ANT concat只提取每个文件的一部分

Question

与以下类似的xml文件集合:

<?xml version="1.0" encoding="UTF-8"?>
<title>xxxx</title>
<prolog>
    <metadata>
         <othermeta name="xxxx/>
        <othermeta name="xxxx/>
    </metadata>
</prolog>
<p>
  Blah blah blah blah
</p>

(简体)

我想遍历每个文件，并将<prolog></prolog>部分提取到一个输出文件中。

这是不工作:

<project name="export_metadata" default="all" basedir=".">
 <target name="all" depends="extract"/>
 <target name="extract">
  <concat destFile="allMetadata.xml">
    <fileset dir=".">
       <include name="**/*.xml"/>
    </fileset>
    <filterchain>
      <tokenfilter>
          <replaceregex pattern="&lt;.*?(&lt;prolog&gt;.*?&lt;/prolog&gt;).*?/p&gt;" replace="1" flags="gs" />
      </tokenfilter>
    </filterchain>
  </concat>
 </target>
</project>

它将每个文件的全部内容放入allMetadata.xml中，而不是序言部分。

我已经成功地使用了replaceregexp和捕获组一段时间了，但我认为我没有得到一些关于令牌过滤器如何工作的东西。

当我在regex101.com中尝试时，正则表达式和替换工作。这里的pattern和replace似乎应该匹配整个页面，在一个组中捕获序言部分，并用该组替换整个页面，然后输出该页面。但运气不好。我做错了什么?

我最终采用了一种不同的方法(过滤只影响我想要的XML文件中的标签，见下文)，但我刚刚看到了下面的答案，现在我知道为什么我原来的方法不起作用了，很高兴知道。

我现在这样做:

<target name="extract">
 <concat destFile="allMetadata_Guide.xml">
     <fileset dir=".">
       <include name="**/*.dita"/>
     </fileset>
    <filterchain>
     <linecontainsregexp>
        <regexp pattern="&lt;othermeta|&lt;title&gt;|content=&quot;"/>
    </linecontainsregexp>
   </filterchain>
 </concat>
</target>

我想转换包含othermeta，或title，或content=的行，所以现在可以工作了。

Answer 1

LineTokenizer是<tokenfilter>的默认标记器。LineTokenizer每次传递一行给<replaceregex>。你的正则表达式不能匹配多行模式。

使用FileTokenizer来确保对整个输入文件只调用一次<replaceregex>:

<tokenfilter>
    <filetokenizer/>
    <replaceregex
        pattern="&lt;.*?(&lt;prolog&gt;.*?&lt;/prolog&gt;).*?/p&gt;"
        replace="1" flags="gs" />
</tokenfilter>