diff --git a/ecrire/inc/utils.php b/ecrire/inc/utils.php
index ad3aad60df0651647f8473a83c683c7c07a22cac..5a733b78e71b1877ed1c897c150457e24120e66c 100644
--- a/ecrire/inc/utils.php
+++ b/ecrire/inc/utils.php
@@ -992,8 +992,8 @@ function spip_initialisation($pi=NULL, $pa=NULL, $ti=NULL, $ta=NULL) {
define('_DOCTYPE_ECRIRE',
// "<!DOCTYPE HTML PUBLIC '-//W3C//DTD HTML 4.01 Transitional//EN' 'http://www.w3.org/TR/html4/loose.dtd'>\n");
"<!DOCTYPE html PUBLIC '-//W3C//DTD XHTML 1.0 Transitional//EN' 'http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd'>");
- // "<!DOCTYPE html PUBLIC '-//W3C//DTD XHTML 1.0 Strict//EN' 'http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd'>\n");
-
+ // "<!DOCTYPE html PUBLIC '-//W3C//DTD XHTML 1.0 Strict//EN' 'http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd'>\n");
+ // "<!DOCTYPE html PUBLIC '-//W3C//DTD XHTML 1.1 //EN' 'http://www.w3.org/TR/xhtml11/DTD/xhtml11.dtd'>\n");
define('_DOCTYPE_AIDE',
"<!DOCTYPE html PUBLIC '-//W3C//DTD HTML 4.01 Frameset//EN' 'http://www.w3.org/TR/1999/REC-html401-19991224/frameset.dtd'>");
diff --git a/ecrire/inc/valider_xml.php b/ecrire/inc/valider_xml.php
index 21a9cdcda1d6e16e114a75b77b13e7c77846c85e..d126b3d5af1107cec1c885e55ddb2f1c30f5a9c4 100644
--- a/ecrire/inc/valider_xml.php
+++ b/ecrire/inc/valider_xml.php
@@ -65,7 +65,14 @@ function charger_dtd($data)
spip_log("Racine $topelement dans $grammaire ($rotlvl)");
$dtc = new DTC;
analyser_dtd($grammaire, $avail, $dtc);
-//$r = $dtc->regles; ksort($r);foreach($r as $l => $v) echo "$l '$v'<br />\n";
+
+ // tri final pour presenter les suggestions de corrections
+ foreach ($dtc->peres as $k => $v) {
+ asort($v);
+ $dtc->peres[$k] = $v;
+ }
+
+# $r = $dtc->regles; ksort($r);foreach($r as $l => $v) echo "<b>$l</b> '$v' ", join (', ',array_keys($dtc->attributs[$l])), "<br />\n";
return $dtc;
}
@@ -80,134 +87,204 @@ function charger_dtd($data)
// http://doc.spip.org/@compilerRegle
function compilerRegle($val)
{
- $x = str_replace('()','',
+ $x = str_replace('\s*()\s*','',
preg_replace('/\s*,\s*/','',
preg_replace('/(\w+)\s*/','(\1 )',
- preg_replace('/\s*\|\s*/','|',
- preg_replace('/#\w+\s*[,|]?\s*/','', $val)))));
+ preg_replace('/\s*([(+*|])\s*/','\1',
+ preg_replace('/\s*#\w+\s*[,|]?\s*/','', $val)))));
return $x;
}
// http://doc.spip.org/@analyser_dtd
-function analyser_dtd($grammaire, $avail, &$dtc)
+function analyser_dtd($loc, $avail, &$dtc)
{
- static $trace = array(); // pour debug
-
- $dtd = '';
if ($avail == 'SYSTEM')
- $file = $grammaire;
- else
+ $file = $loc;
+ else {
$file = sous_repertoire(_DIR_DTD);
- $file .= preg_replace('/[^\w.]/','_', $grammaire);
+ $file .= preg_replace('/[^\w.]/','_', $loc);
+ }
+ $dtd = '';
if (@is_readable($file)) {
lire_fichier($file, $dtd);
} else {
if ($avail == 'PUBLIC') {
include_spip('inc/distant');
- if ($dtd = recuperer_page($grammaire))
+ if ($dtd = recuperer_page($loc))
ecrire_fichier($file, $dtd);
}
}
- if (!$dtd) {
- spip_log("DTD $grammaire inaccessible");
+
+ if (!$dtd = ltrim($dtd)) {
+ spip_log("DTD $loc inaccessible");
return array();
}
+ while ($dtd) {
+ if ($dtd[0] != '<')
+ $r = analyser_dtd_lexeme($dtd, $dtc, $loc);
+ elseif ($dtd[1] != '!')
