THULAC分词时报错的解决方法:python代码

1 安装
由于用到了分词，需要给已经处理成每行内容只含汉字的txt文本进行分词，所以想到用thulac试一下。环境是anaconda+pycharm+python 3.6.
使用pip安装：

pip install thulac

2 使用
pycharm中新建python文件，导入thulac包，然后输入命令：
（1）单独句子

import thulac   

thu1 = thulac.thulac()  #默认模式
text = thu1.cut("我爱北京天安门", text=True)  #进行一句话分词
print(text)

（2）文件

import thulac

thu1 = thulac.thulac(seg_only=True)  #只进行分词，不进行词性标注
thu1.cut_f("input.txt", "output.txt")   #对input.txt文件内容进行分词，输出到output.txt

2.1 遇到的问题

GBK的编码报错
解决方法：①在查看文本文档是否都是UTF-8编码格式，
②点击thulac包下的那个__init__文件，在提示的189行上面，188,187行看到文件读写没有指定编码格式，所以添加指定格式如下：

③重启电脑后运行
#注意：文件编码的格式，或许也可以通过改变文件编码实现，可能比较麻烦，欢迎尝试，欢迎交流