Infoset  - XML Information Set

L'objectif de cette spécification est de faire partager à des spécifications de plus haut niveau, une vision commune de ce qui est significatif dans un document XML (par exemple, DOM Niveau 3 est basé sur l'Infoset). Tel que défini dans la spécification, Infoset est alors la représentation commune à tous les outils d'un document XML.

Le fait de définir une représentation commune est extrêmement important, cela à plusieurs titres. En tout premier, les développeurs d'applications XML se noient, aujourd'hui, dans tous les modèles de données proposés représentant ce qui est réellement contenu dans un document, après désérialisation. Du coup, écrire des programmes est souvent ardu, il faut savoir quel outil on utilise pour se souvenir des données qu'il manipule. Par ailleurs, avoir un modèle de données partagé permet aux outils de création d'informations XML de mieux ajuster la façon dont ils utilisent et délivrent les fichiers XML. Enfin, et comme dans le cas de la spécification Canonical, cette représentation commune permettra une simplification des outils, puisque le modèle supprime les différentes formes possibles pour le codage XML d'une même information logique. Par exemple, Infoset permet de voir la même information logique dans les codages suivants : <test type="essai">, <test type='essai'>, <test type="ess&#97;i">, <test type="ess&#x61;i">, <test type='ess&#x61;i'>. Ceci est possible, car il existe dans l'Infoset une normalisation du codage des caractères.

À noter que XPath et, donc, XSLT n'utilisent pas exactement le même jeu d'informations, du fait de la non-disponibilité de cette spécification au moment de l'élaboration de ces deux standards. Cependant, l'annexe B de XPath explique comment interpréter l'arbre abstrait XPath en fonction d'Infoset.

Les différents éléments d'informations reconnus sont les suivants :

• document (obligatoire),
• éléments (obligatoire),
• attributs (obligatoire),
• processing instructions (obligatoire),
• références à des entités non lues par un parser non validant (obligatoire),
• caractères (obligatoire),
• notation (obligatoire),
• déclaration d'espaces de noms (obligatoire),
• DTD (périphérique),
• entités générales déclarées dans la DTD (obligatoire pour les entités non parsées, sinon, périphérique),
• début et fin de localisation d'entité incluse (périphérique),
• début et fin de de section définie comme étant CDATA (périphérique),
• commentaires (périphérique).

À chaque élément d'information est lié un ensemble de propriétés, qui diffère selon l'élément d'information. Par exemple, pour un élément, les propriétés définies s'intéressent à son espace de nom et son nom, à son parent, ses fils et ses attributs, aux déclarations d'espaces de noms sur cet élément et à tous les espaces de noms propagés par ses parents, à l'URI de base (voir XML Base), si elle existe, propagée par ses parents.

Infoset s'intéresse à un document parsé et validé. Du coup, aucune information n'est donnée sur la DTD, si ce n'est, de façon optionnelle, sa désignation. Charge aux programmes de récupérer la DTD elle-même s'ils en ont besoin.

Pour conclure, beaucoup de débats existent sur l'utilité d'une telle spécification. Par exemple, si Infoset présuppose une organisation sous forme d'arbre, avec des noeuds comportant des parents et des fils, certains rejettent cette vision d'XML, en argumentant que lorsqu'ils échangent des champs de tables issues de bases de données, il n'ont pas besoin de toute cette information liée à des relations dans un arbre.

De fait, la spécification est très controversée et beaucoup de débats ont lieu sur le sujet (pour plus de détails sur les argumentaires, voir la liste de débat Monthly Archives for xml-dev, dans ses Archives de juillet 2000 et ses Archives d'août 2000 2000).

Il semble cependant important de disposer de ce type de spécification, dès lors que beaucoup de recommandations du W3C s'intéressent au traitement des documents XML. En effet, quelle serait la validité d'une spécification de traitement, si le modèle de donnée utilisé était laissé au libre choix de l'implémenteur ?