Erreur « non SGML character number 128 » : origine et correction de l’encodage

• Déclaration explicite du charset
• Conversion contrôlée vers UTF-8
• Base alignée sur utf8mb4
• Fins de ligne homogènes

Quand tout est aligné, le nombre d’incidents chute nettement, et les échanges redeviennent prévisibles. Le dernier niveau consiste alors à automatiser cette discipline dans les outils de développement.

Automatiser les contrôles dans la chaîne de livraison

Ce dernier point relie la normalisation à l’exécution quotidienne, là où les erreurs reviennent si rien ne bloque leur entrée. Selon les pratiques DevOps courantes, des hooks pre-commit, des tests d’API et un linting d’encodage en CI empêchent les fichiers invalides de circuler.

Un test unitaire peut détecter qu’une chaîne échoue à l’encodage JSON, tandis qu’un pré-commit évite d’envoyer un fichier corrompu dans le dépôt. Cette automatisation soulage l’équipe, car la vérification devient réflexe plutôt qu’opération de secours.

Un retour d’expérience fréquent montre qu’après quelques semaines, les tickets liés au texte illisible baissent nettement. Un développeur n’y gagne pas seulement du confort ; il évite aussi des erreurs de production difficiles à reproduire, parfois déclenchées par un simple copier-coller.

Checklist pratique :

• Hook de validation avant commit
• Tests d’entrée sur les API
• Rapport de positions en CI
• Documentation d’encodage partagée

Avec cette automatisation, la correction encodage cesse d’être une tâche ponctuelle et devient une habitude technique fiable.

« Nous avions des imports qui échouaient sans raison visible, puis la validation UTF-8 a révélé un seul octet illégal par fichier. »

Marc L.

« Après l’alignement en utf8mb4, nos formulaires ont cessé de casser sur les accents et les symboles rares. »

Sophie R.

« Le contrôle systématique a supprimé les erreurs de parseur que nous subissions depuis des mois. »

Julien T.

« Un validateur UTF-8 strict vaut mieux qu’un nettoyage manuel improvisé, surtout sur des flux variés. »

Claire D.

Source : Clean ASCII, « Validez vos textes avec un utf8 validator », Clean ASCII, 2026 ; Infomaniak, « Résoudre un problème d’encodage des pages », Infomaniak ; W3C, « Extensible Markup Language (XML) 1.0 », W3C.

• UTF-8 sans BOM dans les fichiers
• utf8mb4 partout en base et connexion
• Validation d’entrée avant stockage
• Tests contre les séquences illégales

Cette discipline réduit aussi les écarts entre environnement local, préproduction et production, souvent responsables des surprises les plus coûteuses. Le passage suivant précise les méthodes concrètes de normalisation et d’automatisation.

Normaliser les fichiers, la base et les en-têtes

Cette partie prolonge la prévention, car un bon réglage d’encodage ne tient que si toutes les couches parlent le même langage. Selon les guides techniques courants, il faut déclarer le charset dans le HTML, forcer utf8mb4 côté MySQL et conserver des fichiers réellement enregistrés en UTF-8.

La normalisation passe aussi par des gestes simples, souvent négligés, comme l’uniformisation des fins de ligne et la suppression des BOM inutiles. Un fichier propre reste plus facile à relire, à versionner et à comparer, surtout lorsque plusieurs personnes interviennent sur le même projet.

Dans un service qui reçoit des contenus multilingues, cette homogénéité évite les oscillations entre accents corrects et symboles cassés. Elle protège aussi les exports CSV, les API et les interfaces où un seul octet suffit à dégrader l’ensemble.

À retenir pour la normalisation :

• Déclaration explicite du charset
• Conversion contrôlée vers UTF-8
• Base alignée sur utf8mb4
• Fins de ligne homogènes

Quand tout est aligné, le nombre d’incidents chute nettement, et les échanges redeviennent prévisibles. Le dernier niveau consiste alors à automatiser cette discipline dans les outils de développement.

Automatiser les contrôles dans la chaîne de livraison

Ce dernier point relie la normalisation à l’exécution quotidienne, là où les erreurs reviennent si rien ne bloque leur entrée. Selon les pratiques DevOps courantes, des hooks pre-commit, des tests d’API et un linting d’encodage en CI empêchent les fichiers invalides de circuler.

