爬取某著名评分网站影评，jieba分词实现的影评情感，最后由python绘图对结果可视化三

1.  
   def emotion_analyse(info: list):
2.  
   """
3.  
   情感分析,统计所有出现的情感词个数，取前20个做条形图
4.  
   :param:info:一个类型的电影的所有情感词
5.  
   :return:该类型电影下，字典形式的出现次数前二十的情感词
6.  
   """
7.  
    
8.  
   dict_word = {}
9.  
   for i in range(len(info)):
10.  
    # 情感词长度大于2
11.  
    if len(info[i]) == 1:
12.  
    continue
13.  
    if info[i] not in dict_word:
14.  
    dict_word[info[i]] = 1
15.  
    else:
16.  
    dict_word[info[i]] = 1
17.  
    word_sorted = sorted(dict_word.items(), key=lambda x: x[1], reverse=True)
18.  
     
19.  
    return word_sorted[:20]

                3.主函数部分，情感分析并为每部电影绘制词云图，每个类型的电影绘制词频排名前20的情感词统计图

1.  
   if __name__ == '__main__':
2.  
    
3.  
   # 打开不同类型电影影评所在文件夹
4.  
   classes = os.listdir('movie_comment')
5.  
    
6.  
   # 主循环
7.  
   for movie_class in classes:
8.  
    
9.  
   # 获得该类型电影下的所有电影影评所在文件
10.  
    movies = os.listdir('movie_comment/' movie_class)
11.  
     
12.  
    # 存储整个类型下的不同影评信息
13.  
    whole_name = []
14.  
    whole_loc = []
15.  
    whole_time = []
16.  
    whole_agency = []
17.  
    whole_works = []
18.  
    whole_n = []
19.  
    whole_a = []
20.  
    whole_v = []
21.  
    whole_other = []
22.  
     
23.  
    # 获得单个电影的影评信息
24.  
    for movie in movies:
25.  
    with open(os.path.join('movie_comment/', movie_class, movie), 'r', encoding='utf-8') as f:
26.  
    # 读取整个影评文件
27.  
    sentences = f.read()
28.  
     
29.  
    """
30.  
    每次循环保留一个电影所有影评形容词的词性标注的信息，
31.  
    用于绘制后面整个类型的情感词统计图（这里只使用到了形容词）
32.  
    """
33.  
    whole_a.extend(processor.get_a(sentences))
34.  
    # whole_name.extend(processor.get_name(sentences))
35.  
    # whole_loc.extend(processor.get_loc(sentences))
36.  
    # whole_time.extend(processor.get_time(sentences))
37.  
    # whole_name.extend(processor.get_time(sentences))
38.  
    # whole_agency.extend(processor.get_agency(sentences))
39.  
    # whole_works.extend(processor.get_work(sentences))
40.  
    # whole_n.extend(processor.get_normal_n(sentences))
41.  
    # whole_v.extend(processor.get_verb(sentences))
42.  
     
43.  
    """利用文本处理器中的获取形容词的函数获得形容词列表，再
44.  
    将李列表用空格连接成一个字符串用于构建词云图
45.  
    """
46.  
    wordcloud_(text=' '.join(processor.get_a(sentences)), file_path=movie_class,
47.  
    file_name=movie[:-11] '_情感词云图.jpg')
48.  
     
49.  
    """
50.  
    根据上面存储整个影评词性标注信息的列表，
51.  
    绘制该类型电影情感词的条形统计图
52.  
    """
53.  
    emotion_words = emotion_analyse(whole_a)
54.  
    path = os.path.join('./word_clouds', movie_class, movie_class '_情感词语条形统计图.jpg')
55.  
    draw_pie(title=f"{movie_class}情感分析图", info=emotion_words, path=path)
56.  
     
57.  
    # 绘制该类型电影的情感词云图
58.  
    wordcloud_(text=' '.join(whole_a), file_path=movie_class, file_name=movie_class "_情感词云图.jpg")
59.  
    print(f"完成{movie_class}部分")

完结撒花