BertWordPieceTokenizer是HuggingFace库中的一种分词器，用于将文本划分为单词或子词。与之相比，BertTokenizer是HuggingFace库中的另一种分词器，用于将文本划分为单词或子词，并进行词汇表映射、特殊标记添加等额外处理。

下面是一个比较示例，展示了如何使用这两个分词器。

首先，安装所需的库：

pip install transformers

然后，导入所需的库和模块：

from transformers import BertTokenizer, BertWordPieceTokenizer

接下来，我们可以使用BertWordPieceTokenizer进行分词：

tokenizer = BertWordPieceTokenizer.from_pretrained('bert-base-uncased')
text = "Hello, how are you?"
tokens = tokenizer.tokenize(text)
print(tokens)

输出结果为：['hello', ',', 'how', 'are', 'you', '?']

然后，我们可以使用BertTokenizer进行分词和额外处理：

tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')
text = "Hello, how are you?"
tokens = tokenizer.tokenize(text)
print(tokens)

输出结果为：['hello', ',', 'how', 'are', 'you', '?']

可以看到，两个分词器的输出结果是相同的。但是，BertTokenizer还可以进行更多功能，比如将文本转换为输入模型所需的输入特征：

text = "Hello, how are you?"
inputs = tokenizer.encode_plus(text, add_special_tokens=True, padding='longest', max_length=10, return_tensors='pt')
print(inputs)

输出结果为：

{'input_ids': tensor([[ 101, 7592, 1010, 2129, 2017, 1029,  102,    0,    0,    0]]),
 'token_type_ids': tensor([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0]]),
 'attention_mask': tensor([[1, 1, 1, 1, 1, 1, 1, 0, 0, 0]])}

可以看到，BertTokenizer将文本转换为输入特征，包括input_ids、token_type_ids和attention_mask。

总而言之，BertWordPieceTokenizer和BertTokenizer都可以用于分词，但BertTokenizer还可以进行更多功能的处理，比如特殊标记添加和输入特征转换等。