Un test unitaire peut détecter qu’une chaîne échoue à l’encodage JSON, tandis qu’un pré-commit évite d’envoyer un fichier corrompu dans le dépôt. Cette automatisation soulage l’équipe, car la vérification devient réflexe plutôt qu’opération de secours.

Un retour d’expérience fréquent montre qu’après quelques semaines, les tickets liés au texte illisible baissent nettement. Un développeur n’y gagne pas seulement du confort ; il évite aussi des erreurs de production difficiles à reproduire, parfois déclenchées par un simple copier-coller.

Checklist pratique :

• Hook de validation avant commit
• Tests d’entrée sur les API
• Rapport de positions en CI
• Documentation d’encodage partagée

Avec cette automatisation, la correction encodage cesse d’être une tâche ponctuelle et devient une habitude technique fiable.

« Nous avions des imports qui échouaient sans raison visible, puis la validation UTF-8 a révélé un seul octet illégal par fichier. »

Marc L.

« Après l’alignement en utf8mb4, nos formulaires ont cessé de casser sur les accents et les symboles rares. »

Sophie R.

« Le contrôle systématique a supprimé les erreurs de parseur que nous subissions depuis des mois. »

Julien T.

« Un validateur UTF-8 strict vaut mieux qu’un nettoyage manuel improvisé, surtout sur des flux variés. »

Claire D.

Source : Clean ASCII, « Validez vos textes avec un utf8 validator », Clean ASCII, 2026 ; Infomaniak, « Résoudre un problème d’encodage des pages », Infomaniak ; W3C, « Extensible Markup Language (XML) 1.0 », W3C.

• Affichage des offsets exacts
• Repérage des octets hexadécimaux
• Détection du BOM au bon moment
• Rapport exploitable en automatisation

Cette lecture fine rend la correction plus sûre, et elle ouvre naturellement sur les bonnes pratiques de normalisation côté éditeur, serveur et base.

Cas concrets de corruption et faux positifs

Ce dernier angle relie l’outil aux situations réelles, souvent plus variées qu’un simple fichier de test. Un e-mail, un export CRM ou un champ de formulaire peut paraître identique tout en contenant un octet invalide, ce qui explique les erreurs intermittentes.

Les faux positifs existent aussi, notamment quand un fichier commence par un BOM ou quand une chaîne a été tronquée en cours de transfert. Dans ces cas, le validateur ne trompe pas l’utilisateur ; il alerte sur une incompatibilité que les yeux ne voient pas.

Un responsable technique gagne alors à corréler les erreurs avec le canal d’entrée, car le même défaut revient souvent depuis la même source. Ce raisonnement prépare le passage à la prévention durable, là où la correction encodage cesse d’être manuelle pour devenir systématique.

La dernière étape utile consiste à intégrer des règles simples dans les outils quotidiens, afin d’éviter le retour des mêmes incidents.

Corriger l’encodage UTF-8 à la source et éviter les rechutes

Une fois l’erreur localisée, la vraie valeur se joue dans la correction durable, car réparer sans prévenir recommence le même cycle. Selon les guides d’Infomaniak et de Clean ASCII, il faut d’abord harmoniser les fichiers, les en-têtes, la base et les outils d’édition autour d’un UTF-8 cohérent.

Cette cohérence suppose parfois de revoir une chaîne entière, depuis le dépôt git jusqu’à l’import SQL, en passant par les scripts et les tests. Un simple désalignement entre un dump latin1 et une base utf8mb4 peut suffire à faire réapparaître un non SGML character dès le prochain import.

Le bon réflexe n’est pas seulement de corriger le symptôme visible, mais d’empêcher l’entrée d’octets illégaux dans le système. Un pipeline robuste valide, refuse, journalise puis corrige seulement quand la politique de l’équipe l’autorise.

Mesures de prévention durables :

• UTF-8 sans BOM dans les fichiers
• utf8mb4 partout en base et connexion
• Validation d’entrée avant stockage
• Tests contre les séquences illégales

Cette discipline réduit aussi les écarts entre environnement local, préproduction et production, souvent responsables des surprises les plus coûteuses. Le passage suivant précise les méthodes concrètes de normalisation et d’automatisation.

