从京东爬取商品的评论，进行情感类别标注，并抽取情感词汇 python代码

要从京东爬取商品评论并进行情感类别标注以及抽取情感词汇，你可以使用Python中的一些爬虫和自然语言处理工具。下面是一个示例代码，使用requests库进行网页请求，使用BeautifulSoup库进行网页解析，然后使用NLTK库进行情感类别标注和情感词汇抽取：

import requests
from bs4 import BeautifulSoup
import nltk
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize
from nltk.sentiment import SentimentIntensityAnalyzer

# 下载必要的NLTK数据
nltk.download('vader_lexicon')
nltk.download('stopwords')
nltk.download('punkt')

def extract_sentiment_words(text):
    # 初始化情感强度分析器
    sid = SentimentIntensityAnalyzer()

    # 分词并移除停用词
    stop_words = set(stopwords.words('chinese'))
    word_tokens = word_tokenize(text)
    filtered_tokens = [w for w in word_tokens if not w in stop_words]

    # 对每个单词进行情感分析，并抽取情感词汇
    sentiment_words = []
    for word in filtered_tokens:
        sentiment_score = sid.polarity_scores(word)
        if sentiment_score['compound'] != 0.0:  # 根据情感强度判断是否为情感词汇
            sentiment_words.append(word)

    return sentiment_words

# 爬取京东商品评论页面
url = 'https://item.jd.com/100008348542.html#comment'
response = requests.get(url)
html = response.text

# 解析评论内容
soup = BeautifulSoup(html, 'html.parser')
comments = soup.find_all('div', class_='comment-item')

# 对每条评论进行情感类别标注和情感词汇抽取
for comment in comments:
    comment_text = comment.find('div', class_='comment-con').text.strip()
    sentiment_words = extract_sentiment_words(comment_text)
    sentiment = 'positive' if len(sentiment_words) > 0 else 'negative'
    
    print(comment_text)
    print('Sentiment: ', sentiment)
    print('Sentiment words: ', sentiment_words)
    print('-----------------------')

请注意，这段代码假设你已经通过requests库爬取了京东商品的评论页面，并且评论内容位于`<div class="comment-con">`标签中。代码将使用BeautifulSoup库解析HTML，并使用NLTK库中的`SentimentIntensityAnalyzer`进行情感分析，使用`stopwords`库移除停用词，使用`word_tokenize`函数进行分词。最后，代码将进行情感类别标注和情感词汇抽取，并打印结果。

你可以根据需要修改代码以适应你的具体任务和数据。另外，请确保你在进行网络爬取时遵守相关网站的使用条款和政策。