[Bug]: 使用document_simhash_deduplicator算子报错：NameError: name 'fingerprint_warnings' is not defined

[jamestch]

Before Reporting 报告之前

• I have pulled the latest code of main branch to run again and the bug still existed. 我已经拉取了主分支上最新的代码，重新运行之后，问题仍不能解决。

• I have read the README carefully and no error occurred during the installation process. (Otherwise, we recommend that you can ask a question using the Question template) 我已经仔细阅读了 README 上的操作指引，并且在安装过程中没有错误发生。（否则，我们建议您使用Question模板向我们进行提问）

Search before reporting 先搜索，再报告

• I have searched the Data-Juicer issues and found no similar bugs. 我已经在 issue列表 中搜索但是没有发现类似的bug报告。

OS 系统

Ubuntu

Installation Method 安装方式

docker image build from Dockerfile by myself

Data-Juicer Version Data-Juicer版本

v0.1.2

Python Version Python版本

3.8.18

Describe the bug 描述这个bug

（1）关键错误信息
An error occurred during Op [document_simhash_deduplicator]

_raise PicklingError(_pickle.PicklingError: Can't pickle <cyfunction _Pyx_CFunc_size__t____hash__t____hash__t___to_py..wrap at 0x7ff22bad4e80>: it's not found as cfunc.to_py.wrap

NameError: name 'fingerprint_warnings' is not defined
（2）报错信息截图

To Reproduce 如何复现

1、pulled the latest code，and build docker image from Dockerfile by myself（docker image name： data-juicer:v0.1.2s）
2、start docker container as follow
docker run -dit
--name dj
-v ~/.cache/:/root/.cache/
data-juicer:v0.1.2s /bin/bash

docker cp -a dj:/data-juicer/ /data/llm-data/data-juicer

docker stop dj && docker rm dj

docker run -dit
--name dj
-p 8501:8501
-v /data/llm-data/data-juicer:/data-juicer
-v /data/llm-data/cache/:/root/.cache/
data-juicer:v0.1.2s /bin/bash
3、docker exec -it dj /bin/bash
4、cd /data-juicer/demos/process_cft_zh_data
streamlit run app.py
5、access ip:8501 by browser
6、click "start to process data" button

Configs 配置信息

No response

Logs 报错日志

No response

Screenshots 截图

No response

Additional 额外信息

issue83有类似问题，下载最新代码 and 重装datasets==2.11.0
dill==0.3.4包，都无法解决

[jamestch]

似乎只要使用document_simhash_deduplicator这个算子，都会报上述错误

[HYLcool]

你好，感谢你的关注与使用！

我们这边已复现出你遇到的这个问题，初步估计应该是由最近的commit里面对该算子的修改导致的问题，我们会尽快修复这个问题，然后给你回复哈~

[HYLcool]

嗨，你好 @jamestch

我们已经在PR #94 中修复这个问题，请你拉取最新代码然后再次尝试，谢谢~