尝试解决这个问题，我创建了一个有序的部件列表，想要保留这些部件，如下所示：

score: 0.0
 type: UNKNOWN,
 piece: "<s>"
 score: 0.0
 type: CONTROL,
 piece: "</s>"
 score: 0.0
 type: CONTROL,
 piece: ","
 score: -3.4635426998138428,
 piece: "."
 score: -3.625642776489258,
...
]

然后，我尝试使用这些部件创建一个新的模型：

sp_new = sentencepiece_model_pb2.ModelProto()
sp_new.pieces = new_pieces

得到的结果是：

AttributeError: Assignment not allowed to repeated field "pieces" in protocol message object.

这种第二种方法是否正确？
肯定还有其他人在尝试限制句子片段模型不使用某些部件之前。

我的需求与你相同，希望能够使用受限词汇保存一个新的模型。但是似乎sentencepiece在Python中没有提供这样的API。SetVocabulary 无法更改模型。期待新的API可以用于保存新模型并更改模型的实际词汇。

SetVocabulary 有什么作用？你能举个例子说明如何使用它吗？
设置词汇表示例：#250

不确定这是否仍然需要。
我设法通过copy.deepcopy(m.pieces[0])创建了一个m.piece,并使用它可以创建一个新的spm。
我是这样使用的：

def new_piece_by_deepcopy(original_piece,token:str,score:float,piece_type:int):
    '''
    Args:
        original_piece:(SentencePiece) the target of deepcopy
        piece:(str) token
        score:(float) priority of encoding to this token (see spm.vocab). 
        piece_type:(int) 1:normal, 2:<unk>, 3:control, 4:user defined, 5:unused. 
        
    Return:
        a SentencePiece with given piece, score and piece_type
    '''
    new_p=copy.deepcopy(original_piece)# not a good way, but it does work.
    piece.piece=token
    piece.score=score
    piece.piece_type=piece_type
    return new_p
serializedStr=open(spm_path,"rb").read()
m=sentencepiece_model_pb2.ModelProto()
m.ParseFromString(serializedStr)
pieces.insert(0, new_piece_by_deepcopy("<s>",0,3,spm.pieces[0]))
pieces.insert(2, new_piece_by_deepcopy("</s>",0,3,spm.pieces[0]))
# this bos,eos are meant for being the same as a fairseq dict.
with open(new_spmPath+".model","wb") as f:
        f.write(m.SerializeToString())

在这种情况下，最终的spm将获得和,词汇量增加了2。
此外，它还能正确地对句子进行分词。