结巴分词默认过滤“好”“差”等单字情感词，因优先保证连贯性；需手动加词典或用cut_for_search模式。SnowNLP.sentiments返回0–1值，0.5为中性，但对短文本、反讽不敏感。
结巴分词为什么分不出“好”“差”这类单字情感词
默认模式下 jieba.cut() 会把“好”“烂”“差”“赞”等单字情感词直接过滤掉——不是 bug，是设计如此。它优先保证分词连贯性，单字词除非在词典里显式添加，否则大概率被吞掉或归入停用词逻辑。
实操建议：
- 手动加载自定义词典：
jieba.load_userdict("sentiment_words.txt")，文件每行一个词，比如好、差、绝了 - 改用
jieba.cut_for_search()模式，它会主动拆出更多短词（含单字），适合情感分析场景 - 别依赖
jieba.lcut()默认结果直接喂给情感模型；先看一眼分词输出：list(jieba.cut("这电影太差了"))→ 可能是['这', '电影', '太', '差', '了']或['这', '电影', '太差', '了']，差异极大
SnowNLP 的 sentiments 值到底怎么看正负
SnowNLP.text.sentiments 返回的是 0–1 区间浮点数，**不是** -1 到 +1。0.5 是中性， 0.5 偏正。但它对短文本、网络用语、反讽极其不敏感——比如“呵呵”返回 0.62，“卧槽真棒”可能只有 0.53。
实操建议：
- 别单独依赖单句
sentiments值做阈值分类；先聚合多句，再看分布（如均值 - 遇到明显误判句，加规则兜底：匹配
["笑死", "绝了", "yyds"]就强制设为 0.8+；匹配["无语", "服了", "真的假的"]强制压到 0.3 以下 -
SnowNLP训练语料偏旧（2015年前微博），对“栓Q”“泰酷辣”类新词完全没覆盖，需预处理替换为已知正向词
词云图里情感词不突出？不是字体问题，是 TF-IDF 权重没动
直接用分词结果生成词云，高频但无情感的虚词（“的”“了”“很”）会霸屏。而真正带情绪的词如“失望”“惊艳”可能频次低、字号小，根本看不见。
实操建议：
- 别用原始词频，改用加权：对每个词，用
TF × (1.5 if word in positive_words else 0.7 if word in negative_words else 1.0) - 用
wordcloud.WordCloud(collocations=False)关掉二元词合并，避免“不开心”被拆成“不”“开心”，前者被误判为中性 - 停用词表必须包含“超”“巨”“贼”等程度副词——它们自己没情绪，但放大后面词的情感强度，不该删，该保留并参与加权
中文标点、空格、emoji 怎么不炸掉分词和情感计算
jieba 默认把 emoji 当单字符切开（如“?”→ ['?']），但 SnowNLP 会把它当乱码直接忽略，导致整句情感值崩掉；全角空格、换行符、\u200b 零宽空格更隐蔽，会让 sentiments 返回 nan。
实操建议：
- 清洗时别只用
.replace(" ", "")；统一用正则：re.sub(r"[^\w\u4e00-\u9fff\u3000-\u303f\uff00-\uffef]+", " ", text)，保留中文、英文、数字、常见标点 - emoji 单独处理：用
emoji.demojize("?") → ":thumbs_up:"，再映射到情感分（如 thumbs_up → +0.4） - 跑前必加校验：
if pd.isna(swn.sentiments): print(f"bad input: {repr(text[:20])}")，不然批量跑着跑着就静默失败
真正麻烦的从来不是分词或画图，而是情感词边界模糊（“一般”算正还是负？）、语境翻转（“不差”≠“好”）、还有 SnowNLP 对长句的崩溃式退化——这些没法靠调参解决，得靠人工抽样校验+小范围规则修补。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
