首先复制上一篇博客的完整代码，代码如下：

注：如果有不明白的地方请参考上一篇博客——torchtext处理文本数据——构造dataset读取文本（学习一）

数据源和解释都在上一篇博客中

from torchtext import data


def split_tokenize(x):  # 传入的x就是一个格子的文本
    return x.split(' ')  # 按空格切分


def country_tokenize(x):  # 这是专门处理国家字段，不分词直接返回结果
    return x  # 比如传入United Kingdom，我们不要切分成['United', 'Kingdom']，这是干嘛呀，我们就直接返回国家名就行


NAME = data.Field()  # 不传tokenize，默认会按照空格分开
COUNTRY = data.Field(tokenize=country_tokenize)
Comment = data.Field(tokenize=split_tokenize, init_token='<SOS>', eos_token='<EOS>')
fields = [('name', NAME), ('country', COUNTRY), ('age', None), ('comment', Comment)]
train = data.TabularDataset.splits(
    path='./',
    train='my_csv_text.csv',
    format='csv',
    skip_header=True,
    fields=fields)
train = train[0]
print("分词结果：", train.examples[0].comment)
# =========================以上内容解释请参考：https://blog.csdn.net/weixin_35757704/article/details/119976681=========================

构建词表

在此基础上，我们构建词表build_vocab，构建词表的最终目的是：

• 输入：[word1,word2,word3,]
• 输出：
  [
  [word1对应的词向量],
  [word2对应的词向量],
  [word3对应的词向量],
  ]
  我们之后的操作便是为此做准备，顺着上面的代码，后续代码是：

# =========================步骤0：训练一个word2vec模型=========================
from gensim.models import Word2Vec


def train_word2vec(sentences):
    model = Word2Vec(sentences, vector_size=256, min_count=1, window=5, sg=0)
    return model


word2vec_model = train_word2vec([train.examples[0].comment, train.examples[1].comment])  # 这里训练了一个超级差劲的word2vec模型，但是意思就是这个意思
word2vec_model.wv.save_word2vec_format('my_word2vec_format.txt')
# =========================步骤1：构建全部词表=========================
from torchtext.vocab import Vectors

vectors = Vectors(name='my_word2vec_format.txt')

# =========================步骤2：构建词典=========================
Comment.build_vocab(train, vectors=vectors)

# =========================步骤3：得到想要的东西=========================
print(len(Comment.vocab))  # 词表里有12个单词
print(Comment.vocab.itos)  # 不同词的编号 int编号：词
print(Comment.vocab.stoi)  # 不同词的编号 词：int编号

print(Comment.vocab.stoi['love'])  # 根据词获得int编号，得到"love"对应的编号为6
print(Comment.vocab.itos[6])  # 根据编号得到词，得到编号6对应的词"love"
print(Comment.vocab.vectors[6])  # 根据编号得到对应的词向量

其实到这里，我们就可以自己去构建一些方法，得到一个句子的词向量了，但是torchtext构造了一些可以内置的方法，以便我们更方便的写代码，之后的内容请参考下一篇博客

目前为止的完整代码

from torchtext import data


def split_tokenize(x):  # 传入的x就是一个格子的文本
    return x.split(' ')  # 按空格切分


def country_tokenize(x):  # 这是专门处理国家字段，不分词直接返回结果
    return x  # 比如传入United Kingdom，我们不要切分成['United', 'Kingdom']，这是干嘛呀，我们就直接返回国家名就行


NAME = data.Field()  # 不传tokenize，默认会按照空格分开
COUNTRY = data.Field(tokenize=country_tokenize)
Comment = data.Field(tokenize=split_tokenize, init_token='<SOS>', eos_token='<EOS>')
fields = [('name', NAME), ('country', COUNTRY), ('age', None), ('comment', Comment)]
train = data.TabularDataset.splits(
    path='./',
    train='my_csv_text.csv',
    format='csv',
    skip_header=True,
    fields=fields)
train = train[0]
print("分词结果：", train.examples[0].comment)
# =========================以上内容解释请参考：https://blog.csdn.net/weixin_35757704/article/details/119976681=========================
# =========================步骤0：训练一个word2vec模型=========================
from gensim.models import Word2Vec


def train_word2vec(sentences):
    model = Word2Vec(sentences, vector_size=256, min_count=1, window=5, sg=0)
    return model


word2vec_model = train_word2vec([train.examples[0].comment, train.examples[1].comment])  # 这里训练了一个超级差劲的模型，但是意思就是这个意思
word2vec_model.wv.save_word2vec_format('my_word2vec_format.txt')
# =========================步骤1：构建全部词表=========================
from torchtext.vocab import Vectors

vectors = Vectors(name='my_word2vec_format.txt')

# =========================步骤2：构建词典=========================
Comment.build_vocab(train, vectors=vectors)

# =========================步骤3：得到想要的东西=========================
print(len(Comment.vocab))  # 词表里有12个单词
print(Comment.vocab.itos)  # 不同词的编号 int编号：词
print(Comment.vocab.stoi)  # 不同词的编号 词：int编号

print(Comment.vocab.stoi['love'])  # 根据词获得int编号，得到"love"对应的编号为6
print(Comment.vocab.itos[6])  # 根据编号得到词，得到编号6对应的词"love"
print(Comment.vocab.vectors[6])  # 根据编号得到对应的词向量