用Python(或者其他语言)怎么把如下文件中的中文词条提取出来，并把这些中文做成json文件？

Question

------------------------------------------------------------------------------- File:D:\svn\aCenter\windows\dap\store\vdidc\web\vue-ui\src\components\datetime_range.vue content: 'default': '至' Line: 24 Time: 2018-03-26 08:46:13 ------------------------------------------------------------------------------- File:D:\svn\aCenter\windows\dap\store\vdidc\web\vue-ui\src\components\piece.vue content: <div><span class="branch-num">{{checkBranchNum}}</span><lang>个</lang>< Line: 6 Time: 2018-03-26 08:46:13 ------------------------------------------------------------------------------- File:D:\svn\aCenter\windows\dap\store\vdidc\web\vue-ui\src\components\piece.vue content: <div class="branch"><lang>分支</lang></div> Line: 7 Time: 2018-03-26 0 ........ 比如文本中的，“至”，“个”，“分支”，做成json：｛ “至”：“至”， “个”：“个”， “分支”：“分支” ｝， 各位有什么骚代码都甩出来把。。。

Answer 1

import re

s = '''File:D:\svn\aCenter\windows\dap\store\vdidc\web\vue-ui\src\components\datetime_range.vue
content:                'default': '至'
Line: 24
Time: 2018-03-26 08:46:13

-------------------------------------------------------------------------------
File:D:\svn\aCenter\windows\dap\store\vdidc\web\vue-ui\src\components\piece.vue
content:                <div><span class="branch-num">{{checkBranchNum}}</span><lang>个</lang><
Line: 6
Time: 2018-03-26 08:46:13

-------------------------------------------------------------------------------
File:D:\svn\aCenter\windows\dap\store\vdidc\web\vue-ui\src\components\piece.vue
content:                <div class="branch"><lang>分支</lang></div>
Line: 7
Time: 2018-03-26 0'''


p2 = re.compile(r'[^\u4e00-\u9fa5]')
result = {i: i for i in " ".join(p2.split(s)).strip().split()}

# {'个': '个', '至': '至', '分支': '分支'}

优雅的写在本地，比如你的文件是1.txt

import re
p2 = re.compile(r'[^\u4e00-\u9fa5]')
with open('1.txt', 'r') as r:
    result = {i: i for i in ' '.join(p2.split(''.join(r.readlines()))).strip().split()}

print(result) # {'个': '个', '分支': '分支', '至': '至'}

Answer 2

用规制式啊，字符编码在中文范围内的。
这个关键是提取，用go语言好像比较方便，因为其内的规制式有中文标签 go处理中文

Answer 3

不是很推荐楼主的方案，不是很适合用中文作为键…