电商评论数据爬虫：情感分析与数据可视化实战

在电商运营、产品迭代、用户需求分析中，商品评论是最具价值的原生数据——它直接承载了用户对产品质量、功能、服务的真实反馈，既藏着用户痛点，也能为运营决策提供精准依据。但海量电商评论分散在各个商品详情页，手动采集、分析效率极低，且无法挖掘评论背后的情感倾向与核心规律。

本文将以「实战」为核心，从零搭建一套电商评论数据爬虫，完成数据采集、清洗、情感分析，最终通过可视化呈现分析结果，全程使用Python实现，兼顾零基础友好性与实战落地性，避开反爬坑点、规范数据采集，让你既能拿到可用数据，也能读懂数据背后的意义。

前置说明：本文爬虫仅用于个人学习、非商业用途，采集过程严格遵循robots协议，不高频请求、不获取敏感信息，全程演示合规采集流程；涉及的第三方库均为Python开源工具，可直接通过pip安装。

一、实战准备：环境搭建与工具选型

核心需求拆解：① 高效采集电商商品评论（以主流电商平台为例，适配评论分页、反爬基础策略）；② 对评论进行情感分析（区分正面、负面、中性评价，挖掘核心情感关键词）；③ 数据可视化（将分析结果以图表形式呈现，直观易懂）。

1.1 开发环境

Python 3.8+（推荐3.9版本，兼容性更好），开发工具可选用PyCharm、VS Code，无需复杂配置，安装对应第三方库即可启动开发。

1.2 核心第三方库选型（附安装命令）

• requests：发送HTTP请求，采集评论页面数据（核心爬虫库，轻量高效）；

• BeautifulSoup4：解析HTML页面，提取评论内容、用户昵称、评分等关键信息；

• pandas：数据清洗、整理（处理缺失值、去重、格式标准化）；

• jieba：中文分词（拆分评论句子，为情感分析做准备）；

• snownlp：中文情感分析（轻量化工具，适合快速实现情感倾向判断，无需复杂训练）；

• matplotlib + seaborn：数据可视化（绘制柱状图、饼图、词云等，美化图表样式）；

• wordcloud：生成词云图（直观展示评论核心关键词）；

• fake_useragent：生成随机User-Agent，规避基础反爬（模拟浏览器请求，降低被封概率）。

安装命令（复制到终端执行，一键安装所有依赖）：

pip install requests beautifulsoup4 pandas jieba snownlp matplotlib seaborn wordcloud fake_useragent

1.3 合规与反爬前置准备

主流电商平台均有反爬机制，为避免请求被拦截、账号受限，提前做好以下准备：

1. 设置请求间隔：每采集1页评论，暂停1-3秒（使用time.sleep()实现），避免高频请求；

2. 随机User-Agent：通过fake_useragent生成不同浏览器的User-Agent，避免固定请求头被识别；

3. 遵循robots协议：访问目标电商平台的robots.txt文件，确认评论页面是否允许爬取，不采集禁止访问的内容；

4. 限制采集量：个人学习用途，采集单款商品1000条以内评论即可，不进行大规模、批量采集。

二、核心实战一：电商评论数据爬虫搭建（全程可复制）

本文以某主流电商平台商品评论为例（页面结构具有通用性，其他平台可参考修改解析规则），爬虫核心流程：确定评论接口/页面 → 发送请求获取数据 → 解析页面提取关键信息 → 数据保存到本地（CSV格式，便于后续分析）。

2.1 分析评论页面结构

1. 打开目标商品详情页，找到「评论区」，通过浏览器「开发者工具」（F12）查看网络请求：

- 切换到「Network」选项卡，刷新评论页面，找到包含评论数据的请求（通常为XHR类型，或直接在HTML页面中嵌入）；

- 查看请求URL、请求头（Headers），确认评论数据的加载方式（分页加载：通过page参数控制页码，每页固定显示20/30条评论）。

2. 关键观察：评论数据要么嵌入在HTML页面的特定标签中（可通过BeautifulSoup解析），要么通过AJAX接口返回JSON格式数据（解析更高效）；本文以HTML页面解析为例，JSON接口解析可参考文末拓展。

