调⽤百度API对⽂本进⾏情感倾向分析（舆情分析）@[TOC]
# 1.准备⼯作
1.注册百度账号，登录百度智能云，点击总览选择⾃然语⾔处理，创建应⽤（创建选项认真阅读，填写）
创建好应⽤会⽣成相应的AppID API Key Secret Key
2.要调⽤百度API，就要获得权限，利⽤获取到的API Key Secret Key去获取Access Token
获取的地址
aip.baidubce/oauth/2.0/token?grant_type=client_credentials&client_id=API key&client_secret=Secret Key&
访问这个地址，获得Access Token（但是Access Token 有⼀个有效期 超过有效期则调⽤api将会不成功）
expires_in:Access Token的有效期(秒为单位，⼀般为1个⽉)
总结：要调⽤API 需要a登录--b创建应⽤--c获得API Key 和Secret Key--d访问授权地址获得Access Token
# 2.调⽤API测试（简单的例⼦测试）
利⽤python调⽤百度api测试（pyhon直接官⽹下载，编辑器使⽤的是其⾃带的编辑器：IDLE）
做最简单的调⽤：保存Access Token调⽤百度API
情感倾向分析：
参数：access_token（通过API Key和Secret Key获取的access_token）
最简单的例⼦：可以直接使⽤（编辑器：IDLE）：
import re
import requests
import json
def get_emotion( data):
# 定义百度API情感分析的token值和URL值
token = '24.bcc989b57db903cc1189346275b7a372.2592000.1604971755.282335-22803254'
url = 'aip.baidubce/rpc/2.0/nlp/v1/sentiment_classify?charset=UTF-8&access_token={}'.format(token)
new_each = {'text': data } # 将⽂本数据保存在变量new_each中，data的数据类型为string
new_each = json.dumps(new_each)
res=requests.post(url,data=new_each) # 利⽤URL请求百度情感分析API
res_text = # 保存分析得到的结果，以string格式保存
print("content: ", res_text)
result = res_text.find('items') # 查得到的结果中是否有items这⼀项
positive = 1
if (result != -1): # 如果结果不等于-1，则说明存在items这⼀项
json_data = json.)
negative = (json_data['items'][0]['negative_prob']) # 得到消极指数值
positive = (json_data['items'][0]['positive_prob']) # 得到积极指数值
print("positive:",positive)
print("negative:",negative)
if (positive > negative): # 如果积极⼤于消极，则返回2
return 2
elif (positive == negative): # 如果消极等于积极，则返回1
return 1
else:
return 0 # 否则，返回0
else:
return 1
def main():
txt1="有些时候，宇宙似乎是有意使⼀些事情变得如此有趣。科学家们发现了⼀个“π⾏星”，它的⼤⼩与我们的地球相仿，距离我们⼤约185光年" print("txt1测试结果：",get_emotion(txt1))
if __name__ == "__main__":
main()
运⾏的结果：
# 3.进阶API测试（通过⽹址抓取⽹页信息分析情感倾向）
百度情感分析API的上限是2048字节，因此判断⽂章字节数⼩于2048，则直接调⽤ 若超过限制，则需要将⽂本分段
通过输⼊⽹址，将⽹页内容筛选出来进⾏情感倾向分析
import re
import re
import requests
import json
from bs4 import BeautifulSoup
# 将text按照lenth长度分为不同的⼏段
def cut_text(text, lenth):
textArr = re.findall('.{' + str(lenth) + '}', text)
textArr.append(text[(len(textArr) * lenth):])
return textArr # 返回多段值
could not transfer artifactdef get_emotion( data):
# 定义百度API情感分析的token值和URL值
python请求并解析json数据token = '24.bcc989b57db903cc1189346275b7a372.2592000.1604971755.282335-22803254'
url = 'aip.baidubce/rpc/2.0/nlp/v1/sentiment_classify?charset=UTF-8&access_token={}'.format(token) if (de()) < 2048):
new_each = {'text': data } # 将⽂本数据保存在变量new_each中，data的数据类型为string
new_each = json.dumps(new_each)
res=requests.post(url,data=new_each) # 利⽤URL请求百度情感分析API
res_text = # 保存分析得到的结果，以string格式保存
print("content: ", res_text)
result = res_text.find('items') # 查得到的结果中是否有items这⼀项
positive = 1
对勾函数的四种模型及图像if (result != -1): # 如果结果不等于-1，则说明存在items这⼀项
json_data = json.)