+ $r = analyser_dtd_pi($dtd, $dtc, $loc);
+ else switch ($dtd[3]) {
+ case '%' : $r = analyser_dtd_data($dtd, $dtc, $loc); break;
+ case 'T' : $r = analyser_dtd_attlist($dtd, $dtc, $loc);break;
+ case 'L' : $r = analyser_dtd_element($dtd, $dtc, $loc);break;
+ case 'N' : $r = analyser_dtd_entity($dtd, $dtc, $loc);break;
+ case 'O' : $r = analyser_dtd_notation($dtd, $dtc, $loc);break;
+ case '-' : $r = analyser_dtd_comment($dtd, $dtc, $loc); break;
+ default: $r = -1;
+ }
+
+ if (!is_string($r)) {
+ spip_log("erreur $r dans la DTD " . substr($dtd,0,256) . ".....");
+ return array();
+ }
+ $dtd = $r;
+
+ }
+ spip_log("DTD $avail $loc " . count($dtc->macros) . ' macros, ' . count($dtc->elements) . ' elements, ' . count($dtc->attributs) . " listes d'attributs, " . count($dtc->entites) . " entites");
+}
+
+function analyser_dtd_comment($dtd, &$dtc, $grammaire){
// ejecter les commentaires, surtout quand ils contiennent du code.
// Option /s car sur plusieurs lignes parfois
- $dtd = preg_replace('/<!--.*?-->/s','',$dtd);
+ if (!preg_match('/^<!--.*?-->\s*(.*)$/s',$dtd, $m))
+ return -6;
+ return $m[1];
+}
+
+function analyser_dtd_pi($dtd, &$dtc, $grammaire){
+ if (!preg_match('/^<\?.*?>\s*(.*)$/s', $dtd, $m))
+ return -10;
+ return $m[1];
+}
+
+function analyser_dtd_lexeme($dtd, &$dtc, $grammaire){
+ if (!preg_match('/^%([\w;.-]+);\s*(.*)$/s', $dtd, $m))
+ return -9;
+
+ list(,$s, $dtd) = $m;
+ $n = $dtc->macros[$s];
+ if (is_array($n)) {
+ // en cas d'inclusion, l'espace de nom est le meme
+ analyser_dtd($n[1], $n[0], $dtc);
+ }
+ return $dtd;
+}
+
+// il faudrait prevoir plusieurs niveaux d'inclusion.
+// (Ruby en utilise mais l'erreur est transparente. Scandaleux coup de pot)
+
+function analyser_dtd_data($dtd, &$dtc, $grammaire){
+ if (!preg_match('/^<!\[%([^;]*);\s*\[\s*(.*?)\]\]>\s*(.*)$/s',$dtd, $m))
+ return -6;
+ if ($dtc->macros[$m[1]] == 'INCLUDE')
+ $retour = $m[2] . $m[3];
+ else $retour = $m[3];
+ return $retour;
+}
+
+function analyser_dtd_notation($dtd, &$dtc, $grammaire){
+ if (!preg_match('/^<!NOTATION.*?>\s*(.*)$/s',$dtd, $m))
+ return -8;
+ spip_log("analyser_dtd_notation a ecrire");
+ return $m[1];
+}
- 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 AND $alt) {
- // valeur par defaut de $alt obscure. A etudier.