2.2 编写爬虫核心代码（分步骤实现，可直接复制运行）

步骤1：导入所需库，设置基础配置（请求头、请求间隔、目标URL）

import requests from bs4 import BeautifulSoup import pandas as pd import time from fake_useragent import UserAgent # 基础配置 ua = UserAgent() # 随机生成User-Agent target_url = "https://xxx.com/item/xxx#comment" # 替换为目标商品评论页URL（需包含评论分页参数） page_count = 10 # 采集页数，每页约20条，共200条评论（可修改） sleep_time = 2 # 请求间隔，2秒/页 comment_list = [] # 存储所有评论数据

步骤2：定义爬虫函数，发送请求、解析评论数据

def crawl_comment(page): # 构造请求头，模拟浏览器请求 headers = { "User-Agent": ua.random, "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8", "Referer": target_url, # Referer参数，规避部分反爬 "Cookie": "xxx" # 可选：若评论需要登录才能查看，可添加浏览器Cookie（仅个人使用） } # 构造分页URL（根据目标平台分页规则修改，此处为示例） page_url = f"{target_url}?page={page}" try: # 发送GET请求 response = requests.get(page_url, headers=headers, timeout=10) response.encoding = "utf-8" # 设置编码，避免中文乱码 if response.status_code == 200: # 解析HTML页面 soup = BeautifulSoup(response.text, "lxml") # 找到评论列表标签（需根据目标平台页面结构修改class/id，关键一步） comments = soup.find_all("div", class_="comment-item") # 替换为实际评论标签的class for comment in comments: # 提取关键信息：用户昵称、评论内容、评分、评论时间（按需提取） try: nickname = comment.find("span", class_="nickname").get_text().strip() # 用户名 content = comment.find("div", class_="comment-content").get_text().strip() # 评论内容 score = comment.find("span", class_="score").get_text().strip() # 商品评分（1-5星） comment_time = comment.find("span", class_="comment-time").get_text().strip() # 评论时间 # 将提取的数据存入列表 comment_list.append({ "nickname": nickname, "content": content, "score": score, "comment_time": comment_time }) except Exception as e: # 跳过解析失败的评论，避免程序中断 print(f"单条评论解析失败：{e}") print(f"第{page}页评论采集完成，共采集{len(comments)}条") time.sleep(sleep_time) # 暂停，规避反爬 else: print(f"请求失败，状态码：{response.status_code}") except Exception as e: print(f"爬虫请求异常：{e}") time.sleep(sleep_time * 2) # 异常时延长暂停时间

步骤3：批量采集多页评论，保存到CSV文件

# 循环采集多页评论 for page in range(1, page_count + 1): crawl_comment(page) # 将采集到的评论数据转换为DataFrame，保存到CSV文件 if comment_list: df = pd.DataFrame(comment_list) # 数据去重（去除重复评论） df = df.drop_duplicates(subset=["content"], keep="first") # 保存到本地（当前目录下，可修改路径） df.to_csv("ecommerce_comment.csv", index=False, encoding="utf-8-sig") print(f"评论采集完成！共采集有效评论{len(df)}条，已保存到ecommerce_comment.csv") else: print("未采集到任何评论，请检查URL、解析规则或反爬设置")

2.3 爬虫常见问题排查

• 问题1：请求成功但解析不到评论？—— 检查BeautifulSoup的find/find_all参数（class/id是否正确），可通过浏览器开发者工具复制标签的实际class；部分平台评论采用动态渲染（JavaScript加载），需改用Selenium或Playwright（文末拓展）。

• 问题2：请求被拦截（状态码403/503）？—— 增加请求间隔、更换User-Agent，若需要登录，添加浏览器Cookie（仅个人使用，不可泄露），避免频繁刷新。

