From 1f52733953fbd29664f34c81d02fa7c304b1bd95 Mon Sep 17 00:00:00 2001
From: "Committo,Ergo:sum" <esj@rezo.net>
Date: Sat, 23 Dec 2006 23:01:53 +0000
Subject: [PATCH] =?UTF-8?q?4=20am=C3=A9liorations=20du=20validateur=20int?=
=?UTF-8?q?=C3=A9gr=C3=A9:?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit
Suite de [8144]: on charge maintenant les DTD appelées à l'intérieur d'une DTD, ce qui permet en particulier de charger celle définissant les entités symbol, special et lat1 réféncées dans la DTD XHTML
Suite à cela et à [8179] le validateur peut maintenant dénoncer des entités présentes dans la page et non déclarées dans la DTD et ses inclusions
Suite de [8149]: le validateur est plus modulaire et peut s'étendre par simple ajout de fonctions. Si une DTD contient un nouveau symbole S de type d'attributs (i.e. un symbole utilisé dans le meme contexte que ID, IDREF etc), le validateur appellera automatiquement la fonction validerAttribut_S censée vérifier que la valeur d'attribut est conforme à la rèlge associée à ce symbole.
Suite de [8090]: l'erreur de conception de SAX est à présent systématiquement contournée sans plus vérifier que la DTD HTMLSymbol était référencée, ce qui n'était de toutes façons qu'un pis aller. Au cas où cette transformation des entités dans le charset déclaré serait malencontreuse, il suffira de surcharger le validateur par une variante n'appelant pas html2unicode.
---
ecrire/inc/indenter_xml.php | 6 +-
ecrire/inc/valider_xml.php | 203 +++++++++++++++++++++++-------------
2 files changed, 134 insertions(+), 75 deletions(-)
diff --git a/ecrire/inc/indenter_xml.php b/ecrire/inc/indenter_xml.php
index a0cac2b3fa..2504a48a76 100644
--- a/ecrire/inc/indenter_xml.php
+++ b/ecrire/inc/indenter_xml.php
@@ -39,6 +39,10 @@ function defautElement($phraseur, $data)
// http://doc.spip.org/@phraserTout
function phraserTout($phraseur, $data)
{
+ // bug de SAX qui ne dit pas si une Entite est dans un attribut ou non
+ // ==> eliminer toutes les entites
+
+ $data = unicode2charset(html2unicode($data, true));
xml_parsestring($phraseur, $data);
return !$this->err ? $this->res : join('<br />', $this->err) . '<br />';
}
@@ -49,7 +53,7 @@ function phraserTout($phraseur, $data)
var $contenu = array();
var $ouvrant = array();
var $reperes = array();
- var $entites = array();
+
}
// http://doc.spip.org/@inc_indenter_xml_dist
diff --git a/ecrire/inc/valider_xml.php b/ecrire/inc/valider_xml.php
index 6935111481..baf390df6e 100644
--- a/ecrire/inc/valider_xml.php
+++ b/ecrire/inc/valider_xml.php
@@ -19,11 +19,19 @@ define('_REGEXP_DOCTYPE',
define('_REGEXP_ID', '/^[A-Za-z_][\w_:.-]*$/');
+// Document Type Compilation
+
+class DTC {
+ var $macros = array();
+ var $elements = array();
+ var $peres = array();
+ var $attributs = array();
+ var $entites = array();
+}
+
// http://doc.spip.org/@validateur
-function validateur($data)
+function charger_dtd($data)
{
- global $phraseur_xml;
-
if (!preg_match(_REGEXP_DOCTYPE, $data, $r))
return array();
@@ -31,7 +39,7 @@ function validateur($data)
if (!preg_match('/^"([^"]*)"\s*(.*)$/', $suite, $r))
if (!preg_match("/^'([^']*)'\s*(.*)$/", $suite, $r))
- return array();
+ return array();
list(,$rotlvl, $suite) = $r;
if (!$suite) {
@@ -43,6 +51,14 @@ function validateur($data)
return array();
$grammaire = $r[1];
}
+ spip_log("Racine $topelement dans $grammaire ($rotlvl)");
+ $dtc = new DTC;
+ analyser_dtd($grammaire, $avail, $dtc);
+ return $dtc;
+}
+
+function analyser_dtd($grammaire, $avail, &$dtc)
+{
$dtd = '';
if ($avail == 'SYSTEM')
@@ -64,93 +80,105 @@ function validateur($data)
return array();
}
- $res = array();
+ // ejecter les commentaires, surtout quand ils contiennent du code.