Normaliser les fichiers, la base et les en-têtes

Cette partie prolonge la prévention, car un bon réglage d’encodage ne tient que si toutes les couches parlent le même langage. Selon les guides techniques courants, il faut déclarer le charset dans le HTML, forcer utf8mb4 côté MySQL et conserver des fichiers réellement enregistrés en UTF-8.

La normalisation passe aussi par des gestes simples, souvent négligés, comme l’uniformisation des fins de ligne et la suppression des BOM inutiles. Un fichier propre reste plus facile à relire, à versionner et à comparer, surtout lorsque plusieurs personnes interviennent sur le même projet.

Dans un service qui reçoit des contenus multilingues, cette homogénéité évite les oscillations entre accents corrects et symboles cassés. Elle protège aussi les exports CSV, les API et les interfaces où un seul octet suffit à dégrader l’ensemble.

À retenir pour la normalisation :

• Déclaration explicite du charset
• Conversion contrôlée vers UTF-8
• Base alignée sur utf8mb4
• Fins de ligne homogènes

Quand tout est aligné, le nombre d’incidents chute nettement, et les échanges redeviennent prévisibles. Le dernier niveau consiste alors à automatiser cette discipline dans les outils de développement.

Automatiser les contrôles dans la chaîne de livraison

Ce dernier point relie la normalisation à l’exécution quotidienne, là où les erreurs reviennent si rien ne bloque leur entrée. Selon les pratiques DevOps courantes, des hooks pre-commit, des tests d’API et un linting d’encodage en CI empêchent les fichiers invalides de circuler.

Un test unitaire peut détecter qu’une chaîne échoue à l’encodage JSON, tandis qu’un pré-commit évite d’envoyer un fichier corrompu dans le dépôt. Cette automatisation soulage l’équipe, car la vérification devient réflexe plutôt qu’opération de secours.

Un retour d’expérience fréquent montre qu’après quelques semaines, les tickets liés au texte illisible baissent nettement. Un développeur n’y gagne pas seulement du confort ; il évite aussi des erreurs de production difficiles à reproduire, parfois déclenchées par un simple copier-coller.

Checklist pratique :

• Hook de validation avant commit
• Tests d’entrée sur les API
• Rapport de positions en CI
• Documentation d’encodage partagée

Avec cette automatisation, la correction encodage cesse d’être une tâche ponctuelle et devient une habitude technique fiable.

« Nous avions des imports qui échouaient sans raison visible, puis la validation UTF-8 a révélé un seul octet illégal par fichier. »

Marc L.

« Après l’alignement en utf8mb4, nos formulaires ont cessé de casser sur les accents et les symboles rares. »

Sophie R.

« Le contrôle systématique a supprimé les erreurs de parseur que nous subissions depuis des mois. »

Julien T.

« Un validateur UTF-8 strict vaut mieux qu’un nettoyage manuel improvisé, surtout sur des flux variés. »

Claire D.

Source : Clean ASCII, « Validez vos textes avec un utf8 validator », Clean ASCII, 2026 ; Infomaniak, « Résoudre un problème d’encodage des pages », Infomaniak ; W3C, « Extensible Markup Language (XML) 1.0 », W3C.

Une Erreur encodage de type non SGML character number 128 apparaît souvent quand un texte prétend respecter un charset, alors qu’il contient des octets incompatibles avec la structure attendue. Le résultat peut sembler banal au premier regard, mais il signale presque toujours un problème encodage plus profond, souvent lié à une mauvaise compatibilité caractères entre source, éditeur, serveur et base.

Ce message n’est pas réservé aux vieux systèmes ; il reste très concret en 2026 dès qu’un copier-coller, un export, un XML ou un parseur web reçoit un caractère 128 mal interprété. Pour comprendre la cause, il faut regarder l’Unicode, le format fichier, la validation des séquences et la correction encodage à la source, ce qui mène naturellement à A retenir :

A retenir :

• Octets illégaux stoppés tôt
• Unicode cohérent de bout en bout
• Charset déclaré, vérifié, aligné
• Fichiers nettoyés avant import
• Compatibilité caractères préservée

Comprendre l’erreur non SGML character number 128

L’alerte prend tout son sens quand on relie le message affiché au contenu réel du fichier, car un document peut sembler lisible tout en restant invalide. Selon la logique SGML héritée de certains parseurs, un octet hors plage attendue provoque une rupture de lecture, et l’outil remonte alors une erreur de structure plutôt qu’un simple défaut visuel.

