Python实战：微博爬虫+情感分析+词云可视化完整指南

先说说这个项目值不值得做。爬虫、情感分析、词云可视化，这三个词单独拎出来都是烂大街的教程主题，但合在一起做一个完整闭环，能跑通的案例其实不多。张雪峰的微博是个很有意思的分析对象——他的内容以升学规划、考研指导、就业建议为主，语言风格鲜明，情绪表达直接，评论区互动性也强。这种高情绪浓度的数据源，用来练手情感分析再合适不过了。而且整个流程走下来，你等于把Python爬虫、文本清洗、NLP情感判断、数据可视化这一整套技能全串了一遍，比零散刷教程有用得多。

这篇文章我会从零开始，把整个项目的技术选型、爬虫实现、情感分析原理、词云生成细节全部拆开讲，代码直接给到能跑的程度。过程中踩过的坑也一并列出来，尤其是微博反爬、中文分词、字体乱码这几个老生常谈但新手必炸的点。

1. 项目全景：先看清楚要做什么，再动手写代码

1.1 一句话拆解这个项目的核心链路

整个项目本质上是一条数据处理流水线：数据采集 → 数据清洗 → 情感打分 → 可视化呈现。爬虫负责拿到原始微博文本，这一步解决的是“有没有数据”的问题；情感分析解决的是“这些数据表达了什么情绪倾向”的问题；词云解决的是“这些数据里反复出现的关键主题是什么”的问题。三条环环相扣，缺一个都不完整。

说实话，这个项目的门槛并不高，代码量也不大，核心逻辑大概两百行左右。但它覆盖的知识面非常广，涉及的每个环节都有独立的坑。比如爬虫阶段要处理登录态和接口签名，情感分析阶段要面对中文网络用语的分词难题，词云阶段要解决字体渲染问题。这些坑如果你不实际走一遍，看再多教程也记不住。

1.2 技术选型：为什么是 Python + SnowNLP + WordCloud

技术选型大概是我被问得最多的问题之一。很多人一上来就上 scrapy 加大模型，把项目搞得非常重。其实对于这种个人分析类项目，我的建议是：

这套组合的特点是轻量、全本地化、不花钱。情感分析那里我特意没用大模型 API，原因有两个：一是微博文本量大，逐条调 API 时间和成本都不小；二是大模型做情感分析确实准，但可解释性差，你很难说清楚它为什么给出这个判断。SnowNLP 虽然精度糙一点，但它基于情感词典和朴素贝叶斯，每个打分结果你都能倒推逻辑，在后期的阈值调整环节反而更方便。

注意：SnowNLP 默认模型是在电商评论语料上训练的，直接拿去跑微博文本会有偏差，这点后面我会专门讲怎么校准。

1.3 项目整体流程与预期产出

流程理解到位了，代码写起来就顺畅了。我用下面这张图梳理了整体流程（不用代码画，直接脑补）：

第1步：目标分析。明确要爬取的用户，分析微博的接口规律，找到数据接口。

第2步：数据采集。构造请求参数，带上登录 Cookie 请求接口，拿到 JSON 数据后提取文本、时间、点赞数、转发数等字段。

第3步：数据清洗。去重、去空值、去短文本（比如只有表情或标点的微博）、去链接和 @ 用户，得到一个干净的文本列表。

第4步：情感分析。遍历文本列表，调用 SnowNLP 得出每一条微博的情感倾向分数。

第5步：词云生成。对清洗后的文本做 jieba 分词，过滤停用词后输入 WordCloud 生成词云图。

第6步：结果解读。结合情感时间序列和词云热点，总结目标账号的内容特征和情绪趋势。

这个流程看起来简单，但每个步骤里的细节都足够你写一篇文章。接下来我从爬虫这个第一道关卡开始拆。

2. 数据采集：微博爬虫从接口分析到代码落地

2.1 微博的数据接口是怎么被扒出来的

爬虫的第一步不是写代码，而是看懂网页数据从哪来。打开张雪峰的微博主页，随便向下滚动几次动态加载，开发者工具里的 Network 面板会记录到大量的 XHR 请求。排除掉那些埋点、推荐、广告接口之后，你会发现其中有一个请求格式特别工整，返回值结构极其清晰，ID 和文本字段一目了然。

