开篇
先做一些简单的评论分析吧，大部分还是借助于不同的python工具，不得不说很多中文的基本任务还是做得效果比较一般的，毕竟中文的复杂程度可不是英文可以比拟的，这篇就是简单地生成一个词云，是以词频为主的，姑且把高频词当做关键词吧，其实你看了下面我分析oppo r15的结果，你就会发现，其实还是有那么一点靠谱的。可能下面的内容比我开篇的废话还要少。
词云的生成
数据集的介绍在我的这篇博客，下载链接也放出来了，大家如果不想浪费积分，可以给我留言，我看到后会发送到你的邮箱。
import json
import jieba
import jieba.analyse
import string
import matplotlib.pyplot as plt
from wordcloud import WordCloud
from scipy.misc import imread
#color_mask = imread('data/tim.jpeg')
stopwords = []
stopword = open('data/chinesestopword.txt','rt')
for line in stopword:
stopwords.append(line.strip())
with open('data/oppo_r15.json','r') as f:
data = json.load(f)
review = []
for i in data:
review.append(i['content'])
text = ''.join(c for c in review)
words = jieba.cut(text)
words_list = []
for i in words:
words_list.append(i)
words_list = [x for x in words_list if x not in punctuation]
addword = ['?',' ']
words_list = [x for x in words_list if x not in addword]
words_list = [x for x in words_list if x not in stopwords]
my_word_list = " ".join(words_list)
#print(my_word_list)
#参数设置都在下面这行代码
my_wordcloud = WordCloud(max_words=20,background_color='white',font_path='data/simsun.ttf').generate(my_word_list)
plt.imshow(my_wordcloud)
plt.axis("off")
plt.show()这边我用的是jieba进行中文分词的，但是jieba的词性标注其实不是很准，建议大家在做词性标注的时候使用其他中文处理工具，具体使用那个比较好，后面会介绍。
处理英文比较多，在去除标点符号的时候，发现string里面的punctuation失效了，它匹配不到中文的标点符号，所以开头导入了另外一个库 from zhon.hanzi import punctuation，这应该是外国人开发的一个库，使用的时候我发现还是有问号没有匹配到，好过自己写正则啦。
停用词词表的下载链接，当然你也可以给我留言。
这边我还是遇到了一个大坑，就是我用的是ubuntu，在生成词云的时候发现生成都是框，啥都没有，当时我就傻眼了，这都什么鬼。后来看了一圈，发现是我的系统没有中文字体，或者说代码没有办法显示字体，也就是参数font_path，所以我找了一个中文字体，吐槽一下那些下载字体的是网站，下载下来的全是exe文件，还好我的电脑根本安装不了，能不能有点底线呀，下载了七八个exe。这边选择的是最多显示20个单词，下面是我生成的一个词云，没有搞到合适的背景图。
看一下还是很中肯的评价，oppo一直跟随着苹果的脚步。拍照也是oppo主打的，粉丝群体也比较固定，ok，就到这里，再写下去就是手机测评了，看评论我没有发现什么缺点，下次单独把差评拉出去分析分析。