上面的代码在包括了分词和停用词的添加后，完整代码是啥

当然，如果你想要在上述代码中加入分词和停用词处理，你可以参考下面的示例。在这个例子中，我们使用了jieba库来进行中文分词，并使用NLTK库中的停用词列表。

首先确保已经安装了`jieba`和`nltk`库，可以分别通过`pip install jieba`和`pip install nltk`进行安装。然后，需要下载NLTK的停用词列表：

import pandas as pd
import re
import jieba
from jieba.analyse import ChineseSegmenter, stop_words
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize

# 下载停用词表
nltk.download('stopwords')

# 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')  # 假设列名为"Negative Words"
    negative_words = set(vocab_df['Negative Words'].tolist())
    return negative_words

# 加载停用词和分词器
stop_words_list = list(stopwords.words('chinese'))
cs = ChineseSegmenter()

# 2. 读取txt文件内容并进行分词和停用词去除
def extract_negative_text(input_file, output_file, vocab_set, stop_words):
    with open(input_file, 'r', encoding='utf-8') as f:
        text = f.read()
        
    # 分词并去除停用词
    tokenized_text = [word for segment in cs.cut(text) for word in segment if word not in stop_words and word in vocab_set]
    
    # 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, stop_words_list)

现在，这段代码会从输入的txt文件中提取出只包含情感词汇本体库中负向词且去除停用词的部分，写入到新的txt文件中。记得替换`'your_input.txt'`为你的实际文件路径。