写一个分析豆瓣电影评论的代码

好的，以下是一个简单的程序示例，使用 Python 的 requests 库和 BeautifulSoup 库进行网页爬取和数据处理，使用 TextBlob 库进行情感分析，使用 matplotlib 库进行数据可视化展示：

import requests
from bs4 import BeautifulSoup
from textblob import TextBlob
import matplotlib.pyplot as plt

# 豆瓣电影评论页面的 URL 地址
url = 'https://movie.douban.com/subject/26752088/comments?start={}&limit=20&sort=new_score&status=P'

# 存储情感分析结果的字典
sentiment_dict = {'positive': 0, 'neutral': 0, 'negative': 0}

# 爬取前 100 条评论数据进行分析
for i in range(0, 100, 20):
    # 构造评论页面的 URL 地址
    page_url = url.format(i)

    # 发送 GET 请求，获取评论页面的 HTML 代码
    response = requests.get(page_url)

    # 使用 BeautifulSoup 解析 HTML 代码，获取评论内容
    soup = BeautifulSoup(response.text, 'html.parser')
    comment_list = soup.find_all('span', class_='short')

    # 对每条评论进行情感分析，并统计结果
    for comment in comment_list:
        blob = TextBlob(comment.text)
        sentiment = blob.sentiment.polarity
        if sentiment > 0:
            sentiment_dict['positive'] += 1
        elif sentiment == 0:
            sentiment_dict['neutral'] += 1
        else:
            sentiment_dict['negative'] += 1

# 计算每个情感类别的评论数和比例
total_comments = sum(sentiment_dict.values())
positive_comments = sentiment_dict['positive']
neutral_comments = sentiment_dict['neutral']
negative_comments = sentiment_dict['negative']
positive_ratio = positive_comments / total_comments
neutral_ratio = neutral_comments / total_comments
negative_ratio = negative_comments / total_comments

# 将结果进行可视化展示
labels = ['Positive', 'Neutral', 'Negative']
sizes = [positive_ratio, neutral_ratio, negative_ratio]
colors = ['yellowgreen', 'gold', 'lightcoral']
explode = (0.1, 0, 0)
plt.pie(sizes, explode=explode, labels=labels, colors=colors,
        autopct='%1.1f%%', shadow=True, startangle=140)
plt.axis('equal')
plt.show()

需要注意的是，以上代码仅作为示例，实际使用中需要进行完整的错误处理和异常处理，以及符合法律法规和豆瓣网站的相关规定。