- if (strpos($alt, '/') === false)
+function analyser_dtd_entity($dtd, &$dtc, $grammaire)
+{
+ if (!preg_match('/^<!ENTITY\s+(%?)\s*([\w;.-]+)\s+(PUBLIC|SYSTEM|INCLUDE|IGNORE)?\s*"([^"]*)"\s*("([^"]*)")?\s*>\s*(.*)$/s', $dtd, $m))
+ return -2;
+
+ list($t, $term, $nom, $type, $val, $q, $alt, $dtd) = $m;
+ if (!$term)
+ $dtc->entites[$nom] = $val;
+ elseif (!$type)
+ $dtc->macros[$nom] = expanserEntite($val, $dtc->macros);
+ elseif (!$alt)
+ $dtc->macros[$nom] = $alt;
+ else {
+ if (strpos($alt, '/') === false)
$alt = preg_replace(',/[^/]+$,', '/', $grammaire)
. ($alt ? $alt : "loose.dtd") ;
- // en cas d'inclusion, l'espace de nom est le meme
- analyser_dtd($alt, $type, $dtc);
- }
- elseif (!$term) {
- $dtc->entites[$nom] = $val;
- }
- else {
- $dtc->macros[$nom] = expanserEntite($val, $dtc->macros) ;
- }
- }
- }
+ $dtc->macros[$nom] = array($type, $alt);
+ }
- // Dresser le tableau des filles potentielles de l'element
- // pour traquer tres vite les illegitimes.
- // Si la regle a au moins une sequence (i.e. une virgule)
- // ou n'est pas une itération (i.e. se termine par * ou +)
- // en faire une RegExp qu'on appliquera aux balises rencontrees.
- // Sinon, conserver seulement le type de l'iteration car la traque
- // aura fait l'essentiel du controle sans memorisation des balises.
- // Fin du controle en finElement
- if (preg_match_all('/<!ELEMENT\s+(\S+)\s+([^>]*)>/', $dtd, $r, PREG_SET_ORDER)) {
- foreach($r as $m) {
- list(,$nom, $val) = $m;
- $nom = expanserEntite($nom, $dtc->macros);
- $val = compilerRegle(expanserEntite($val, $dtc->macros));
- if (isset($dtc->elements[$nom])) {
- spip_log("double definition de $nom dans la DTD");
- return;
- }
- $filles = array();
- if ($val == '(EMPTY )')
- $dtc->regles[$nom] = 'EMPTY';
- elseif ($val == '(ANY )')
- $dtc->regles[$nom] = 'ANY';
- else {
- $last = substr($val,-1);
- if (preg_match('/ \w/', $val)
- OR strpos('*+', $last) === false)
- $dtc->regles[$nom] = "/^$val$/";
- else
- $dtc->regles[$nom] = $last;
- $filles = array_values(preg_split('/\W+/', $val,-1, PREG_SPLIT_NO_EMPTY));
-
- foreach ($filles as $k) {
- if ((!isset($dtc->peres[$k]))
- OR !in_array($nom, $dtc->peres[$k]))
- $dtc->peres[$k][]= $nom;
- }
+ return $dtd;
+}
+
+// Dresser le tableau des filles potentielles de l'element
+// pour traquer tres vite les illegitimes.
+// Si la regle a au moins une sequence (i.e. une virgule)
+// ou n'est pas une itération (i.e. se termine par * ou +)
+// en faire une RegExp qu'on appliquera aux balises rencontrees.
+// Sinon, conserver seulement le type de l'iteration car la traque
+// aura fait l'essentiel du controle sans memorisation des balises.