这里我直接说结论：微博移动端的主页微博加载接口是。

code复制URL: https://m.weibo.cn/api/container/getIndex
关键参数: type=uid, value={用户uid}, containerid={containerid}, since_id={分页游标}

其中 containerid 是最关键的参数，它的格式是 107603 加上用户 uid。比如你的目标用户 uid 是 1234567890，那 containerid 就是 1076031234567890。这个规则是固定的，网上很多老教程写的是需要先访问 profile 页面才能拿到 containerid，实际上只要你知道了 uid，直接拼出来就行。

since_id 是分页游标，第一次请求不传，返回的 JSON 里会有 data.cardlistInfo.since_id 字段，取出来拼到下一次请求里，循环往复，就能一页一页拿到全部微博。

提示：不建议用 PC 端接口去拉，PC 端的反爬做得很严，请求头校验多还容易触发验证码。移动端接口 m.weibo.cn 相对宽松，数据结构也更干净，适合做个人项目。

2.2 requests 模拟请求，手写一个极简爬虫

确定了接口和参数规则，代码就很简单了。核心逻辑就是用 requests.Session 保持一个会话，带上你的登录 Cookie 去请求数据，然后解析 JSON，提取列表。

python复制import requests
import json
import time
import random
import pandas as pd

class WeiboScraper:
    def __init__(self, cookie_str):
        self.session = requests.Session()
        self.session.headers.update({
            'User-Agent': 'Mozilla/5.0 (iPhone; CPU iPhone OS 13_2_3 like Mac OS X)',
            'Referer': 'https://m.weibo.cn/',
            'X-Requested-With': 'XMLHttpRequest',
        })
        self.session.headers['Cookie'] = cookie_str

    def get_user_home(self, uid, since_id=None):
        params = {
            'type': 'uid',
            'value': uid,
            'containerid': f'107603{uid}',
        }
        if since_id:
            params['since_id'] = since_id
        url = 'https://m.weibo.cn/api/container/getIndex'
        resp = self.session.get(url, params=params, timeout=10)
        resp.raise_for_status()
        return resp.json()

    def parse_weibo_list(self, json_data):
        cards = json_data.get('data', {}).get('cards', [])
        results = []
        for card in cards:
            if card.get('card_type') != 9:
                continue
            mblog = card.get('mblog', {})
            texts = self._clean_html(mblog.get('text', ''))
            results.append({
                'id': mblog.get('idstr', ''),
                'text': texts,
                'created_at': mblog.get('created_at', ''),
                'reposts_count': mblog.get('reposts_count', 0),
                'comments_count': mblog.get('comments_count', 0),
                'attitudes_count': mblog.get('attitudes_count', 0),
            })
        return results

    def _clean_html(self, html_text):
        """粗暴但有效的HTML标签清理"""
        import re
        text = re.sub(r'<.*?>', '', html_text)
        text = re.sub(r'http\S+', '', text)
        return text.strip()

这里有个非常关键的细节：微博正文返回的是 HTML 片段，不是纯文本。比如 <a href="/n/某用户">@某用户</a> 这种格式很常见，表情 😀 也会带着标签一起返回。如果你直接存这份 HTML 文本，后面分词和词云的时候会得到一堆 <、>、span 之类的垃圾 token，清洗阶段非常痛苦。所以我专门封装了一个 _clean_html 方法，第一步先用正则把标签剥掉，再把 URL 链接去掉。

2.3 Cookie 获取和反爬规避，这两个坑早晚要踩

代码写好了，怎么跑起来才是关键。微博现在登录态非常严格，直接 requests 不带 Cookie 去请求，大概率拿到的是一份需要登录的提示文案，JSON 结构解析不了。

Cookie 获取方式：用浏览器打开 m.weibo.cn，登录你的账号，按 F12 打开开发者工具，Network 里随便复制一条请求的 Cookie 头，粘贴到代码里的 cookie_str 参数就行。

注意 Cookie 不是永久有效的，实测下来快的话几小时就失效，慢的话能撑一两天。我建议做一个检测函数，每次请求前先用轻量接口验证一下登录态，比如请求用户信息接口，如果返回 code 为 -100 或者其他错误码，就提醒重新更新 Cookie。否则你以为程序在跑，实际上全在报错，浪费时间。

