爬取豆瓣top250的电影信息以及几个评价，用jieba库分词看一下情感极性把top250的电影分词分成几个情感类 ，分别写入Angry、Disgusted、Happy、Neutral、Sad、Scared、Surpriser的xlsx文件中,完整可用，带注释

好的，这个任务需要用到爬虫、文本处理和Excel文件的操作，比较复杂。我会尽量详细地解释每一步的操作，方便您理解。

首先，我们需要安装一些必要的库，包括 requests、beautifulsoup4、jieba 和 openpyxl。您可以使用以下命令进行安装：

pip install requests beautifulsoup4 jieba openpyxl

接下来，我们需要编写爬虫代码，爬取豆瓣top250的电影信息。这里我们使用 requests 库和 beautifulsoup4 库来实现。

import requests
from bs4 import BeautifulSoup

# 请求URL
url = 'https://movie.douban.com/top250'

# 发起请求
response = requests.get(url)

# 解析HTML
soup = BeautifulSoup(response.text, 'html.parser')

# 获取电影列表
movie_list = soup.find(class_='grid_view').find_all('li')

# 遍历电影列表，获取每个电影的信息
for movie in movie_list:
    # 电影排名
    rank = movie.find(class_='pic').find('em').text
    # 电影名称
    name = movie.find(class_='title').text.strip()
    # 电影评分
    rating = movie.find(class_='rating_num').text
    # 评价人数
    num_ratings = movie.find(class_='star').find_all('span')[-1].text[:-3]
    # 短评
    quote = movie.find(class_='inq').text.strip() if movie.find(class_='inq') else ''
    
    # 打印电影信息
    print(rank, name, rating, num_ratings, quote)

上述代码中，我们首先请求了豆瓣top250的电影页面，然后使用 BeautifulSoup 库解析HTML，获取电影列表。接下来，我们遍历电影列表，获取每个电影的排名、名称、评分、评价人数和短评信息，并打印出来。这样就完成了电影信息的爬取。

接下来，我们需要使用 jieba 库进行分词，并根据情感极性将电影分成几个类别。这里我们可以使用情感词典，例如 THUOCL 情感词典，来确定情感极性。

import requests
from bs4 import BeautifulSoup
import jieba
import openpyxl

# 请求URL
url = 'https://movie.douban.com/top250'

# 发起请求
response = requests.get(url)

# 解析HTML
soup = BeautifulSoup(response.text, 'html.parser')

# 获取电影列表
movie_list = soup.find(class_='grid_view').find_all('li')

# 加载情感词典
sentiment_dict = {}
with open('THUOCL_caijing.txt', encoding='utf-8') as f:
    for line in f:
        word, sentiment = line.strip().split('\t')
        sentiment_dict[word] = sentiment

# 初始化情感类别
sentiment_categories = {
    'Angry': [],
    'Disgusted': [],
    'Happy': [],
    'Neutral': [],
    'Sad': [],
    'Scared': [],
    'Surprised': []
}

# 遍历电影列表，获取每个电影的信息并分词
for movie in movie_list:
    # 电影名称
    name = movie.find(class_='title').text.strip()
    # 短评
    quote = movie.find(class_='inq').text.strip() if movie.find(class_='inq') else ''
    
    # 对短评进行分词
    words = jieba.lcut(quote)
    
    # 统计情感极性
    sentiment_scores = {
        'Angry': 0,
        'Disgusted': 0,
        'Happy': 0,
        'Neutral': 0,
        'Sad': 0,
        'Scared': 0,
        'Surprised': 0
    }
    for word in words:
        if word in sentiment_dict:
            sentiment = sentiment_dict[word]
            sentiment_scores[sentiment] += 1
    
    # 根据情感极性将电影分成不同的类别
    max_sentiment = max(sentiment_scores, key=sentiment_scores.get)
    sentiment_categories[max_sentiment].append(name)

# 将结果写入Excel文件
wb = openpyxl.Workbook()
for sentiment, movies in sentiment_categories.items():
    sheet = wb.create_sheet(sentiment)
    sheet.append(['电影名称'])
    for movie in movies:
        sheet.append([movie])
wb.save('sentiment_categories.xlsx')

上述代码中，我们首先加载情感词典，然后遍历电影列表，获取每个电影的名称和短评，并对短评进行分词。接下来，我们使用情感词典统计短评中每个情感极性出现的次数，并找到出现次数最多的情感极性。最后，我们根据情感极性将电影分成不同的类别，并将结果写入Excel文件。这样就完成了电影的分词和情感极性分类。