要下载BERT分词器和模型，可以按照以下步骤进行操作：

1. 安装必要的库和工具：首先，确保你已经安装了Python，并且具备使用pip安装库的能力。另外，你需要使用git来克隆BERT模型的代码库。

2. 克隆BERT代码库：打开终端或命令提示符，执行以下命令来克隆BERT的代码库：

git clone https://github.com/google-research/bert.git

3. 下载BERT模型：进入BERT代码库的根目录，执行以下命令来下载预训练的BERT模型文件：

cd bert
wget https://storage.googleapis.com/bert_models/2020_02_20/uncased_L-12_H-768_A-12.zip
unzip uncased_L-12_H-768_A-12.zip

这将会下载一个预训练的BERT模型文件（uncased_L-12_H-768_A-12.zip），并将其解压缩到当前目录下。

4. 安装依赖库：进入BERT代码库的根目录，执行以下命令来安装BERT所需的依赖库：

pip install -r requirements.txt

5. 使用BERT分词器和模型：现在你已经下载和安装好了BERT分词器和模型，可以使用以下示例代码来进行分词：

import tensorflow as tf
from transformers import BertTokenizer, TFBertModel

# 加载BERT分词器
tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')

# 加载BERT模型
model = TFBertModel.from_pretrained('bert-base-uncased')

# 输入文本
text = "Hello, how are you?"

# 分词
tokens = tokenizer.tokenize(text)

# 添加特殊标记
tokens = ['[CLS]'] + tokens + ['[SEP]']

# 转换为BERT词汇表中的索引
input_ids = tokenizer.convert_tokens_to_ids(tokens)

# 创建输入张量
input_ids = tf.convert_to_tensor([input_ids])

# 获取BERT模型的输出
outputs = model(input_ids)

# 输出BERT模型的隐藏状态
hidden_states = outputs.last_hidden_state

通过执行以上代码，你将能够使用已下载的BERT分词器和模型来对文本进行分词和获取隐藏状态。请注意，以上代码仅为示例，你可以根据自己的需求进行相应的修改。