反爬规避这块，核心就三个字：别太勤。微博的接口限制不像淘宝京东那么凶残，但也不是无限放水。实测下来，每两次请求之间至少要睡 2 到 4 秒，并且要加随机波动。如果连续请求超过几百次，依然会触发滑块验证，这时候基本就要停手了。

python复制def crawl_all_weibos(self, uid, max_pages=50):
    all_weibos = []
    since_id = None
    for page in range(max_pages):
        json_data = self.get_user_home(uid, since_id)
        parsed_list = self.parse_weibo_list(json_data)
        if not parsed_list:
            break
        all_weibos.extend(parsed_list)
        card_list_info = json_data.get('data', {}).get('cardlistInfo', {})
        since_id = card_list_info.get('since_id')
        if not since_id:
            break
        time.sleep(random.uniform(2, 4))
        print(f'第 {page+1} 页，累计 {len(all_weibos)} 条')
    return pd.DataFrame(all_weibos)

把 max_pages 设成 50 是因为我实测这个账号一页大概能拉到 20 条左右，50 页就是 1000 条。这个数据量对情感分析和词云来说完全够用了，再多也只是边际收益递减。

3. 情感分析：让机器判断微博的情绪倾向

3.1 情感分析技术路线：词典派和深度学习派怎么选

拿到文本数据之后，下一关就是情感分析。这里先普及一下背景。目前主流的情感分析技术路线分为两派：基于情感词典的规则派和基于标注数据的深度学习派。

情感词典流派的核心逻辑是：先维护一个带情感分值的情感词表，比如“开心”+2分、“难过”-2分，再叠加否定词、程度副词的权重修正，最后把所有词的分值累加起来，根据正负号判断情绪。优点是解释性强、不依赖标注数据；缺点是处理不了复杂语境和反讽。

深度学习流派则是在大规模标注语料上训练一个分类器，模型自己学习到词语组合和语境信息。优点是准确率高，能捕捉“这也太厉害了吧”这种反讽语气；缺点是需要标注语料，调参和部署成本也更高。

对个人项目来说，我的选型逻辑是跑一遍先看效果。SnowNLP 底子上是词典流派加朴素贝叶斯分类的组合，训练集是京东商品评论，对“好用”“快递快”“质量好”这类电商文本表现良好，但对微博这种短文本加网络用语的环境，准确率会打个折扣。不过它免费、轻量、本地跑，还有内置的 sentiment 接口，非常适合这个项目的前期验证。

3.2 SnowNLP 实战：批量打分与阈值设定

直接看代码：

python复制from snownlp import SnowNLP

def sentiment_analyze(text):
    if not text:
        return None
    s = SnowNLP(text)
    return s.sentiments

df['sentiment_score'] = df['text'].apply(sentiment_analyze)

就这么几行，每个文本都能得一个 0 到 1 之间的分值。0 到 0.4 判定为负面情绪，0.4 到 0.6 判定为中性情绪，0.6 到 1 判定为正面情绪。

但我要说的是，这个阈值看起来合理，直接用却不一定行。因为 SnowNLP 的评分分布可能整体偏高，你用 0.6 做正面的下限，可能80%的微博都被判成正面，分析结果毫无区分度。所以拿到分数之后，第一件事不是急着解读，而是要看一下整体的分布情况：

python复制df['sentiment_score'].describe()

如果 75 分位数已经到了 0.8，说明模型打分明细偏乐观，需要把正负面的判定阈值整体调高。我的经验是先画个直方图看分布形态，再取中位数和四分位数来定阈值，这样每一条结果才是有区分的。

提示：情感倾向分数是一个连续值，不要死盯着“正/负/中性”三分类。把分值本身作为一个特征去分析趋势（比如一条微博有没有引发高赞、转发量跟情绪有没有相关），比单纯分类更有价值。

3.3 批量分析与情感时间线

有了每条微博的情感分数，就能做很多有意思的分析了。比如把微博按月份聚合并计算平均情感分，画出情感走势线，看这个账号在不同时间段的情绪变化。这里有个重要细节：微博的 created_at 字段是中文格式的，比如“昨天 12:30”、“08-01”、“2019-05-01”这种，需要先做个日期解析，转换成标准时间格式。

python复制import datetime

def parse_weibo_time(time_str):
    now = datetime.datetime.now()
    if '刚刚' in time_str:
        return now
    elif '分钟前' in time_str:
        minute = int(re.findall(r'\d+', time_str)[0])
        return now - datetime.timedelta(minutes=minute)
    elif '小时前' in time_str:
        hour = int(re.findall(r'\d+', time_str)[0])
        return now - datetime.timedelta(hours=hour)
    elif '昨天' in time_str:
        return now - datetime.timedelta(days=1)
    else:
        return datetime.datetime.strptime(time_str, '%Y-%m-%d')