+ // Option /s car sur plusieurs lignes parfois
- // les entites publiques sont declarees vides. A ameliorer a terme
- if (preg_match_all('/<!ENTITY\s+%\s+([.\w]+)\s+(PUBLIC)?\s*"([^"]*)"\s*("[^"]*")?\s*>/', $dtd, $r, PREG_SET_ORDER)) {
- foreach($r as $m) {
- list(,$nom, $type, $val) = $m;
- $res[$nom] = $type ? '': expanserEntite($val, $res) ;
- }
+ $dtd = preg_replace('/<!--.*?-->/s','',$dtd);
+
+ if (preg_match_all('/<!ENTITY\s+(%?)\s*([.\w]+)\s+(PUBLIC|SYSTEM)?\s*"([^"]*)"\s*("([^"]*)")?\s*>/', $dtd, $r, PREG_SET_ORDER)) {
+ foreach($r as $m) {
+ list($t, $term, $nom, $type, $val, $q, $alt) = $m;
+ if ($type) {
+ $dir = preg_replace(',/[^/]+$,', '/', $grammaire);
+ // en cas d'inclusion, l'espace de nom est le meme
+ analyser_dtd($dir . $alt, $type, $dtc);
+ }
+ elseif (!$term) {
+ $dtc->entites[$nom] = $val;
+ }
+ else
+ $dtc->macros[$nom] = expanserEntite($val, $dtc->macros) ;
+ }
}
- $phraseur_xml->entites = $res;
// reperer pour chaque noeud ses fils potentiels.
// mais tant pis pour leur eventuel ordre de succession (, * +):
// les cas sont rares et si aberrants que interet/temps-de-calcul -> 0
- $res = array();
if (preg_match_all('/<!ELEMENT\s+(\w+)([^>]*)>/', $dtd, $r, PREG_SET_ORDER)) {
foreach($r as $m) {
list(,$nom, $val) = $m;
- $val = expanserEntite($val, $phraseur_xml->entites);
+ $val = expanserEntite($val, $dtc->macros);
$val = array_values(preg_split('/\W+/', $val,-1,PREG_SPLIT_NO_EMPTY));
- $res[$nom]= $val;
+ $dtc->elements[$nom]= $val;
foreach ($val as $k) {
- if (!isset($phraseur_xml->peres[$k])
- OR !in_array($nom, $phraseur_xml->peres[$k]))
- $phraseur_xml->peres[$k][]= $nom;
+ if (!isset($dtc->peres[$k])
+ OR !in_array($nom, $dtc->peres[$k]))
+ $dtc->peres[$k][]= $nom;
}
}
- foreach ($phraseur_xml->peres as $k => $v) {
+ foreach ($dtc->peres as $k => $v) {
asort($v);
- $phraseur_xml->peres[$k] = $v;
+ $dtc->peres[$k] = $v;
}
}
- $phraseur_xml->elements = $res;
- $res = array();
+ $res2 = array();
+
if (preg_match_all('/<!ATTLIST\s+(\S+)\s+([^>]*)>/', $dtd, $r, PREG_SET_ORDER)) {
foreach($r as $m) {
list(,$nom, $val) = $m;
- $val = expanserEntite($val, $phraseur_xml->entites);
+ $val = expanserEntite($val, $dtc->macros);
$att = array();
if (preg_match_all("/\s*(\S+)\s+(([(][^)]*[)])|(\S+))\s+(\S+)(\s*'[^']*')?/", $val, $r2, PREG_SET_ORDER)) {
foreach($r2 as $m2) {
$v = preg_match('/^\w+$/', $m2[2]) ? $m2[2]
: ('/^' . preg_replace('/\s+/', '', $m2[2]) . '$/');
+ $res2[$v] = 1;
$att[$m2[1]] = array($v, $m2[5]);
}
}
- $res[$nom] = $att;
+ $dtc->attributs[$nom] = $att;
}
}
- $phraseur_xml->attributs = $res;
- spip_log("DTD $topelement ($avail) $rotlvl $grammaire ". strlen($dtd) . ' octets ' . count($phraseur_xml->entites) . ' entites, ' . count($phraseur_xml->elements) . ' elements');
+
+ // pour voir la liste des regep d'attributs:
+# echo join('<br />', array_keys($res2));exit;
+
+ spip_log("DTD $avail $grammaire ". strlen($dtd) . ' octets ' . count($dtc->macros) . ' macros, ' . count($dtc->elements) . ' elements, ' . count($res2) . " types différents d'attributs " . count($dtc->entites) . " entites");
}
// http://doc.spip.org/@expanserEntite
-function expanserEntite($val, $entites)
+function expanserEntite($val, $macros)
{
if (preg_match_all('/%([.\w]+);/', $val, $r, PREG_SET_ORDER)) {
foreach($r as $m)
- // parfois faux suite au non chargement des entites publiques
- if ($x = $entites[$m[1]])
+ if ($x = $macros[$m[1]])
