我如何依据手头现有的大连理工大学情感词汇本体库.xlsx，基于它其中的负向词词汇库，将另外一个txt文件中所有的负向文本筛出来成为一个新的文件？请给出详细的Python代码

首先，你需要安装一些必要的库，如pandas用于读取Excel文件，nltk或jieba用于分词，然后使用os模块操作文件。以下是详细的Python代码步骤：

import pandas as pd
import re
from nltk.tokenize import word_tokenize

# 1. 读取情感词汇本体库
def read_excel_vocab(file_path):
    vocab_df = pd.read_excel(file_path, engine='openpyxl')  # 使用openpyxl引擎打开xlsx文件，假设列名为"Negative Words"
    negative_words = set(vocab_df['Negative Words'].tolist())  # 将负向词转换成集合便于快速查找
    return negative_words

# 2. 读取txt文件内容并进行分词
def extract_negative_text(input_file, output_file, vocab_set):
    with open(input_file, 'r', encoding='utf-8') as f:
        text = f.read()
    
    # 如果使用jieba分词
    tokenized_text = [word for word in word_tokenize(text) if word not in停止词列表 and word in vocab_set]
    
    # 如果使用正则表达式匹配
    # tokenized_text = re.findall(r'\b(?:{})\b'.format('|'.join(negative_words)), text, flags=re.IGNORECASE)
    
    # 写入新文件
    with open(output_file, 'w', encoding='utf-8') as f:
        f.write(' '.join(tokenized_text))

# 3. 调用函数
negative_words = read_excel_vocab('大连理工大学情感词汇本体库.xlsx')
input_txt_file = 'your_input.txt'
output_negatives_txt_file = 'negative_texts.txt'
extract_negative_text(input_txt_file, output_negatives_txt_file, negative_words)

注意，这个例子假设你的Excel文件有一个名为"Negative Words"的列，并且没有停用词列表。如果有停用词，需要添加相应的过滤步骤。同时，这里的分词部分可以按需选择使用nltk的word_tokenize或其他适合的分词方法。如果你使用的是jieba分词，需要先安装`jieba`库，并在运行之前调用`jieba.load_userdict()`加载自定义词典，这里我没有包含这一部分以保持简洁。