• 问题3：中文乱码？—— 设置response.encoding = "utf-8"，保存CSV时使用encoding="utf-8-sig"（兼容Excel打开）。

三、核心实战二：评论数据清洗与情感分析

采集到的评论数据存在大量噪音（如无意义评论、表情符号、特殊字符），需先进行清洗，再通过snownlp实现情感分析，判断每条评论的情感倾向（正面/负面/中性）。

3.1 数据清洗（去除噪音，标准化数据）

核心目标：去除空评论、重复评论、特殊字符，简化评论内容，为分词和情感分析减负，代码可直接衔接爬虫结果运行。

import re # 读取采集到的评论数据 df = pd.read_csv("ecommerce_comment.csv") # 1. 去除空值（评论内容为空的记录） df = df.dropna(subset=["content"]) # 2. 去除重复评论（再次去重，确保数据干净） df = df.drop_duplicates(subset=["content"], keep="first") # 3. 去除特殊字符、表情符号、无意义符号（保留中文、数字、英文） def clean_comment(content): # 正则表达式：只保留中文、英文、数字，去除其他字符 content = re.sub(r"[^\u4e00-\u9fa5a-zA-Z0-9\s]", "", content) # 去除多余空格、换行符 content = re.sub(r"\s+", " ", content).strip() return content # 应用清洗函数 df["clean_content"] = df["content"].apply(clean_comment) # 4. 去除过短评论（如少于5个字，无分析价值） df = df[df["clean_content"].str.len() >= 5] # 保存清洗后的数据 df.to_csv("cleaned_comment.csv", index=False, encoding="utf-8-sig") print(f"数据清洗完成！清洗后剩余评论{len(df)}条，已保存到cleaned_comment.csv")

3.2 情感分析（基于snownlp实现）

snownlp是一款轻量级中文情感分析工具，无需手动训练模型，可直接输出情感评分（0-1之间），评分越接近1，情感越正面；越接近0，情感越负面；0.4-0.6之间视为中性评论。

from snownlp import SnowNLP # 读取清洗后的数据 df = pd.read_csv("cleaned_comment.csv") # 定义情感分析函数 def sentiment_analysis(content): s = SnowNLP(content) sentiment_score = s.sentiments # 情感评分（0-1） # 根据评分判断情感倾向 if sentiment_score >= 0.6: return "正面" elif sentiment_score <= 0.4: return "负面" else: return "中性" # 应用情感分析函数，新增情感评分和情感倾向列 df["sentiment_score"] = df["clean_content"].apply(lambda x: SnowNLP(x).sentiments) df["sentiment"] = df["clean_content"].apply(sentiment_analysis) # 查看情感分析结果（前10条） print(df[["clean_content", "sentiment_score", "sentiment"]].head(10)) # 统计各情感倾向的数量 sentiment_count = df["sentiment"].value_counts() print("\n情感倾向统计：") print(sentiment_count)

3.3 情感分析优化技巧

snownlp默认模型适用于通用中文文本，针对电商评论（如“性价比高”“质量差”等行业词汇），可通过自定义词典优化分词精度，提升情感分析准确性：

# 自定义电商评论情感词典（正面、负面词汇，可自行扩展） positive_words = ["好用", "性价比高", "质量好", "满意", "推荐", "流畅", "耐用"] negative_words = ["质量差", "卡顿", "漏水", "不满意", "不值", "破损", "难用"] # 优化情感分析函数（结合自定义词典调整评分） def optimized_sentiment_analysis(content): s = SnowNLP(content) score = s.sentiments # 若评论包含正面词汇，提升评分；包含负面词汇，降低评分 for word in positive_words: if word in content: score += 0.1 for word in negative_words: if word in content: score -= 0.1 # 确保评分在0-1之间 score = max(0, min(1, score)) # 重新判断情感倾向 if score >= 0.6: return "正面" elif score <= 0.4: return "负面" else: return "中性" # 应用优化后的函数 df["optimized_sentiment"] = df["clean_content"].apply(optimized_sentiment_analysis) print("\n优化后情感倾向统计：") print(df["optimized_sentiment"].value_counts())