$val = str_replace($m[0], $x, $val);
}
return $val;
}
// http://doc.spip.org/@validerElement
-function validerElement($parser, $name, $attrs)
+function validerElement($phraseur, $name, $attrs)
{
global $phraseur_xml;
- if (!$phraseur_xml->elements) return;
+ if (!$phraseur_xml->dtc->elements) return;
- if (!isset($phraseur_xml->elements[$name]))
+ if (!isset($phraseur_xml->dtc->elements[$name]))
$phraseur_xml->err[]= " <b>$name</b>"
. _L(' balise inconnue ')
- . coordonnees_erreur($parser);
+ . coordonnees_erreur($phraseur);
else {
$depth = $phraseur_xml->depth;
$ouvrant = $phraseur_xml->ouvrant;
if (isset($ouvrant[$depth])) {
if (preg_match('/^\s*(\w+)/', $ouvrant[$depth], $r)) {
$pere = $r[1];
- if (isset($phraseur_xml->elements[$pere]))
- if (!@in_array($name, $phraseur_xml->elements[$pere])) {
- $bons_peres = @join ('</b>, <b>', $phraseur_xml->peres[$name]);
+ if (isset($phraseur_xml->dtc->elements[$pere]))
+ if (!@in_array($name, $phraseur_xml->dtc->elements[$pere])) {
+ $bons_peres = @join ('</b>, <b>', $phraseur_xml->dtc->peres[$name]);
$phraseur_xml->err[]= " <b>$name</b>"
. _L(" n'est pas un fils de ")
. '<b>'
@@ -158,18 +186,18 @@ function validerElement($parser, $name, $attrs)
. '</b>'
. (!$bons_peres ? ''
: (_L( '<p style="font-size: 80%"> mais de <b>') . $bons_peres . '</b></p>'))
- . coordonnees_erreur($parser);
+ . coordonnees_erreur($phraseur);
}
}
}
- if (isset($phraseur_xml->attributs[$name])) {
- foreach ($phraseur_xml->attributs[$name] as $n => $v)
+ if (isset($phraseur_xml->dtc->attributs[$name])) {
+ foreach ($phraseur_xml->dtc->attributs[$name] as $n => $v)
{ if (($v[1] == '#REQUIRED') AND (!isset($attrs[$n])))
$phraseur_xml->err[]= " <b>$n</b>"
. ' : '
. _L(" attribut obligatoire mais absent dans ")
. "<b>$name</b>"
- . coordonnees_erreur($parser);
+ . coordonnees_erreur($phraseur);
}
}
}
@@ -177,15 +205,15 @@ function validerElement($parser, $name, $attrs)
// http://doc.spip.org/@validerAttribut
-function validerAttribut($parser, $name, $val, $bal)
+function validerAttribut($phraseur, $name, $val, $bal)
{
global $phraseur_xml;
// Si la balise est inconnue, eviter d'insister
- if (!isset($phraseur_xml->attributs[$bal]))
+ if (!isset($phraseur_xml->dtc->attributs[$bal]))
return ;
- $a = $phraseur_xml->attributs[$bal];
+ $a = $phraseur_xml->dtc->attributs[$bal];
if (!isset($a[$name])) {
$bons = join(', ',array_keys($a));
if ($bons)
@@ -198,36 +226,50 @@ function validerAttribut($parser, $name, $val, $bal)
. _L(' attribut inconnu de ')
. "<a$bons>$bal</a>"
. _L(" (survoler pour voir les corrects)")
- . coordonnees_erreur($parser);
+ . coordonnees_erreur($phraseur);
} else{
$type = $a[$name][0];
- if ($type[0]=='/')
- valider_motif($parser, $name, $val, $bal, $type);
- elseif ($type == 'ID') {
- if (isset($phraseur_xml->ids[$val])) {
- list($l,$c) = $phraseur_xml->ids[$val];
- $phraseur_xml->err[]= " <p><b>$val</b>"
+ if (!preg_match('/^\w+$/', $type))
+ valider_motif($phraseur, $name, $val, $bal, $type);
+ else if (function_exists($f = 'validerAttribut_' . $type))
+ $f($phraseur, $name, $val, $bal);
+ }
+}
+
+function validerAttribut_ID($phraseur, $name, $val, $bal)
+{
+ global $phraseur_xml;
+
+ if (isset($phraseur_xml->ids[$val])) {
+ list($l,$c) = $phraseur_xml->ids[$val];
+ $phraseur_xml->err[]= " <p><b>$val</b>"
. _L(" valeur de l'attribut ")
. "<b>$name</b>"
. _L(' de ')
. "<b>$bal</b>"
. _L(" vu auparavant ")
. "(L$l,C$c)"