Dans un flux HTML ou XML, ce type d’anomalie survient quand un octet comme 128 apparaît sans correspondre à une séquence UTF-8 valide. La confusion est fréquente avec le texte copié depuis Word, un CRM ou un courriel, car ces sources introduisent parfois des caractères Windows-1252 masqués dans un document annoncé en UTF-8.

À ce stade, la meilleure lecture consiste à distinguer la forme du symptôme et sa cause technique, car les deux ne se corrigent pas de la même manière. Selon Clean ASCII, un validateur UTF-8 strict repère les séquences invalides, les surlongues, les octets de continuation isolés et les troncatures partielles avant qu’elles n’atteignent le parseur.

Intitulé des causes courantes :

• Copier-coller depuis logiciels bureautiques
• Fichier déclaré UTF-8, contenu hérité Windows-1252
• Flux tronqué au milieu d’une séquence
• Caractère réservé rejeté par un parseur strict

Symptôme	Cause probable	Impact	Vérification utile
Mot remplacé par des losanges	Mauvais encodage d’origine	Lecture dégradée	Contrôle UTF-8 du fichier
Erreur SGML dans un parseur	Octet hors plage attendue	Blocage du rendu	Inspection hexadécimale
JSON refusé par l’API	Séquence UTF-8 invalide	Échec côté serveur	Validation stricte avant envoi
Base refusant l’insertion	Caractère illégal	Écriture interrompue	Alignement du charset

Une équipe éditoriale l’a appris en recevant un fichier semblable à un article banal, pourtant un caractère invisible suffisait à faire tomber l’import. La leçon est simple : la lecture humaine ne garantit jamais la validité machine, et le passage suivant doit donc porter sur les signaux d’alerte les plus fiables.

Quand le problème est bien identifié, il devient possible de cibler la zone fautive sans casser le reste du document, ce qui change complètement la méthode de correction.

Les séquences UTF-8 valides et leurs limites

Ce point prolonge directement l’analyse précédente, car un validateur sérieux ne juge pas seulement l’apparence du texte. Selon les règles UTF-8, une séquence valide suit des plages précises, avec des débuts autorisés et des octets de continuation correctement positionnés.

Un caractère comme é s’écrit C3 A9, alors qu’un symbole comme € devient E2 82 AC, et un emoji comme utilise quatre octets. Ces repères aident à comprendre pourquoi une simple coupure de fichier ou un copier-coller partiel suffit à transformer un texte sain en donnée illisible.

Les cas vraiment dangereux restent les mêmes d’un environnement à l’autre, ce qui facilite le diagnostic. Un octet isolé entre 80 et BF, un début invalide comme C0 ou C1, une surlongue ou un surrogate encodé par erreur doivent être rejetés sans ambiguïté.

À retenir pour le contrôle :

• Débuts autorisés selon la longueur
• Continuation toujours liée à un octet de tête
• Pas de surlongue pour un même code
• Pas de surrogate dans UTF-8

Cette rigueur n’est pas théorique, car elle évite des corrections approximatives qui déplacent le dommage au lieu de le résoudre. La suite logique consiste à observer les outils qui détectent ces écarts avant qu’ils ne cassent un site ou une API.

Pourquoi les parseurs signalent la rupture

Le passage vers le diagnostic applicatif montre que chaque outil a sa tolérance, mais pas sa propre réalité. Selon W3C et la logique des parseurs HTML ou XML, un octet incompatible peut suffire à interrompre l’analyse, car la structure du document dépend d’une séquence cohérente.

Dans la pratique, l’erreur apparaît souvent plus loin que sa source, ce qui déroute les équipes. Un fichier apparemment correct peut être rejeté parce qu’une seule valeur tronquée contredit le déclaratif du charset, et le parseur ne peut plus garantir la lecture.

Un développeur peut alors croire à un bug métier, alors qu’il s’agit d’un défaut de codage remonté à contretemps. C’est précisément là qu’un outil de vérification UTF-8 devient utile, puisqu’il met le doigt sur la position exacte du défaut et limite les tâtonnements.

La compréhension du mécanisme prépare donc la méthode pratique, où l’on mesure les écarts au lieu de les deviner.

À l’usage, cette logique devient plus claire encore lorsqu’on la compare aux méthodes de détection et de réparation disponibles aujourd’hui.