然后就能用 pandas 的 resample 按月统计了：

python复制df['created_time'] = df['created_at'].apply(parse_weibo_time)
df.set_index('created_time')['sentiment_score'].resample('M').mean().plot()

这样你就能直观地看到，哪些月份这个账号整体情绪高亢，哪些月份低气压。再结合具体微博文本，基本就知道那段时间发生了什么重大节点事件。

4. 词云可视化：把高频关键词变成有美感的信息图

4.1 分词、去停用词，这步偷懒图就废了

词云的第一步是分词。中文没有天然的空格分隔，必须用工具把句子切成一个个有意义的词。jieba 是目前最普及的方案，玩起来很简单，但它给你的是原始分词结果，里面会掺杂大量“的”“了”“在”“是”“我”这类停用词。如果不做过滤直接扔给词云，你的图会被这些无意义的虚词霸占，真正有信息量的关键词反而排不上号。

网上有现成的中文停用词表，我一般用哈工大的停用词表加百度的停用词表合并，再手动加一批微博特定停用词。这个步骤不能省，也不能只用一份词表，因为微博上还有大量 http 链接碎片和 @ 用户名，这些都需要过滤。

python复制import jieba
import re

stopwords = set()
for line in open('stopwords.txt', 'r', encoding='utf-8'):
    stopwords.add(line.strip())

# 手动补充微博特定停用词
stopwords.update({
    '转发微博', '回复', '举报', '图片', '网页链接', '全文',
    '分享图片', '评论配图', '收起', '展开'
})

def segment_text(text):
    words = jieba.lcut(text)
    clean_words = []
    for word in words:
        word = word.strip()
        if not word:
            continue
        if len(word) <= 1:
            continue
        if word in stopwords:
            continue
        if re.match(r'^[a-zA-Z0-9]+$', word):
            continue
        clean_words.append(word)
    return ' '.join(clean_words)

这里有个新手特别容易踩的坑：len(word) <= 1 的过滤条件不能省。中文里单字大多是无意义的虚词，但也不排除“涨”“跌”“好”这种有含义的单字动词。jieba 切出来的单字很多是残留的标点或者符号碎片，直接删掉不会损失太多信息。如果你想保留有含义的单字，就必须叠加一个单字词表白名单，那样逻辑就复杂了。对于词云这种看重图像整体效果的场景，一刀切删掉单字更省事。

4.2 WordCloud 中文乱码与蒙版制作

WordCloud 是 Python 词云库里的经典，但中文用户很容易栽在字库上。这个库默认用英文的 DejaVu Sans 字体，根本不认识中文字符。直接生成词云图，中文全部变成方框或者消失。

解决办法是给 WordCloud 指定一个支持中文的字体文件路径。Windows 下可以试 C:\Windows\Fonts\msyh.ttc 微软雅黑，macOS 下是 /System/Library/Fonts/PingFang.ttc。保险起见，我一般会从系统字体目录里复制一份到项目目录，写死相对路径，可以避开各种环境差异。

蒙版（mask）是让词云呈现自定义形状的关键。比如你想做一个人形轮廓的词云，可以先下载一张人物剪影 PNG，然后用 numpy 读取它的 alpha 通道作为 mask。注意 mask 图形必须是黑底白图，白色区域代表词云要排布的区域，黑色区域代表留白。

python复制from wordcloud import WordCloud, ImageColorGenerator
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt

mask = np.array(Image.open('mask.png'))

wc = WordCloud(
    font_path='msyh.ttc',
    width=1200,
    height=800,
    mask=mask,
    background_color='white',
    max_words=150,
    max_font_size=200,
    random_state=42,
    collocations=False
)

wc.generate(text)
plt.imshow(wc, interpolation='bilinear')
plt.axis('off')
plt.show()

max_font_size 和 random_state 这两个参数值得专门说一下。max_font_size 控制的是图中最大字体的大小，如果数据里的某个词高频到离谱，你不限制的话它会无限大，直接冲出画面。random_state 是随机数种子，固定住它就能保证每次生成出来的词云布局完全一致，方便在微调参数时做对比。

