使用spacy，如何确保字母序列永远不会被分割成标记

import spacy
from spacy.tokenizer import Tokenizer
from spacy.util import compile_prefix_regex, compile_infix_regex, compile_suffix_regex

def custom_tokenizer(nlp):
    # 获取默认的分词规则
    prefix_re = compile_prefix_regex(nlp.Defaults.prefixes)
    suffix_re = compile_suffix_regex(nlp.Defaults.suffixes)
    infix_re = compile_infix_regex(nlp.Defaults.infixes)

    # 添加自定义规则，将字母序列视为一个标记
    # 这里使用正则表达式来匹配字母序列
    # \w+ 表示匹配一个或多个字母或数字
    # \S+ 表示匹配一个或多个非空白字符
    # | 表示或运算
    simple_tokenizer_re = re.compile(r'\w+|\S+')

    # 创建一个Tokenizer对象，并将自定义规则应用于分词器
    tokenizer = Tokenizer(nlp.vocab, prefix_search=prefix_re.search,
                          suffix_search=suffix_re.search,
                          infix_finditer=infix_re.finditer,
                          token_match=simple_tokenizer_re.match)

    return tokenizer

nlp = spacy.load("en_core_web_sm")
nlp.tokenizer = custom_tokenizer(nlp)