kaldi ImportError: No module named mmseg 解决方案

原文链接：https://www.cnblogs.com/harrymore/p/15749808.html

1. 问题

在跑./run.sh的时候，因为在一些数据集（如magicdata）的预处理中，会调用local/word_segment.py进行分词处理。查了一下，看到mmseg是n年前的包，而且只支持python2.x。github上有人上传了转化成python3.x版本的包(https://github.com/bxshi/py3mmseg)，但是下载编译后，也发现不管用，一看发现差不多是10年前上传的，也作罢。于是想到jieba分词，宣称要做最好的 Python 中文分词组件。具体项目可以参考：https://github.com/fxsjy/jieba。之前用过也是简单好用。

安装也非常简单，因为用的3.8，直接用pip安装即可：

pip3 install jieba

后面发现在原来的标签中，还有一些不可视的字符存在，于是也在word_segment.py中进行处理。

2. 代码

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：原来的解释器是python2，需要改成你自己的解释器。

最终效果（egs/multi_cn/s5/data/magicdata/test/text）：

(完)