4.3 collocations 和背景色的细节

WordCloud 默认会计算二元词组（bigrams），也就是说“考研”和“专业”可能会合并成“考研专业”。这个行为对某些场景是好的，但对词云来说经常帮倒忙，因为合并后的词组概率计算会稀释排名。把 collocations=False 关掉，各词按自己的频率展示，图面干净很多。

背景色建议选 white 或者 rgba(255,255,255,0)。如果你后续要叠加到自定义背景图上，那就用透明背景。另外 scale 参数对输出图分辨率有很大影响，默认是 1，输出图片会有点糊，可以设成 2 甚至 3，视觉质量会提升不少，代价只是生成时间稍微长一点，完全可以接受。

5. 数据清洗与成果整合：如何让结果打动外行

5.1 把情感分析和词云结果拼到一个项目里

跑完前面的模块，我们手上至少有三份产出：一份带情感分数的微博明细表、一条情感时间趋势线、一张词云图。这三份产物如果只是单独摆在那，很容易让人觉得就是三个 demo 的拼盘。真正加分的做法是做一个成果整合，把它们拼进同一个维度去讲故事。

我的做法是输出一份汇总 Markdown 报告，结构大概是：

1. 数据概况：爬取多少条微博、时间跨度、平均转发/评论/点赞量。
2. 情感分布：正面/中性/负面占比饼图。
3. 情绪趋势：按月度情感均值折线图，标注波峰波谷。
4. 高频主题：词云图，结合 top20 关键词表格说明原因。

python复制# 导出清洗后的完整数据
df.to_csv('zhang_weibo_clean.csv', index=False, encoding='utf-8-sig')

# 打印整体统计
print('总微博数:', len(df))
print('时间范围:', df['created_time'].min(), '到', df['created_time'].max())
print('平均情感分:', round(df['sentiment_score'].mean(), 4))
print('正面微博占比:', round((df['sentiment_score'] > 0.6).mean(), 4))
print('负面微博占比:', round((df['sentiment_score'] < 0.4).mean(), 4))

注意：CSV 导出的时候，编码一定要用 utf-8-sig 而不是 utf-8。因为 Excel 默认用 GBK 打开 CSV 文件，直接用 utf-8 导出的话，数据里所有中文全会乱码。这个坑几乎每个人都会踩一次。

5.2 情感分析结果的偏差校准

跑完第一版结果后，你必须做一次抽样验证。粗略的验证方法是：从正面、中性、负面三类里各随机抽五十条，人工读一遍，看机器判定的跟你的主观感觉是否一致。这个环节能救回很多分析结论。

比如我第一次跑的时候，发现有一条微博内容是“我劝你千万别考研”，SnowNLP 给出了 0.8 的高分。原因很好理解，模型看到了“考研”这个词，在电商评论语料里这大概率是商品名称，没有倾向性，然后又看到了“劝你”这种疑似正面的动词语境，综合下来给了正面分。但人工读一下，这个语境明显是劝阻性的，应该算负面或中性。这种模型偏差没法从代码层面自动修复，但你可以在报告里加一段说明，把这种模型局限交代清楚，反而显得更专业。

如果一定要提升准确率，可以用爬取到的文本做半自动标注，然后重新训练 SnowNLP 的分类器。SnowNLP 支持传入训练样本做贝叶斯训练，但这个流程比较重，个人项目不推荐。更实际的办法是用一个更粗粒度的判断逻辑，比如把 0.3 以下算强负面、0.7 以上算强正面，只分析两端信号强的数据。

5.3 词云关键词背后的业务洞察

词云图本身是好看的，但它的价值不能停留在“好看”上。生成词云之后，我习惯把 top20 高频词拉出来，做一个简单的关键词归因分析。比如在这个项目里，词云里必然会出现“考研”“专业”“学校”“就业”“家长”“孩子”这一类的词，这些数据是可以直接读出信息来的——哪些话题是这个账号的流量密码，哪些词是跟高互动率强绑定的。

你还可以做一个进阶操作：把微博按情感分组，正面组跑一个词云，负面组跑一个词云，然后并排对比。这样能很直观地看到，哪些话题出现时这个账号的情绪是正面的，哪些话题出现时是负面的。比如“录取”“上岸”“学生”这些词大概率出现在正面词云，而“别报”“劝退”“谨慎”则集中在负面词云。这种对比分析是很能打动读者的，也是区分“会跑代码”和“会做分析”的分水岭。

