结巴分词对于特殊格式的分词

最近在写结巴的项目，刚好遇到了英文分词的问题，因为结巴分词使用了空格作为默认分割符，会导致自定义词典和默认词典都无法对英文做出准确的分割，感谢这位的文章，全面有效，解决了该问题，https://www.cnblogs.com/callyblog/archive/2004/01/13/10097847.html。如果使用的全模式，需要再从其它文章里找到全模式修改的

文章只提供了修改方法，这里根据实际经验，就遇到的问题需要补充下：

1、一定要提前将结巴的默认词典和自定义词典按照格式修改好，或者会报错。

2、jieba.cache文件记得删除掉，让jieba重新生成模型缓存

3、如果自定义词典的里的词较多，建议在源码修改的地方使用try把异常捕捉出来，由于自定义词典任何一行的格式问题会导致报错，导致初始化有问题。由于使用的是循环加载词典，try会处理一行异常：特别是类似freq这样的替换，修改后源码没有对类型和空值进行判断，格式问题会导致初始化失败，可以将异常打印出来，同时不影响其它行的正常初始化。代码如下，其它报错地方也可以按照该方法进行补获。

  try:
              freq = freq.replace('\u0040\u0040', '')
  except :
                print (  word, freq, tag)

按照文章一步一步做，基本就完成了英文单词的切割。