2.我有一个两千多条数据的文本，想要在导入自建txt情感词典的基础上找到其中的正向、负向、中性语句。调用Python基本功能，在技术上可行吗？

在Python中，完全可以通过基本功能来实现这个需求。首先，你需要做的是读取你的文本文件，并对每一条数据进行处理：

1. **读取文本**：使用`open()`函数打开文本文件，`readlines()`读取每一行作为字符串列表。
2. **分词**：使用jieba库进行中文分词，将每个句子拆分成词语。
3. **查找关键词**：遍历分词后的词语，对照你的自建情感词典，判断是否为正向、负向或中性词汇。
4. **统计分类**：对每句话中正向、负向和中性的词汇计数，得出该句的情感倾向。

你可以创建一个简单的字典或集合，存储正向、负向和中性词及其对应的标签。然后对每条文本进行遍历，通过匹配到的情感词来决定其情感类别。例如，如果某个词出现在正向词典中，就标记这句话为正向。

# 示例代码
import jieba

# 假设你有这样一个情感词典
positive_words = set([...])
negative_words = set([...])
neutral_words = set([...])

with open('your_text.txt', 'r', encoding='utf-8') as file:
    for line in file:
        words = jieba.lcut(line)
        positive_count, negative_count, neutral_count = 0, 0, 0
        for word in words:
            if word in positive_words:
                positive_count += 1
            elif word in negative_words:
                negative_count += 1
            # 如果不在情感词典里，可能认为是中性
            else:
                neutral_count += 1
        # 根据比例判断大致的情感倾向
        sentiment = '正向' if positive_count > negative_count else '负向' if negative_count > positive_count else '中性'
        print(f'句子 {line.strip()} 分类为：{sentiment}')

注意这只是一个基础示例，实际操作可能会更复杂，比如处理同义词、短语等，可能还需要引入TF-IDF等机器学习方法提高情感分析的准确性。