对于现在这个数据的时代，数据的类型并不像以前以数值化为主这般单一，现在不同的网站、App都充斥着文本的数据，而这些文本数据的背后，更是代表了用户背后的情感信息，忽略了这些数据，可能会导致错失机会。比如我们在淘宝店中可以看到用户对产品的评价，由于各个人的意见都褒贬不一，所以就有使用情感分析去判断舆论的走势。下面就简单介绍一下分析的思路和过程：

一、数据的准备

首先我选择从天猫网上随便选一个产品网页，该页面中包含对该产品的用户评价，我们的首要任务就是将其爬取下来。现在的网页如下：戴尔电脑

评论信息如上截图，我们也发现所有的评论不在同一页面，每次抓取完一页的数据，就需要点击下一页，再抓取当前页面的评论数据。让我们用代码帮助我们完成点击下一页的动作，这样就可以大大提升我们抓取的效率：

# 网页url
url = 'https://detail.tmall.com/item.htm?id=589583463316&ali_refid=a3_430676_1006:1102672698:N:FKL6p+C5FWFe
PDRN++UfYbwTjZ9raDfZ:60c2645a6e0a04068b3416315863aa21&ali_trackid=1_60c2645a6e0a04068b3416315863aa21&spm=a231o.
7712113/g.1004.1&sku_properties=5919063:6536025'

library(RSelenium)
remDr <-remoteDriver(  
  
  browserName = "chrome",  
  
  remoteServerAddr = "localhost",  
  
  port = 4444L  
  
)
remDr$open() 
remDr$navigate(url)
library(rvest)
#抓取第一页的评论
review = remDr$getPageSource()[[1]]%>%read_html()%>%html_nodes(css ='div.tm-rate-fulltxt' )%>%html_text()
#循环抓取
i=2
while(i<11){
#定位每一页的"下一页"按钮的元素位置
A = as.character(paste0("//div[@class = 'rate-paginator']/a[@data-page='",i,"']")) 
btn = remDr$findElement(using = 'xpath',value = A)
#点击当前元素
btn$clickElement()
#抓取当前页面的评论信息
rev = remDr$getPageSource()[[1]]%>%read_html()%>%html_nodes(css='div.tm-rate-fulltxt' )%>%html_text()
review = c(review,rev)
i=i+1
}

如图，就是部分的评论数据，此次一共爬取了240条评论数据 。

二、清洗及分词处理

对于刚刚爬取下来的评论数据，首先我们要去掉一些没有意义的符合和词语。比如标点符合、停用词、语气词和字母字符等等，下面我们就通过代码，对所有评论进行清洗。

library(stringr)
#去掉标点符号
fir_rew = str_remove_all(review,"，|。| |！|：|？|\\.|~")
#去掉英文字符和数字
sec_rew = str_remove_all(fir_rew,"\\d|[a-zA-Z]")

完成了对评论数据清洗，我们就需要对各条评论进行分词处理，因为一个句子我们用要让电脑明白是比较困难的，但是将句子拆分成词语，就能通过词语本身所代表的情感，判断是好评或者是差评。而R语言中我们通常使用jiebaR包。

library(jiebaR)
wk = worker()
words = segment(sec_rew,wk)

简单的代码就可以对评论进行分词，分词的效果和我们使用的分词引擎和词典配置都是有关的，如果使用的时候不太关心引擎的事，那么可以直接使用默认的worker就可以了，下面也给出worker()的具体参数及配置含义：

在jiebaR中通过show_dictpath()函数可以查看默认的标准词典，对于我们的使用来说，不同行业或不同的文字类型，我们可以通过将不同的词典添加到jiebaR默认的词典路径中，再使用函数worker()读取该词典，常用的各行业词典可以从搜狗输入法等下载。

在完成分词之后，我们需要去除一些没有意义的停用词、语气词等等，我的做法是通过匹配停用词词典和语气词词典，去掉词语中的无用的词语，从而筛选出我们需要用于感情分析的数据。而停用词语和语气词的词典在网上应该可以下载到，当然如果我们可以找到比较全面的词典，对我们去除无用词的工作会起到很大的帮助。

三、情感得分

在得到用于分析的词语数据之后，我们可以导入从网上下载的消极词词典和积极词词典，且我们对词典中的每个词语进行一个情感数值的赋值，比如消极词词典中的每个词语，我们都赋予其“-1”的得分，相反积极词词典就赋予“1”的得分，如下面的消极词词典：

之后就是匹配我们的词语数据与积极和消极词典中的词语，并为词语赋予数值，把不在两个词典中的词语情感分值赋予0，之后我们对计算所有词语的总得分，若总分为负数，则对该产品的差评比较多，反之好评较多。但是得分评价的效果与我们使用的词典是由很大关系的，如果我们的评价词语中与积极消极词典中的匹配度越大，则我们的评分就越全面，我们做出判断就越为准确。

四、词云可视化

既然我们都完成了分词这一部分的工作了，在我们计算完情感得分之后，我们可以对得到的词语进行词云可视化，之前在介绍rechart的时候也有提及到词云可视化，而现在我们就用wordcloud2包来实现可视化的效果。wordcloud2的函数就只有wordcloud()，使用的方法也比较简单，只需要传入包含词语就词语对应词频的数据框。比如我们直接对评论进行词云的可视化：

df = data.frame(x=sec_rew[1:50],y=sample(c(1:50),50))
wordcloud2(df)

wordcloud2的设置也是挺丰富的，参数如下：

size：字体大小，默认为1，一般来说该值越小，生成的形状轮廓越明显

fontFamily：字体，如‘微软雅黑’

fontWeight：字体粗细

color：字体颜色

backgroundColor：背景颜色

minRontatin与maxRontatin：字体旋转角度范围的最小值以及最大值

rotationRation：字体旋转比例

shape：词云形状