四、核心实战三：数据可视化（直观呈现分析结果）

情感分析完成后，通过matplotlib、seaborn、wordcloud绘制可视化图表，将评论情感分布、核心关键词、评分与情感关联等信息直观呈现，便于快速解读数据。所有图表均保存到本地，可直接用于汇报、分析报告。

4.1 可视化1：情感倾向分布饼图（展示各情感占比）

import matplotlib.pyplot as plt import seaborn as sns # 设置中文字体（避免图表中文乱码） plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans'] plt.rcParams['axes.unicode_minus'] = False # 统计优化后各情感倾向的数量 sentiment_count = df["optimized_sentiment"].value_counts() # 绘制饼图 plt.figure(figsize=(8, 6)) colors = ["#66b3ff", "#ff9999", "#99ff99"] # 正面：蓝色，负面：红色，中性：绿色 explode = (0.05, 0.05, 0) # 突出正面、负面评论 plt.pie(sentiment_count.values, labels=sentiment_count.index, autopct="%1.1f%%", colors=colors, explode=explode, shadow=True, startangle=90) plt.title("电商商品评论情感倾向分布", fontsize=14, pad=20) plt.axis("equal") # 保证饼图为正圆形 plt.savefig("sentiment_distribution_pie.png", dpi=300, bbox_inches="tight") # 保存图表 plt.close() print("情感倾向分布饼图已保存")

4.2 可视化2：情感倾向与评分关联柱状图（分析评分与情感的一致性）

电商评论的评分（1-5星）与情感倾向理论上高度相关，通过柱状图可验证这一关联，判断情感分析结果的准确性。

# 确保评分列为数值类型 df["score"] = pd.to_numeric(df["score"], errors="coerce") # 按情感倾向分组，计算平均评分 sentiment_score = df.groupby("optimized_sentiment")["score"].mean().sort_values(ascending=False) # 绘制柱状图 plt.figure(figsize=(10, 6)) sns.barplot(x=sentiment_score.index, y=sentiment_score.values, palette="viridis") plt.title("不同情感倾向的平均评分", fontsize=14, pad=20) plt.xlabel("情感倾向", fontsize=12) plt.ylabel("平均评分（1-5星）", fontsize=12) plt.ylim(0, 5) # 评分范围限制在0-5 # 在柱状图上添加具体评分值 for i, v in enumerate(sentiment_score.values): plt.text(i, v + 0.1, f"{v:.2f}", ha="center", fontsize=11) plt.grid(axis="y", alpha=0.3) plt.savefig("sentiment_score_bar.png", dpi=300, bbox_inches="tight") plt.close() print("情感倾向与评分关联柱状图已保存")