negative = (json_data['items'][0]['negative_prob']) # 得到消极指数值
positive = (json_data['items'][0]['positive_prob']) # 得到积极指数值
print("positive:",positive)
print("negative:",negative)
if (positive > negative): # 如果积极⼤于消极，则返回2
return 2
batterystatus下载elif (positive == negative): # 如果消极等于积极，则返回1
return 1
else:
return 0 # 否则，返回0
else:
return 1
else:
print("⽂章切分")
data = cut_text(data, 1500) # 如果⽂章字节长度⼤于1500，则切分
sum_positive = 0.0 # 定义积极指数值总合
sum_negative = 0.0 # 定义消极指数值总和
for each in data: # 遍历每⼀段⽂字
new_each = {
学生安装eclipse选择哪一个'text': each # 将⽂本数据保存在变量new_each中
}
new_each = json.dumps(new_each)
res = requests.post(url, data=new_each) # 利⽤URL请求百度情感分析API
res_text = # 保存分析得到的结果，以string格式保存
result = res_text.find('items')
if (result != -1):
json_data = json.) # 如果结果不等于-1，则说明存在items这⼀项
positive = (json_data['items'][0]['positive_prob']) # 得到积极指数值
negative = (json_data['items'][0]['negative_prob']) # 得到消极指数值
sum_positive = sum_positive + positive # 积极指数值加和
sum_negative = sum_negative + negative # 消极指数值加和
print(sum_positive)
print(sum_negative)
if (sum_positive > sum_negative): # 积极如果积极⼤于消极，则返回2
return 2
elif (sum_positive == sum_negative): # 中性如果消极等于于积极，则返回1
return 1
else:
return 0 # 消极，返回0
def get_html(url):
headers = {
'User-Agent':'Mozilla/5.0(Macintosh; Intel Mac OS X 10_11_4)\
'User-Agent':'Mozilla/5.0(Macintosh; Intel Mac OS X 10_11_4)\
AppleWebKit/537.36(KHTML, like Gecko) Chrome/52 .0.2743. 116 Safari/537.36'
} #模拟浏览器访问
response = (url,headers = headers) #请求访问⽹站
html = #获取⽹页源码
soup = BeautifulSoup(html, 'lxml') #初始化BeautifulSoup库，并设置解析器
a=soup.select('p')
text=""
for i in a:
text=
return text
def main():
txt1=get_html("baijiahao.baidu/s?id=1680186652532987655&wfr=spider&for=pc")
print(txt1)
print("txt1测试结果：",get_emotion(txt1))
if __name__ == "__main__":
main()
# 4.连接数据库对数据库进⾏增删改查
数据库的连接，我的应⽤场景：将⽹址存在数据库，判断该⽹址的⽂本是积极还是消极，步骤：
连接数据库，查询数据库获得url地址，通过url获得⽹址的⽂本信息，判断是消极还是积极，再将结果存⼊数据库，（代码已经调通，只是在上⾯基础上再加⼀些功能，可以⾃⼰做⼀哈，若需要源码则留⾔或私信）
# 5.利⽤java调⽤python脚本
调⽤python脚本的⽅法有很多，可以⾃⾏百度，我这⾥⽤的是Runtime().exec（）
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
public class testPython {
public static void main(String[] args){
Process process;
try{现在计算机学什么专业好
Runtime().exec("python D:\\Users\\2.py");
BufferedReader in = new BufferedReader(new InputStreamReader((InputStream()))); String line =null;
adLine();
in.close();
process.waitFor();
}catch (IOException e) {
e.printStackTrace();
}catch (InterruptedException e){
e.printStackTrace();
}
}
}
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论