Détecter rapidement un problème encodage dans les fichiers et API

Après l’analyse du mécanisme, l’enjeu devient opérationnel, car un signal faible suffit parfois à bloquer toute une chaîne de traitement. Un document chargé dans un CMS, une API d’import ou une base MySQL peut échouer au moindre octet incompatible, surtout si le flux n’a pas été validé avant l’écriture.

Selon Clean ASCII, un utf8 validator utile ne se contente pas de dire oui ou non ; il signale l’offset, le contexte hexadécimal et la nature de la séquence fautive. Cette précision change la manière de corriger, car on agit sur le point exact au lieu de réencoder tout le contenu à l’aveugle.

Une équipe qui reçoit chaque jour des formulaires clients gagne beaucoup à automatiser cette vérification, surtout quand des fichiers viennent de sources hétérogènes. Le gain est immédiat : moins d’erreurs au stockage, moins de tickets, moins de temps perdu à relire des caractères cassés.

Repères de détection utiles :

• Diff affichant des losanges inattendus
• Erreur JSON ou XML à l’import
• Insertion refusée par une base utf8mb4
• Affichage étrange dans terminal ou navigateur

Méthode	Avantage	Limite	Usage recommandé
Validation en ligne	Rapide et précise	Dépend du service	Contrôle ponctuel
iconv en console	Fiable en automatisation	Moins lisible pour débutants	CI et scripts
TextDecoder fatal	Détection stricte en JavaScript	Réservé au code	API et front-end
decode Python	Lecture simple des erreurs	Nécessite gestion d’exception	Traitement serveur

Selon Infomaniak, l’unification du format fichier et de la déclaration du charset évite une grande partie des affichages dégradés, surtout quand accents et symboles spéciaux circulent entre plusieurs couches. Le passage suivant complète cette logique avec les méthodes de correction encodage et de prévention durable.

Quand la détection est rapide, la réparation reste localisée, ce qui préserve le contenu sain et réduit les effets secondaires.

Outils de validation et lecture des octets fautifs

Ce volet prolonge la détection, car un outil fiable doit montrer ce qui casse réellement, pas seulement ce qui échoue. Selon Clean ASCII, la validation stricte couvre les octets invalides, les données tronquées, le BOM gênant et les mélanges d’encodage déguisés en UTF-8.

En pratique, beaucoup d’équipes commencent par inspecter la ligne concernée puis ouvrent l’octet en hexadécimal pour comprendre la rupture. Un simple hexdump, un linter d’éditeur ou une commande iconv suffisent souvent à localiser l’anomalie en quelques secondes.

Le détail compte, parce qu’un caractère de substitution peut masquer une corruption plus large. Quand le validateur signale le point exact, il devient possible de décider entre remplacement contrôlé, recodage ou rejet pur et simple.

À retenir pour l’outillage :

• Affichage des offsets exacts
• Repérage des octets hexadécimaux
• Détection du BOM au bon moment
• Rapport exploitable en automatisation

Cette lecture fine rend la correction plus sûre, et elle ouvre naturellement sur les bonnes pratiques de normalisation côté éditeur, serveur et base.

Cas concrets de corruption et faux positifs

Ce dernier angle relie l’outil aux situations réelles, souvent plus variées qu’un simple fichier de test. Un e-mail, un export CRM ou un champ de formulaire peut paraître identique tout en contenant un octet invalide, ce qui explique les erreurs intermittentes.

Les faux positifs existent aussi, notamment quand un fichier commence par un BOM ou quand une chaîne a été tronquée en cours de transfert. Dans ces cas, le validateur ne trompe pas l’utilisateur ; il alerte sur une incompatibilité que les yeux ne voient pas.

Un responsable technique gagne alors à corréler les erreurs avec le canal d’entrée, car le même défaut revient souvent depuis la même source. Ce raisonnement prépare le passage à la prévention durable, là où la correction encodage cesse d’être manuelle pour devenir systématique.

La dernière étape utile consiste à intégrer des règles simples dans les outils quotidiens, afin d’éviter le retour des mêmes incidents.

Corriger l’encodage UTF-8 à la source et éviter les rechutes

Une fois l’erreur localisée, la vraie valeur se joue dans la correction durable, car réparer sans prévenir recommence le même cycle. Selon les guides d’Infomaniak et de Clean ASCII, il faut d’abord harmoniser les fichiers, les en-têtes, la base et les outils d’édition autour d’un UTF-8 cohérent.

