Ceci est un guide d'utilisation de l'analyseur nsgmls pour valider et traiter des documents HTML.
Vous enrichirez vos documents HTML en utilisant toutes les capacités de SGML. Mais la validation de vos documents par référence au DTD HTML a un certain nombre d'avantages et d'inconvénients, avant tout parce que vous avez affaire à un dialecte de HTML plus restreint que celui qui est utilisé actuellement. Les règles "officielles" spécifiant la structure d'un document en HTML et les règles concernant le balisage des données en SGML sont plus strictes que ne l'est la pratique courante sur le Web.
La premier point, et le plus important, est d'avoir conscience que le codage HTML correct se réduit à un ensemble normalisé de balises.
Il n'existe pas de DTD couramment accepté qui reflète exactement le "HTML des navigateurs", tel qu'il est compris par de nombreux programmes clients de navigation. Pour l'essentiel, le DTD HTML 2.0 contient les balises et les attributs les plus communément utilisés sur le Web autour de juin 1994. Divers efforts visant à définir un DTD HTML+ ou HTML 3.0 se trouvent plus ou moins dans une impasse. Et aucun des DTD en circulation ne reconnaîtra l'ensemble des balises rendues populaires par des éditeurs de navigateurs comme Netscape et Microsoft.
Contrairement à ce que beaucoup de gens croient, il est possible de travailler en SGML sans y consacrer trop de temps ou d'argent. On peut mettre en place un environnement de développement solide en utilisant exclusivement des logiciels disponibles gratuitement sur un grand nombre de plateformes, y compris Linux, DOS et la plupart des stations de travail Unix. Grâce à quelques personnes qui s'y sont consacrées, tous les outils dont vous avez besoin pour travailler en SGML sont disponibles publiquement sur Internet.
La mise en place de votre environnement (l'analyseur et les bibliothèques) prend un peu de temps, mais pas autant qu'on pourrait le croire.
Au cas où vous éprouveriez l'envie de lire un texte d'introduction à SGML (en anglais) : "SGML: An Author's Guide to the Standard Generalized Markup Language" par Martin Bryan, ou "Practical SGML" par Eric van Herwijnen.
Si vous voulez un logiciel s'installant automatiquement et qui soit
bien intégré, récupérez HTML Check Toolkit à l'addresse
http://www.halsoft.com/html-tk/index.html.
Le seul inconvénient du logiciel HalSoft est qu'il utilise le vieil analyseur sgmls, qui produit des messages d'erreur parfois (encore) plus difficiles à comprendre que ceux de nsgmls.
J'ai utilisé nsgmls sur Linux et Windows (3.x et NT) ; il marche en principe sur de nombreuses autres plateformes.
James Clark a mis au point sun ensemble logiciel nommé sp,
qui contient un analyseur et un validateur SGML, nsgmls (c'est le
successeur de l'analyseur sgmls, longtemps considéré comme le
programme de référence).
Pour plus d'informations sur sp, voyez l'URL http://www.jclark.com/sp.html.
Et vous pouvez le télécharger directement depuis ftp://ftp.jclark.com/pub/sp/.
Vouz pouvez peut-être aussi récupérer des fichiers exécutables pour votre plateforme. Ou bien télécharger le code source, et dans ce cas suivez les instructions du fichier README pour lancer make.
Il serait utile de créer un répertoire public au sommet de la hiérarchie, pour y mettre les fichiers relatifs à SGML. Par exemple, sur mon PC Linux, j'ai plusieurs répertoires pour SGML, dont :
Le projet de norme HTML 2.0 contient le fichier de définitions SGML dont vous aurez besoin pour utiliser l'analyseur, c'est-à-dire le DTD (Document Type Definition), la déclaration SGML, et le catalogue d'entité. Vous pouvez obtenir le texte public de HTML 2.0 à l'adresse
http://www.w3.org/hypertext/WWW/MarkUp/html-spec/
Téléchargez et installez les fichiers suivants :
Vous pouvez ajouter deux entrées au catalogue des entités HTML pour faciliter l'utilisation de nsgmls :
______________________________________________________________________
-- catalog: SGML Open style entity catalog for HTML --
-- $Id: HTML-Validation.sgml,v 1.1.1.1 2003/01/03 02:40:54 traduc Exp $ --
:
:
-- Ajouts pour faciliter l'utilisation de nsgmls --
SGMLDECL "html.decl"
DOCTYPE HTML "html.dtd"
______________________________________________________________________
Ou bien vous pouvez créer un second catalogue contenant ces entrées. Vous passerez ensuite ce catalogue à nsgmls comme argument, avec l'option -m.
Voici une "recette" pour valider un document unique. Lancez simplement le programme nsgmls en lui passant le chemin du (ou des) fichier(s) du catalogue HTML, ainsi que le document :
% nsgmls -s -m /usr/sgml/html/catalog <test.html
L'option -s supprime la sortie de l'analyseur (voyez ci-dessous).
Votre document doit être conforme à la norme SGML, ce qui signifie, entre autres, que le type de document doit être déclaré au début de l'entrée (vous pouvez contourner cette règle en spécifiant cette information sur la ligne de commande de nsgmls).
Voici un document HTML simple, qui peut être analysé sans erreur en suivant les règles que j'ai décrites :
______________________________________________________________________ <!doctype html public "-//IETF//DTD HTML 2.0//EN"> <html> <head> <title>Document HTML simple.</title> </head> <body> <h1>Document de test</h1> <p>Ceci est un document de test.</p> </body> </html> ______________________________________________________________________
La sortie standard du programme nsgmls est une forme concentrée de l'entrée SGML que les systèmes de traitement peuvent utiliser comme un analyseur lexical afin de parcourir la structure du document. Pour les besoins de la validation, vous pouvez oublier la sortie standard et ne vous occuper que de l'erreur standard.
Si vous souhaitez avoir la sortie complète, ne spécifiez pas l'option -s et redirigez la sortie vers un fichier
% nsgmls -m /usr/sgml/html/catalog <test.html >test.out
Les messages d'erreur et d'avertissement de nsgmls peuvent être très difficiles à déchiffrer. Et vous trouverez un grand nombre d'erreurs résultant d'un balisage non-conforme.
Pour rediriger les messages vers un fichier, utilisez l'option -f :
% nsgmls -s -m /usr/sgml/html/catalog -f test.err <test.html
L'analyseur indique si le document est conforme au DTD HTML de deux manières :
Code de retour - l'analyseur renvoit un code de sortie de 0 en cas de succès, différent de 0 sinon.
Sortie - si le document est conforme au DTD, la dernière ligne de la sortie standard contient un caractère C unique.
"HTML Check Toolkit" de HalSoft se trouve à l'adresse http://www.halsoft.com/html-tk/index.html.
La page de James Clark sur sp se trouve à l'adresse http://www.jclark.com/sp.html.
La page du W3C sur la spécification de HTML se trouve à l'adresse http://www.w3.org/hypertext/WWW/MarkUp/html-spec/.