4.3 可视化3：评论核心关键词词云图（展示用户关注重点）

通过词云图可直观看到用户评论中出现频率最高的关键词，快速定位用户关注的核心点（如“性价比”“质量”“外观”等），分别绘制正面、负面评论的词云图，对比差异。

from wordcloud import WordCloud # 定义词云生成函数 def generate_wordcloud(text, save_path, title): # 分词（使用jieba分词） words = jieba.lcut(text) # 过滤停用词（无意义词汇，如“的”“了”“是”，可自行扩展停用词表） stop_words = ["的", "了", "是", "我", "在", "和", "就", "都", "而", "及", "与", "一个"] words = [word for word in words if word not in stop_words and len(word) >= 2] # 拼接分词结果 word_text = " ".join(words) # 生成词云 wordcloud = WordCloud( width=800, height=600, background_color="white", font_path="simhei.ttf", # 需提前准备simhei.ttf字体文件（避免中文乱码） max_words=100, font_step=2, random_state=42 ).generate(word_text) # 绘制并保存词云图 plt.figure(figsize=(10, 8)) plt.imshow(wordcloud, interpolation="bilinear") plt.axis("off") # 隐藏坐标轴 plt.title(title, fontsize=14, pad=20) plt.savefig(save_path, dpi=300, bbox_inches="tight") plt.close() # 提取正面、负面评论的清洗后内容 positive_text = " ".join(df[df["optimized_sentiment"] == "正面"]["clean_content"].tolist()) negative_text = " ".join(df[df["optimized_sentiment"] == "负面"]["clean_content"].tolist()) # 生成正面、负面评论词云图 generate_wordcloud(positive_text, "positive_wordcloud.png", "正面评论核心关键词词云") generate_wordcloud(negative_text, "negative_wordcloud.png", "负面评论核心关键词词云") print("正面、负面评论词云图已保存")

4.4 可视化4：评论时间趋势图（展示评论热度变化）

通过时间趋势图，可查看商品评论的发布热度，判断用户关注高峰，为运营活动提供参考（如某时间段评论激增，可能与促销活动相关）。

# 处理评论时间（转换为日期格式） df["comment_time"] = pd.to_datetime(df["comment_time"], errors="coerce") # 按日期分组，统计每日评论数量 daily_comment = df.groupby(df["comment_time"].dt.date).size() # 绘制时间趋势图 plt.figure(figsize=(12, 6)) daily_comment.plot(kind="line", color="#1f77b4", linewidth=2, marker="o", markersize=4) plt.title("电商商品评论发布时间趋势", fontsize=14, pad=20) plt.xlabel("日期", fontsize=12) plt.ylabel("每日评论数量", fontsize=12) plt.grid(axis="y", alpha=0.3) plt.xticks(rotation=45) # 旋转x轴标签，避免重叠 plt.tight_layout() plt.savefig("comment_time_trend.png", dpi=300, bbox_inches="tight") plt.close() print("评论时间趋势图已保存")

五、实战总结与进阶拓展

5.1 实战总结

本文完成了一套从「评论采集」到「情感分析」再到「数据可视化」的完整实战流程，核心亮点的在于：

• 全程合规：遵循robots协议，规避反爬坑点，仅用于个人学习，不涉及商业用途；

• 可落地性强：所有代码可直接复制运行，适配主流电商平台，零基础也能快速上手；

• 实用性高：覆盖数据采集、清洗、分析、可视化全流程，输出的图表可直接用于实际分析场景。

通过本次实战，可快速掌握电商评论数据的挖掘方法，读懂用户反馈的核心价值——正面评论的关键词可作为产品宣传亮点，负面评论的关键词可作为产品迭代、服务优化的重点方向。

5.2 进阶拓展（提升实战能力）

1. 爬虫进阶：针对动态渲染的评论页面（JavaScript加载），改用Selenium/Playwright模拟浏览器操作，实现自动化登录、滚动加载，采集更多评论数据；

2. 情感分析进阶：替换snownlp，使用BERT模型（如bert4keras）训练自定义情感分析模型，适配电商行业场景，提升情感判断准确性；

3. 可视化进阶：使用Plotly绘制交互式图表（如交互式饼图、柱状图），支持鼠标悬浮查看具体数据；

4. 批量采集进阶：搭建多线程/异步爬虫（如aiohttp），在合规前提下提升采集效率，支持多商品评论批量采集。

5.3 注意事项

1. 数据采集需严格遵守法律法规和平台规则，不得用于商业用途、恶意爬取、泄露用户信息；

2. 避免高频、大规模采集，以免给平台服务器造成压力，导致账号受限或法律风险；

3. 本文代码仅为实战演示，不同电商平台的页面结构、反爬机制不同，需根据实际情况修改解析规则和请求配置。

最后，希望通过本次实战，能帮助你掌握电商数据挖掘的核心技巧，将技术落地到实际场景中，用数据驱动决策。如果在实操过程中遇到问题，可留言交流，后续将持续更新进阶内容！