将gensim w2v转Tensorboard tsv遇TypeError：需bytes类对象而非str

你现在肯定被文件读写模式和数据类型不匹配的问题搞晕了——一会儿要字符串，一会儿要字节，确实挺闹心的。我来帮你理清楚问题根源，再给你两种靠谱的解决思路：

核心问题分析 #

你之前为了解决write() argument must be str, not bytes，给open加了b（二进制模式），但这就要求所有写入文件的内容必须是bytes类型。而你后来用vector_row.encode('UTF-8')无效，大概率是因为vector_row本身不是字符串（比如是向量的数值列表/数组），直接调用encode当然会报错。

反过来，如果不用二进制模式（文本模式），那就要把所有bytes类型的内容（比如模型里的词可能是bytes格式）转成字符串，这样就能避免类型不匹配的问题。

方案1：用文本模式写入（推荐，因为TSV是文本文件） #

这种方式下，我们全程处理字符串，避免字节和字符串的来回转换混乱：

from gensim.models import Word2Vec

# 加载你的Word2Vec模型
model = Word2Vec.load("your_w2v_model.model")

# 用文本模式打开两个TSV文件，指定编码为utf-8
with open('vectors.tsv', 'w+', encoding='utf-8') as vec_file, \
     open('metadata.tsv', 'w+', encoding='utf-8') as meta_file:
    # 遍历模型中的每个词
    for word in model.wv.index_to_key:
        # 处理词：如果词是bytes类型，先解码成字符串
        if isinstance(word, bytes):
            word_str = word.decode('utf-8')
        else:
            word_str = str(word)
        # 写入元数据文件（每个词占一行）
        meta_file.write(f"{word_str}\n")
        # 把向量转换成制表符分隔的字符串，再写入向量文件
        vector_str = '\t'.join(map(str, model.wv[word])) + '\n'
        vec_file.write(vector_str)

方案2：用二进制模式写入（严格处理字节） #

如果你坚持用二进制模式，那要确保每一项写入的内容都是bytes：

from gensim.models import Word2Vec

model = Word2Vec.load("your_w2v_model.model")

# 二进制模式打开文件
with open('vectors.tsv', 'wb+') as vec_file, \
     open('metadata.tsv', 'wb+') as meta_file:
    for word in model.wv.index_to_key:
        # 处理词：字符串转字节，字节直接用
        if isinstance(word, str):
            word_bytes = word.encode('utf-8')
        else:
            word_bytes = word
        meta_file.write(word_bytes + b'\n')  # 换行符也要用字节格式
        # 处理向量：先转成字符串，再编码成字节
        vector_str = '\t'.join(map(str, model.wv[word])) + '\n'
        vector_bytes = vector_str.encode('utf-8')
        vec_file.write(vector_bytes)

为什么你之前的encode无效？ #

你之前尝试的vector_row = vector_row.encode('UTF-8')，如果vector_row是向量的数值数组/列表，那它根本不是字符串，自然没法调用encode方法。必须先把向量转换成制表符分隔的字符串，再去编码成字节，这才是正确的顺序。

内容的提问来源于stack exchange，提问作者OverflowingTheGlass