avec des caractères spéciaux <, > et & ]]>

Une section CDATA ne peut pas contenir la chaîne de caractères ']]>' qui permet à l'analyseur lexical de détecter la fin de la section. Il est en particulier impossible d'imbriquer des sections CDATA.

Les balises ouvrantes peuvent contenir des attributs associés à des valeurs. L'association de la valeur à l'attribut prend la forme attribute='value' ou la forme attribute="value" où attribute et value sont respectivement le nom et la valeur de l'attribut. Chaque balise ouvrante peut contenir zéro, une ou plusieurs associations de valeurs à des attributs comme dans les exemples génériques suivants.

<tag attribute="value"> ... </tag>
<tag attribute1="value1" attribute2="value2"> ... </tag>

Voici ci-dessous d'autres exemples concrets de balises ouvrantes avec des attributs. Ces exemples sont respectivement tirés d'un document XHTML, d'un schéma XML et d'une feuille de style XSLT.

<body background='yellow'>
<xsd:element name="bibliography" type="Bibliography">
<a href="#{$node/@idref}">

Lorsque le contenu de l'élément est vide et que la balise ouvrante et la balise fermante sont contractées en une seule balise, celle-ci peut contenir des attributs comme la balise ouvrante.

<hr style="color:red; height:15px; width:350px;" />
<xsd:attribute name="key" type="xsd:NMTOKEN" use="required"/>

Le nom de chaque attribut doit être un nom XML. La valeur d'un attribut peut être une chaîne quelconque de caractères délimitée par une paire d'apostrophes ''' ou une paire de guillemets '"'. Elle peut contenir les caractères spéciaux '<', '>', '&', ''' et '"' mais ceux-ci doivent nécessairement être introduits par les entités prédéfinies. Si la valeur de l'attribut est délimitée par des apostrophes ''', les guillemets '"' peuvent être introduits directement sans entité et inversement.

<xsl:value-of select="key('idchapter', @idref)/title"/>
<xsl:if test='@quote = "&apos;"'>

Comme des espaces peuvent être présents dans la balise après le nom de l'élément et entre les attributs, l'indentation est libre pour écrire les attributs d'une balise ouvrante. Aucun espace ne peut cependant séparer le caractère '=' du nom de l'attribut et de sa valeur. Il est ainsi possible d'écrire l'exemple générique suivant.

<tag attribute1="value1" 
     attribute2="value2"
     ...
     attributeN="valueN">
  ...
</tag>

L'ordre des attributs n'a pas d'importance. Les attributs d'un élément doivent avoir des noms distincts. Il est donc impossible d'avoir deux occurrences du même attribut dans une même balise ouvrante.

Le bon usage des attributs est pour les meta-données plutôt que les données elles-mêmes. Ces dernières doivent être placées de préférence dans le contenu des éléments. Dans l'exemple suivant, la date proprement dite est placée dans le contenu alors que l'attribut format précise son format. La norme ISO 8601 spécifie la représentation numérique de la date et de l'heure.

<date format="ISO-8601">2009-01-08</date>

C'est une question de style de mettre les données dans les attributs ou dans les contenus des éléments. Le nom complet d'un individu peut, par exemple, être réparti entre des éléments firstname et surname regroupés dans un élément personname comme dans l'exemple ci-dessous.

<personname id="I666">
  <firstname>Gaston</firstname> 
  <surname>Lagaffe</surname>
</personname>

Les éléments firstname et surname peuvent être remplacés par des attributs de l'élément personname comme dans l'exemple ci-dessous. Les deux solutions sont possibles mais la première est préférable.

<personname id="I666" firstname="Gaston" surname="Lagaffe"/>

Il existe quatre attributs particuliers xml:lang, xml:space, xml:base et xml:id qui font partie de l'espace de noms XML. Lors de l'utilisation de schémas, ces attributs peuvent être déclarés en important le schéma à l'adresse http://www.w3.org/2001/xml.xsd.

Contrairement à l'attribut xml:id, les trois autres attributs xml:lang, xml:space et xml:base s'appliquent au contenu de l'élément. Pour cette raison, la valeur de cet attribut est héritée par les enfants et, plus généralement, les descendants. Ceci ne signifie pas qu'un élément dont le père a, par exemple, un attribut xml:lang a également un attribut xml:lang. Cela veut dire qu'une application doit prendre en compte la valeur de l'attribut xml:lang pour le traitement l'élément mais aussi de ses descendants à l'exception, bien sûr, de ceux qui donnent une nouvelle valeur à cet attribut. Autrement dit, la valeur de l'attribut xml:lang à prendre en compte pour le traitement d'un élément est celle donnée à cet attribut par l'ancêtre (y compris l'élément lui-même) le plus proche. Pour illustrer le propos, le document suivant contient plusieurs occurrences de l'attribut xml:lang. La langue du texte est, à chaque fois, donnée par la valeur de l'attribut xml:lang le plus proche.