6. 常见问题排查与避坑指南

这个项目代码量不大，但运行过程中会碰到各种幺蛾子。我把高频问题整理成一份速查表，按出现频率排序，你可以直接对照排查。

6.1 爬虫阶段的两个高发问题

一个是用户信息的 containerid，网上有些教程会教你先访问用户主页，从接口响应里提取 containerid。但我想说的是，这纯属绕远路。你只要在浏览器里打开那个人的微博主页，地址栏里的数字就是 uid，拼上 107603 前缀就是 containerid，根本不用多一步请求。

另一个是微博接口返回的数据里存在置顶微博这种特殊卡片。它的 card_type 可能是 9，但 id 和普通微博不同，且会重复出现。如果不去重，你统计到的微博总数会比实际高。我在项目里加的逻辑是：

python复制df = df.drop_duplicates(subset=['id'])

这个去重可以顺便把因为分页重叠导致的重复微博也过滤掉，一举两得。

6.2 情感分析偏差的典型样本

做情感分析最容易翻车的绝不只有分词，还有语境判断。给几个我实际遇到过的例子：

第一条：“这位同学录取了北大，我真的酸了”。SnowNLP 的评分大概是 0.6 左右，中性偏正面，但“酸了”这个词在网络上表达的是一种羡慕和自嘲，单看情感词典很难把握。这种情况下，要想准确识别，需要引入更细粒度的文本理解模型，至少是带上下文语义编码的那种。

第二条：“我骂醒了一个假装努力的学生”。这句话里“骂醒”是贬义词，但整体语境是正面的劝导行为。SnowNLP 大概率会给一个中间分数。这种文本其实是很难自动判断的。

所以我对情感分析结果的定位是：宏观趋势参考，不是微观精确判断。用它下结论的时候，我会加一句“模型在反讽和处理网络新词时存在局限”，这句话既诚实，也提前打了预防针。

6.3 词云生成时的字体与尺寸问题

如果你在 Linux 服务器上跑这个项目，不会有 Windows 自带的那一堆字体。这时候要先检查系统字库：

bash复制fc-list :lang=zh

如果输出为空，那就要先安装中文字体，然后重新生成字体缓存。Debian/Ubuntu 系的命令是：

bash复制apt-get install fonts-wqy-microhei

安装之后路径一般是 /usr/share/fonts/truetype/wqy/wqy-microhei.ttc。把这个路径填进 font_path 即可。

另外一个小技巧：想输出高清大图，除了调 width/height 之外，还可以调 scale=3。这样一张 800x600 的图实际输出的像素是 2400x1800，印刷级别都够了。不过要注意 scale 过高时内存占用会急剧增加，我实测 scale=5 时一张图吃掉了快 2GB 内存，别轻易尝试。

7. 写在最后：这个项目还能怎么扩展

这个项目跑通之后，你可以顺手做几个低成本的扩展方向。第一个是批量对比，不只爬张雪峰，把同领域的其他几个大V也爬下来，做横向对比，看谁的内容情绪更极端、谁的评论区互动更高。第二个是评论情感分析，微博正文只是发布者的观点，评论区的情绪才是粉丝的真实反馈。把评论爬下来，做一次情感分析，能更立体地还原账号的影响力和舆论反馈。第三个是更准的情感模型微调，把爬下来的文本标注一小部分，用 Bert 或者 ChatGLM 做 Fine-tuning，准确率可以往上提一大截，但成本和门槛就不一样了。

就我个人实际跑完整个项目的体会来说，最值得花时间的不是代码本身，而是数据清洗和结果解读这两步。代码在网上抄都能抄到，但你知道什么时候该过滤、过滤什么、结果代表什么，这才是别人拿不走的经验。尤其是情感分析的阈值校准和词云停用词表的迭代，这两个地方做得好不好，直接决定你的最终成果是像样还是不像样。

最后再分享一个小技巧：代码写完之后，一定要把随机种子固定住。别小看这行代码，它能让你的情感分析和词云结果可以稳定复现，否则你每次跑出来的图长得都不一样，回头想调参数对比效果，就成了玄学。

到这里，整个项目就算完整走完了。从爬虫到情感分析再到词云可视化，整条链路的数据分析能力，才是这个项目最有价值的部分。