+// Fin du controle en finElement
+
+function analyser_dtd_element($dtd, &$dtc, $grammaire)
+{
+ if (!preg_match('/^<!ELEMENT\s+(\S+)\s+([^>]*)>\s*(.*)$/s', $dtd, $m))
+ return -3;
+
+ list(,$nom, $val, $dtd) = $m;
+ $nom = expanserEntite($nom, $dtc->macros);
+ $val = compilerRegle(expanserEntite($val, $dtc->macros));
+ if (isset($dtc->elements[$nom])) {
+ spip_log("double definition de $nom dans la DTD");
+ return -4;
+ }
+ $filles = array();
+ if ($val == '(EMPTY )')
+ $dtc->regles[$nom] = 'EMPTY';
+ elseif ($val == '(ANY )')
+ $dtc->regles[$nom] = 'ANY';
+ else {
+ $last = substr($val,-1);
+ if (preg_match('/ \w/', $val)
+ OR strpos('*+', $last) === false)
+ $dtc->regles[$nom] = "/^$val$/";
+ else
+ $dtc->regles[$nom] = $last;
+ $filles = array_values(preg_split('/\W+/', $val,-1, PREG_SPLIT_NO_EMPTY));
+
+ foreach ($filles as $k) {
+ if (!isset($dtc->peres[$k]))
+ $dtc->peres[$k] = array();
+ if (!in_array($nom, $dtc->peres[$k]))
+ $dtc->peres[$k][]= $nom;
}
- $dtc->elements[$nom]= $filles;
- }
- // tri pour presenter les suggestions de corrections
- foreach ($dtc->peres as $k => $v) {
- asort($v);
- $dtc->peres[$k] = $v;
- }
}
+ $dtc->elements[$nom]= $filles;
+ return $dtd;
+}
- if (preg_match_all('/<!ATTLIST\s+(\S+)\s+([^>]*)>/', $dtd, $r, PREG_SET_ORDER)) {
- foreach($r as $m) {
- list(,$nom, $val) = $m;
- $nom = expanserEntite($nom, $dtc->macros);
- $val = expanserEntite($val, $dtc->macros);
- $att = array();
- if (preg_match_all("/\s*(\S+)\s+(([(][^)]*[)])|(\S+))\s+(\S+)(\s*'[^']*')?/", $val, $r2, PREG_SET_ORDER)) {
+function analyser_dtd_attlist($dtd, &$dtc, $grammaire)
+{
+ if (!preg_match('/^<!ATTLIST\s+(\S+)\s+([^>]*)>\s*(.*)/s', $dtd, $m))
+ return -5;
+
+ list(,$nom, $val, $dtd) = $m;
+ $nom = expanserEntite($nom, $dtc->macros);
+ $val = expanserEntite($val, $dtc->macros);
+ if (!isset($dtc->attributs[$nom]))
+ $dtc->attributs[$nom] = 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+/', '', $m2[2]) . '$/');
$m21 = expanserEntite($m2[1], $dtc->macros);
$m25 = expanserEntite($m2[5], $dtc->macros);
- $trace[$v] = 1;
- $att[$m21] = array($v, $m25);
+ $dtc->attributs[$nom][$m21] = array($v, $m25);
}
- }
- $dtc->attributs[$nom] = $att;
- }
}
- spip_log("DTD $avail $grammaire ". strlen($dtd) . ' octets ' . count($dtc->macros) . ' macros, ' . count($dtc->elements) . ' elements, ' . count($trace) . " types différents d'attributs " . count($dtc->entites) . " entites");
+ return $dtd;
}
@@ -294,6 +371,7 @@ function validerAttribut($phraseur, $name, $val, $bal)
$bons .
"'";
$bons .= " style='font-weight: bold'";
+
$phraseur_xml->err[]= " <b>$name</b>"
. _L(' attribut inconnu de ')
. "<a$bons>$bal</a>"
@@ -462,6 +540,15 @@ function textElement($phraseur, $data)
function PiElement($phraseur, $target, $data)
{ xml_PiElement($phraseur, $target, $data);}
+// Denonciation des entitees XML inconnues
+// Pour contourner le bug de conception de SAX qui ne signale pas si elles
+// sont dans un attribut, les entites les plus frequentes ont ete
+// transcodees par html2unicode au prealable.
+// On ne les verra donc pas passer a cette etape, contrairement a ce que
+// le source de la page laisse legitimement supposer.
+// Il faudrait en fait transcoder toutes les entites (sauf & < > ")
+// pour leur eviter ce bug.
+
// http://doc.spip.org/@defautElement
function defautElement($phraseur, $data)
{
@@ -476,6 +563,7 @@ function defautElement($phraseur, $data)
. _L(' entite inconnue ')
. coordonnees_erreur($phraseur);
}
+
xml_defautElement($phraseur, $data);
}