- . coordonnees_erreur($parser);
- } else {
- valider_motif($parser, $name, $val, $bal, _REGEXP_ID);
- $phraseur_xml->ids[$val] = array(xml_get_current_line_number($parser), xml_get_current_column_number($parser));
- }
- } elseif ($type == 'IDREF') {
- $phraseur_xml->idrefs[] = array($val, xml_get_current_line_number($parser), xml_get_current_column_number($parser));
- } elseif ($type == 'IDREFS') {
- $phraseur_xml->idrefss[] = array($val, xml_get_current_line_number($parser), xml_get_current_column_number($parser));
- }
+ . coordonnees_erreur($phraseur);
+ } else {
+ valider_motif($phraseur, $name, $val, $bal, _REGEXP_ID);
+ $phraseur_xml->ids[$val] = array(xml_get_current_line_number($phraseur), xml_get_current_column_number($phraseur));
}
}
-// http://doc.spip.org/@valider_motif
-function valider_motif($parser, $name, $val, $bal, $motif)
+function validerAttribut_IDREF($phraseur, $name, $val, $bal)
+{
+ global $phraseur_xml;
+ $phraseur_xml->idrefs[] = array($val, xml_get_current_line_number($phraseur), xml_get_current_column_number($phraseur));
+}
+
+function validerAttribut_IDREFS($phraseur, $name, $val, $bal)
+{
+ global $phraseur_xml;
+
+ $phraseur_xml->idrefss[] = array($val, xml_get_current_line_number($phraseur), xml_get_current_column_number($phraseur));
+}
+
+function valider_motif($phraseur, $name, $val, $bal, $motif)
{
global $phraseur_xml;
@@ -239,11 +281,10 @@ function valider_motif($parser, $name, $val, $bal, $motif)
. "<b>$bal</b>"
. _L(" n'est pas conforme au motif</p><p>")
. "<b>" . $motif . "</b></p>"
- . coordonnees_erreur($parser);
+ . coordonnees_erreur($phraseur);
}
}
-// http://doc.spip.org/@valider_idref
function valider_idref($nom, $ligne, $col)
{
global $phraseur_xml;
@@ -274,7 +315,7 @@ function finElement($phraseur, $name)
global $phraseur_xml;
xml_finElement($phraseur,
$name,
- $phraseur_xml->elements[$name][0] == 'EMPTY');
+ $phraseur_xml->dtc->elements[$name][0] == 'EMPTY');
}
// http://doc.spip.org/@textElement
@@ -287,16 +328,32 @@ function PiElement($phraseur, $target, $data)
// http://doc.spip.org/@defautElement
function defautElement($phraseur, $data)
-{ xml_defautElement($phraseur, $data);}
+{
+ global $phraseur_xml;
+
+ if (!preg_match('/^<!--/', $data)
+ AND (preg_match_all('/&([^;]*)?/', $data, $r, PREG_SET_ORDER)))
+ foreach ($r as $m) {
+ list($t,$e) = $m;
+ if (!isset($phraseur_xml->dtc->entites[$e]))
+ $phraseur_xml->err[]= " <b>$e</b>"
+ . _L(' entite inconnue ')
+ . coordonnees_erreur($phraseur);
+ }
+ xml_defautElement($phraseur, $data);
+}
// http://doc.spip.org/@phraserTout
function phraserTout($phraseur, $data)
{
global $phraseur_xml;
- validateur($data);
- if (isset($phraseur_xml->entites['HTMLsymbol']))
- $data = unicode2charset(html2unicode($data, true));
+ $this->dtc = charger_dtd($data);
+
+ // bug de SAX qui ne dit pas si une Entite est dans un attribut ou non
+ // ==> eliminer toutes les entites
+
+ $data = unicode2charset(html2unicode($data, true));
xml_parsestring($phraseur, $data);
@@ -320,14 +377,12 @@ function phraserTout($phraseur, $data)
var $contenu = array();
var $ouvrant = array();
var $reperes = array();
- var $elements = array();
- var $peres = array();
- var $entites = array();
- var $attributs = array();
+
+ var $dtc = NULL;
+ var $err = array();
var $ids = array();
var $idrefs = array();
var $idrefss = array();
- var $err = array();
}
// http://doc.spip.org/@inc_valider_xml_dist
--
GitLab