kaldi ImportError: No module named mmseg 解決方案

原文鏈接：https://www.cnblogs.com/harrymore/p/15749808.html

1. 問題

在跑./run.sh的時候，因為在一些數據集（如magicdata）的預處理中，會調用local/word_segment.py進行分詞處理。查了一下，看到mmseg是n年前的包，而且只支持python2.x。github上有人上傳了轉化成python3.x版本的包(https://github.com/bxshi/py3mmseg)，但是下載編譯后，也發現不管用，一看發現差不多是10年前上傳的，也作罷。於是想到jieba分詞，宣稱要做最好的 Python 中文分詞組件。具體項目可以參考：https://github.com/fxsjy/jieba。之前用過也是簡單好用。

安裝也非常簡單，因為用的3.8，直接用pip安裝即可：

pip3 install jieba

后面發現在原來的標簽中，還有一些不可視的字符存在，於是也在word_segment.py中進行處理。

2. 代碼

word_segment.py:

#!/usr/bin/env python3

from __future__ import print_function
import sys
import jieba
for line in sys.stdin:
  blks = str.split(line)
  out_line = blks[0]
  for i in range(1, len(blks)):
    for j in jieba.cut(blks[i]):
      if j.isprintable():
        out_line += " " + j
  print(out_line)

注意：原來的解釋器是python2，需要改成你自己的解釋器。

最終效果（egs/multi_cn/s5/data/magicdata/test/text）：

(完)