用Python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.vuecontent:                'default': '至'Line: 24Time: 2018-03-26 08:46:13-------------------------------------------------------------------------------File:D:\svn\aCenter\windows\dap\store\vdidc\web\vue-ui\src\components\piece.vuecontent:                <div><span class="branch-num">{{checkBranchNum}}</span><lang>个</lang><Line: 6Time: 2018-03-26 08:46:13-------------------------------------------------------------------------------File:D:\svn\aCenter\windows\dap\store\vdidc\web\vue-ui\src\components\piece.vuecontent:                <div class="branch"><lang>分支</lang></div>Line: 7Time: 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