Discussion :

[sandre77]

Bonjour,


je dois réaliser la validation d'un fichier XML à l'aide d'un schéma XSD imposé par un fournisseur.

Pour cela j'utilise la librairie libxml2 version 2.9.4 et msxml6 sous Windows et j'obtiens des résultats différents.

Avec libxml2 le fichier XML n'est pas valide ni sous Windows ni sous Linux.
Avec MSXML6 le fichier XML est considéré valide.

Ci-dessous des exemples simplifiés. Pour valider facilement le fichier XML avec le XSD, j'utilise Microsoft Visual Studio (msxml) et je compare avec Notepad++ (plugin XMLTools qui utilise apparemment libxml2).

Fichier XML :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
<?xml version="1.0" encoding="utf-8"?>
<root xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:root="http://www.xmlValidation.com/root" xsi:schemaLocation="./schema_strict.xsd">
	<object identifier="1ABC001DE"/>
</root>

Fichier XSD :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
<?xml version="1.0" encoding="UTF-8"?>
<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema" elementFormDefault="qualified">
  <xs:complexType name="codeType">
    <xs:attribute name="identifier" use="required">
      <xs:simpleType>
        <xs:restriction base="xs:NMTOKEN">
          <xs:maxLength value="10"/>
          <xs:pattern value="\d\p{Lu}\p{Lu}\p{Lu}\d\d\d\p{Lu}\p{Lu}(\p{Lu}|\d|)"/>
        </xs:restriction>
      </xs:simpleType>
    </xs:attribute>
  </xs:complexType>
	<xs:element name="root">
		<xs:complexType>
			<xs:sequence>	
				<xs:element name="object" type="codeType" minOccurs="0">
				</xs:element>
			</xs:sequence>
		</xs:complexType>
	</xs:element>
</xs:schema>

En ajoutant un "?" à la fin du pattern de contrôle, la validation est ok avec libxml et msxml : \d\p{Lu}\p{Lu}\p{Lu}\d\d\d\p{Lu}\p{Lu}(\p{Lu}|\d|)?

N'étant pas du tout à l'aise avec les expressions régulières et les XSD j'ai besoin d'aide sur ce sujet.
D'après vous est-ce que libxml est plus strict que msxml ? est-ce l'interprétation de l'expression régulière est ambiguë ?

Merci !

[thelvin]

Hello,

La définition des regexes en XML Schema n'est pas ambiguë. En tout cas pas sur ce point-là et à ma connaissance elle ne l'est pas du tout.
D'après les définitions, ce XML est valide même sans mettre de ? à la fin (et d'ailleurs c'est assez bizarre que mettre un ? à la fin fasse solution pour le validateur qui n'est pas d'accord sans.)

Donc voilà, celui qui ne valide pas se trompe.

Cela dit, ça reste assez pourri de faire une regex avec un | et rien à droite (et ce serait pas mieux à gauche.)

En gros, a|b| et rien à droite du dernier | c'est une regex qui accepte soit a, soit b, soit une chaîne vide.
Ce qui veut dire aussi que ça accepte soit a, soit b, soit leur absence. C'est quand même pas facile à lire. Pour faire la même chose, on préfèrera :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

(a|b)?

Une regex qui accepte, soit a, soit b, mais bon c'est optionnel. On accepte aussi qu'ils ne soient pas là.

C'est une question de lisibilité, de pouvoir être compris par la prochaine personne qui lira ça.

Pour le validateur, les deux devraient fonctionner. Pour l'humain, c'est le deuxième qu'il faut utiliser.

Au passage, ton xsi:schemaLocation est incorrect : ça s'utilise pour valider des namespaces, et ton document n'a pas de namespace.

[tsuji]

[0]

<root xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xmlns:root="http://www.xmlValidation.com/root"
xsi:schemaLocation="./schema_strict.xsd">

Cette ligne est en elle-même déjà non valide. xsi est un namespace qu'on nomme parfois un namespace dit bien-connu. Et ça veut dire qu'on n'a pas besoin de fournir explicitement un schéma pour xsi et le moteur de validation pourrait valider des infos relatés à ce namespace. Mais, ce n'est pas forcé, et pour certaines implémentataions, le moteur peut ne pas le faire: donc, un peu de dépendant d'implémentation s'introduit par là.

La syntaxe en question est ceci

xsi:schemaLocation="./schema_strict.xsd"

ce qui est fausse. La syntaxe propre est ceci

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

xsi:schemaLocation="http://www/xmlValidation.com/root ./schema_strict.xsd"

si on pense il s'agit que le seul namespace explicitement montré soit en question.

msxml2 version 6.0 ou d'autres intervient pro-activement en validant aussi le namespace bien-connu; par conséquence, il refuse de valider totalement la combinaison xml et xsd, déjà à ce niveaux.
libxml2, non: il va laisser passer, il me semble.

[1]
Il faut absolument mettre le facet ? dans le pattern. Ce qui est fourni est faux.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
<!-- xs:pattern value="\d\p{Lu}\p{Lu}\p{Lu}\d\d\d\p{Lu}\p{Lu}(\p{Lu}|\d|)"/ -->
<xs:pattern value="\d\p{Lu}\p{Lu}\p{Lu}\d\d\d\p{Lu}\p{Lu}(\p{Lu}|\d)?"/>

msxml2 v6 et libxml2 ont tout deux raison.

[2]
Juste une remarque supplémentaire pour ceux qui se sentissent confus si l'élément root est dans un namespace ou dans un namespace dit nul. La ligne peut sentir royalement confus. L'élément root est sans namespace (ou dans un namespace nul) et c'est pour ça, dans le schéma, on ne met pas un @targetNamespace et c'est correctement fait.

Pourtant, on a la main libre aussi de déclarer un préfixe root par xmlns:root. On peut le servit un jour ou dans un xml plus complet mais dans le cas montré il n'intervient aucunement nul part - et c'est permit aussi, si on veut.

Voilà !

[thelvin]

Il faut absolument mettre le facet ? dans le pattern. Ce qui est fourni est faux.

Hum. Dans ma réponse au-dessus je dis que c'est effectivement mieux avec un ? mis comme ça qu'avec l'exemple de départ.

Mais je dis aussi que ça marche avec l'exemple de départ, c'est juste pas du code de qualité.

Dans les deux cas avec justification.

[tsuji]

Si libxml2 refuse de l'accepter n'est pas une raison suffisante, je prends refuge dans le critère du dénominateur commun minimal... En tout cas le support de la regex de xsd n'est qu'une sous-ensemble de la regex de toute l'étendue imaginable et xsd n'a jamais caché cela. Même dans le domaine de regex propre, le facet ? aurait eu mon vote pour. En fin de compte, c'est comme vous voulez.

[CosmoKnacki]

Moi ce qui me fait le plus tiquer c'est la non-utilisation des quantificateurs, ça va que la pattern est relativement courte et simple. Pour ma part, je l'écrirai comme ça:\d\p{Lu}{3}\d{3}\p{Lu}{2}[\p{Lu}\d]? (plus pour bien voir le nombre de répétitions que pour gagner de la place).