新版维基语料写文件有编码错误

[Yalei Meng]

使用最新的维基百科语料：
在分词然后保存的时候，会出现编码错误。以\ud开头的，很多字符不能写文件。程序就挂掉了。多方尝试无果，不知您有无应对方案？
错误信息如下：
UnicodeEncodeError: 'utf-8' codec can't encode character '\ud858' in position 9811: surrogates not allowed