本文源自：https://zhuanlan.zhihu.com/p/28962461
记录自己的实际操作
环境
Anaconda套装，自带科学计算的众包。
windows系统
安装
打开Anaconda命令行
依次执行如下命令：
pip install snownlp
pip install -U textblob
python -m textblob.download_corpora #此条命令执行完的时间很长，耐心等待
在命令提示符下键入：
jupyter notebook
你的文件
英文分析
英文分析需要用到的是 TextBlob包 。
用处也不少呢
上图可以看出，这个包可以做许许多多跟文本处理相关的事情。但本文我们只专注于情感分析这一项。
from textblob import Textblob
text = "I am happy today. I feel sad today."
blob.sentences #划分语句
blob.sentences[0].sentiment #分段结果，polarity 取值[-1,1],-1代表完全负面，1代表完全正面。subjectivity 主观性
blob.sentiment #总的情感结果
运行过程
你可能会觉得没有道理。怎么一句“高兴”，一句“沮丧”，合并起来最后会得到正向结果呢？
首先不同极性的词，在数值上是有区别的。我们应该可以找到比“沮丧”更为负面的词汇。而且这也符合逻辑，谁会这么“天上一脚，地下一脚”矛盾地描述自己此时的心情呢？
中文
中文文本分析，我们使用的是 SnowNLP包 。这个包跟TextBlob一样，也是多才多艺的。
才艺展示
我们还是先准备一下文本。这次我们换2个形容词试试看。
text = u"我今天很快乐。我今天很愤怒。"
注意在引号前面我们加了一个字母u，它很重要。因为它提示Python，“这一段我们输入的文本编码格式是Unicode，别搞错了哦”
操作步骤
输出结果
这里你肯定发现了问题——“愤怒”这个词表达了如此强烈的负面情感，为何得分依然是正的？
这是因为SnowNLP和textblob的计分方法不同。SnowNLP的情感分析取值，表达的是“这句话代表正面情感的概率”。也就是说，对“我今天很愤怒”一句，SnowNLP认为，它表达正面情感的概率很低很低。