<?xml version="1.0" encoding="iso-8859-1" standalone="no"?>
<book xml:lang="fr">
  <title>Livre en Français</title>
  <chapter>
    <title>Chapitre en Français</title>
    <p>Paragraphe en Français</p>
    <p xml:lang="en">Paragraph in English</p>
  </chapter>
  <chapter xml:lang="en">
    <title>Chapter in English</title>
    <p xml:lang="fr">Paragraphe en Français</p>
    <p>Paragraph in English</p>
  </chapter>
</book>

Ce qui a été expliqué pour l'attribut xml:lang vaut également pour deux autres attributs xml:space et xml:base. C'est cependant un peu différent pour l'attribut xml:base car la valeur à prendre en compte doit être calculée à partir de toutes les valeurs des attributs xml:base des ancêtres.

<p xml:lang="fr">Bonjour</p>
<p xml:lang="en-GB">Hello</p>
<p xml:lang="en-US">Hi</p>

<img src="element.png" alt="Élément"/>

<?xml version="1.0" encoding="iso-8859-1" standalone="yes"?>
<book xml:base="http://www.somewhere.org/Teaching/index.html">
  <chapter xml:base="XML/chapter.html">
    <section xml:base="XPath/section.html"/>
    <section xml:base="/Course/section.html"/>
    <section xml:base="http://www.elsewhere.org/section.html"/>
  </chapter>
</book>

Les commentaires sont délimités par les chaînes de caractères '<!--' et '-->' comme en HTML. Ils ne peuvent pas contenir la chaîne '--' formée de deux tirets '-' et ils ne peuvent donc pas être imbriqués. Ils peuvent être présents dans le prologue et en particulier dans la DTD. Ils peuvent aussi être placés dans le contenu de n'importe quel élément et après l'élément racine. En revanche, ils ne peuvent jamais apparaître à l'intérieur d'une balise ouvrante ou fermante. Un exemple de document XML avec des commentaires partout où ils peuvent apparaître est donné ci-dessous.

<?xml version="1.0" encoding="ISO-8859-1" standalone="no"?>
<!-- Commentaire dans le prologue avant la DTD -->
<!DOCTYPE simple [
  <!-- Commentaire dans la DTD -->
  <!ELEMENT simple (#PCDATA) >
]>
<!-- Commentaire entre le prologue et le corps du document -->
<simple> 
  <!-- Commentaire au début du contenu de l'élément simple -->
  Un exemple simplissime
  <!-- Commentaire à la fin du contenu de l'élément simple -->
</simple>
<!-- Commentaire après le corps du document -->

Les caractères spéciaux '<', '>' et '&' peuvent apparaître dans les commentaires. Il est en particulier possible de mettre en commentaire des éléments avec leurs balises comme dans l'exemple ci-dessous.

<!-- <tag type="comment">Élément mis en commentaire</tag> -->

Les instructions de traitement sont destinées aux applications qui traitent les documents XML. Elles sont l'analogue des directives #... du langage C qui s'adressent au compilateur. Elles peuvent apparaître aux mêmes endroits que les commentaires à l'exception du contenu de la DTD.

Les instructions de traitement sont délimitées par les chaînes de caractères '<?' et '?>'. Les deux caractères '<?' sont immédiatement suivis du nom XML de l'instruction. Le nom de l'instruction est ensuite suivi du contenu. Ce contenu est une chaîne quelconque de caractères ne contenant pas la chaîne '?>' utilisée par l'analyseur lexical pour déterminer la fin de l'instruction. Le nom de l'instruction permet à l'application de déterminer si l'instruction lui est destinée.

Bien que le contenu d'une instruction puisse être quelconque, il est souvent organisé en une suite de paires param="value" avec une syntaxe imitant celle des attributs. Il incombe cependant à l'application traitant l'instruction de parser le contenu de celle-ci pour en extraire la liste des paires.

Les fichiers sources DocBook de cet ouvrage contiennent des instructions de traitement de la forme suivante. Ces instructions indiquent le nom du fichier cible à utiliser par les feuilles de styles pour la conversion en HTML.

<?dbhtml filename="index.html"?>

Une feuille de style XSLT peut être attachée à un document XML par l'intermédiaire d'une instruction de traitement de nom xml-stylesheet comme ci-dessous.

<?xml-stylesheet href="list.xsl" type="text/xsl" title="En liste"?> 

L'entête XML <?xml version=... ?> ressemble à une instruction de traitement de nom xml avec des paramètres version, encoding et standalone. Elle utilise en effet la même syntaxe. Elle n'est pourtant pas une instruction de traitement et elle ne fait pas partie du document.

L'exemple suivant contient uniquement un prologue avec l'entête XML et un élément de contenu vide. Les balises ouvrante <tag> et fermante </tag> ont été contractées en une seule balise <tag/>. Ce document n'a pas de déclaration de DTD.

<?xml version="1.0"?>
<tag/>

L'exemple aurait pu encore être réduit en supprimant l'entête XML mais celle-ci est fortement conseillée. Le retour à la ligne après l'entête aurait aussi pu être supprimé sans changer le contenu du document.

Cet exemple contient une déclaration de DTD qui permet de valider le document. Cette DTD déclare l'élément simple avec un contenu purement textuel.

<?xml version="1.0" encoding="ISO-8859-1" standalone="yes"?>
<!DOCTYPE simple [
  <!ELEMENT simple (#PCDATA)>
]>
<simple>Un exemple simplissime</simple>