Cette cohérence suppose parfois de revoir une chaîne entière, depuis le dépôt git jusqu’à l’import SQL, en passant par les scripts et les tests. Un simple désalignement entre un dump latin1 et une base utf8mb4 peut suffire à faire réapparaître un non SGML character dès le prochain import.

Le bon réflexe n’est pas seulement de corriger le symptôme visible, mais d’empêcher l’entrée d’octets illégaux dans le système. Un pipeline robuste valide, refuse, journalise puis corrige seulement quand la politique de l’équipe l’autorise.

Mesures de prévention durables :

• UTF-8 sans BOM dans les fichiers
• utf8mb4 partout en base et connexion
• Validation d’entrée avant stockage
• Tests contre les séquences illégales

Cette discipline réduit aussi les écarts entre environnement local, préproduction et production, souvent responsables des surprises les plus coûteuses. Le passage suivant précise les méthodes concrètes de normalisation et d’automatisation.

Normaliser les fichiers, la base et les en-têtes

Cette partie prolonge la prévention, car un bon réglage d’encodage ne tient que si toutes les couches parlent le même langage. Selon les guides techniques courants, il faut déclarer le charset dans le HTML, forcer utf8mb4 côté MySQL et conserver des fichiers réellement enregistrés en UTF-8.

La normalisation passe aussi par des gestes simples, souvent négligés, comme l’uniformisation des fins de ligne et la suppression des BOM inutiles. Un fichier propre reste plus facile à relire, à versionner et à comparer, surtout lorsque plusieurs personnes interviennent sur le même projet.

Dans un service qui reçoit des contenus multilingues, cette homogénéité évite les oscillations entre accents corrects et symboles cassés. Elle protège aussi les exports CSV, les API et les interfaces où un seul octet suffit à dégrader l’ensemble.

À retenir pour la normalisation :

• Déclaration explicite du charset
• Conversion contrôlée vers UTF-8
• Base alignée sur utf8mb4
• Fins de ligne homogènes

Quand tout est aligné, le nombre d’incidents chute nettement, et les échanges redeviennent prévisibles. Le dernier niveau consiste alors à automatiser cette discipline dans les outils de développement.

Automatiser les contrôles dans la chaîne de livraison

Ce dernier point relie la normalisation à l’exécution quotidienne, là où les erreurs reviennent si rien ne bloque leur entrée. Selon les pratiques DevOps courantes, des hooks pre-commit, des tests d’API et un linting d’encodage en CI empêchent les fichiers invalides de circuler.

Un test unitaire peut détecter qu’une chaîne échoue à l’encodage JSON, tandis qu’un pré-commit évite d’envoyer un fichier corrompu dans le dépôt. Cette automatisation soulage l’équipe, car la vérification devient réflexe plutôt qu’opération de secours.

Un retour d’expérience fréquent montre qu’après quelques semaines, les tickets liés au texte illisible baissent nettement. Un développeur n’y gagne pas seulement du confort ; il évite aussi des erreurs de production difficiles à reproduire, parfois déclenchées par un simple copier-coller.

Checklist pratique :

• Hook de validation avant commit
• Tests d’entrée sur les API
• Rapport de positions en CI
• Documentation d’encodage partagée

Avec cette automatisation, la correction encodage cesse d’être une tâche ponctuelle et devient une habitude technique fiable.

« Nous avions des imports qui échouaient sans raison visible, puis la validation UTF-8 a révélé un seul octet illégal par fichier. »

Marc L.

« Après l’alignement en utf8mb4, nos formulaires ont cessé de casser sur les accents et les symboles rares. »

Sophie R.

« Le contrôle systématique a supprimé les erreurs de parseur que nous subissions depuis des mois. »

Julien T.

« Un validateur UTF-8 strict vaut mieux qu’un nettoyage manuel improvisé, surtout sur des flux variés. »

Claire D.

Source : Clean ASCII, « Validez vos textes avec un utf8 validator », Clean ASCII, 2026 ; Infomaniak, « Résoudre un problème d’encodage des pages », Infomaniak ; W3C, « Extensible Markup Language (XML) 1.0 », W3C.