前言

Python以开发效率高而著称，其中一个重要原因是Python有许多好用的第三方库，今天我们就借助一个中文情感分析库 SnowNLP ，来对某个商品的评价做情感分析，得出每条评价到底是好评还是差评。SnowNLP 库的一个特点就是内置了中文词库，使用这个库就可以直接处理中文，也无需我们去做分词的操作，此外，他还可以做简单的关键字提取以及关键句提取等。

安装snownlp

pip install snownlp

执行上面的命令，即可自动安装，安装完成后就可以开始我们的评论情感分析了。

数据准备

为了避免太多其他功能代码干扰本文的重点内容，因此我提前在某宝的一个商品上把评论复制下来放入文件 taobao评论.txt 中，内容大致如下：

良心话，淘宝买衣服最满意的一次，质量也没让我失望，物有所值，非常合身，非常满意，收到就洗了，穿上心情美美的，值得推荐，请大家放心购买
衣服收到了质量挺好哦，价格实惠物美价廉，款式简单大方比较百搭，是雪纺的面料不会很透明，穿着还算合身，喜欢的宝宝可以入手
宝贝己收到，迫不及待的试了一下，感觉还不错，与图片相符合，没有色差，穿起很合身，布料柔软，是我购物最满意的一次，准备再买一件其它颜色，想买的朋友赶紧下手吧，赞赞赞
真心不错。比我想象的还要好。送给朋友的妈妈穿，穿着显年轻。喜欢的赶紧下单。真的不错
袖子太短了，颜色也不好看。
看起来很土啊，穿起来像个大妈款
这个价位太贵了，款式也太旧了。

实现代码

#%% 导入
import snownlp as slp
import collections as clt
#1
Comment=clt.namedtuple('Comment','content,result')
#%% 方法定义 
def get_contents(file_path):
 with open(file_path,'r',encoding='utf8') as f:
 return [n.strip() for n in f.readlines()]
def analyse_to_comment(content):
 #2
 s=slp.SnowNLP(content)
 #3
 return Comment(display_long(content),pst_to_result(s.sentiments))
 
def display_long(content):
 if len(content)>10:
 return f'{content[0:5]}……{content[-5:]}'
 return content
#4
def pst_to_result(positive):
 if positive>0.75:
 return '好评'
 return '差评'
#%% 运行
if __name__ == "__main__":
 file=r'taobao评论.txt'
 cms=(
 analyse_to_comment(c) 
 for c in get_contents(file)
 )
 for c in cms:
 print(c)

输出:

Comment(content='良心话，……家放心购买', result='好评')
Comment(content='衣服收到了……宝可以入手', result='好评')
Comment(content='宝贝己收到……吧，赞赞赞', result='好评')
Comment(content='真心不错。……。真的不错', result='好评')
Comment(content='袖子太短了……也不好看。', result='差评')
Comment(content='看起来很土……像个大妈款', result='差评')
Comment(content='这个价位太……也太旧了。', result='差评')

• (#1) 使用命名元组来组织数据，两个属性，content是评论，由于可能会很长，所以最终结果会进行缩略显示。result就显示"好评"或"差评"
• (#2) 使用 snownlp 的 SnowNLP，实例化时传入我们要分析的文本
• (#3) 使用 调用 SnowNLP 的方法 sentiments ，即可得到一个百分比的数值，这个数值表示积极度
• (#4) 自定义方法 pst_to_result ，这里就简单把大于 0.75 分的就输出 "好评"，其他情况就输出 "差评"

总结

• 使用 snownlp 的 SnowNLP ，实例化时传入待分析的文本
• 调用 SnowNLP 的方法 sentiments，获取积极度分数(0到1之间的小数)

最后

本文介绍了在Python中简单使用 snownlp 进行商品评价情感分析，这个库一般对于商品买卖才有比较好的分析效果，对于其他场景恐怕会比较感人。考虑到他调用简单方便，我们无需顾及中文分词和创建各种nlp模型即可进行分析也是一个不错的选择。