【原】使用streamlit上线中文文本分析网站

cnsenti App

这是使用streamlit库将中文情感分析[cnsenti 部署到网络世界，可在线提供简单的中文文本的情绪及情感计算。

streamlit库(https://docs./en/stable/)， 是目前简单易用的数据可视化web框架，比flask和django少了很多的扩展性，但是容易学习上手，适合初学者把玩。
文末有代码可供下载

网址^[1]

使用教程 ^{[2]点击下方观看视频}

网站

现在技术有限，该网站大致内容分为三部分

·准备数据·数据分析·情感分析·词云图·谢谢支持

本地使用

本网站的cnsentiDemo项目文件夹的文件有

- main.py- cnsenti_example.csv- 大邓和他的Python.png- requirements.txt- 其他文件

将cnsentiDemo项目下载，在电脑本地离线使用cnsenti的方法

1.下载解压到桌面desktop2.命令行, 执行 cd desktop/cnsentiDemo3.命令行，执行 pip3 install -r requirements.txt4.命令行, 执行 streamlit run main.py5.根据命令行的提示，复制粘贴网址到桌面。我这里是 **http://localhost:8501**6.浏览器打开效果就会与视频等同

上述过程中，Mac和Win会有一些缺点导致无法使用，需要根据命令行提示解决各自系统的小问题，例如

1.Win需要使用64位的Python2.Mac可能需要安装Xcode-install3.其他可能的问题

main.py文件

import streamlit as stimport pandas as pdfrom cnsenti import Emotion, Sentimentimport jiebaimport re
st.title("cnsenti App")st.markdown("""*这是中文情感分析**[cnsenti库](https://github.com/thunderhit/cnsenti) **对应的测试网站，可以提供简单中文文本的情绪及情感计算。*""")

st.title('准备数据')uploaded_file = st.file_uploader(label='可以对自有的CSV文件进行上传、分析情感、制作词云图', type=['csv'])st.markdown("""**注意: **上传前请参考[**CSV示例**](https://raw.githubusercontent.com/thunderhit/cnsenti/master/test/cnsenti_example.csv)，将数据文件改为字段名为 **text**, 编码方式为 **UTF-8** 的 CSV """)

@st.cache(suppress_st_warning=True)def wordfreqs_count(uploaded_file='cnsenti_example.csv'): df = pd.read_csv(uploaded_file) df.drop_duplicates(inplace=True) df.dropna(inplace=True) text = ''.join(re.findall('[\u4e00-\u9fa5]+', ''.join(df['text']))) wordfreqs = dict() #for idx, text in enumerate(df['text']): words = jieba.lcut(text) wordset = set(words) for word in wordset: wordfreqs.setdefault(word, 0) wordfreqs[word] = wordfreqs[word] + words.count(word) res = [(k, v) for k,v in wordfreqs.items() if v>1 and len(k)>1] return res

def gen_wordcloud(wordfreqs): from pyecharts import options as opts from pyecharts.charts import WordCloud from streamlit_echarts import st_pyecharts b = ( WordCloud() .add(series_name='WordCloud', data_pair=wordfreqs, word_size_range=[6, 66]) .set_global_opts( title_opts=opts.TitleOpts( title="", title_textstyle_opts=opts.TextStyleOpts(font_size=23)) ) ) return st_pyecharts(b)


st.title('数据分析')st.write('\n\n\n\n')wc = st.button(label='词云图')try: wordfreqs = wordfreqs_count(uploaded_file=uploaded_file)except: wordfreqs = wordfreqs_count()if wc == True: st.balloons() gen_wordcloud(wordfreqs=wordfreqs)

@st.cache(suppress_st_warning=True)def measure(uploaded_file='cnsenti_example.csv'): df = pd.read_csv(uploaded_file) df.drop_duplicates(inplace=True) df.dropna(inplace=True) sentiment = Sentiment() emotion = Emotion() sensentiment_res = df['text'].apply(sentiment.sentiment_count).apply(pd.Series) emotion_res = df['text'].apply(emotion.emotion_count).apply(pd.Series) sentiment_result = pd.concat([df, sensentiment_res], axis=1) emotion_result = pd.concat([df, emotion_res], axis=1) return sentiment_result,emotion_result

senti = st.button(label='情感计算')try: sentiment_result , emotion_result= measure(uploaded_file=uploaded_file)except ValueError as e: sentiment_result, emotion_result = measure()if senti==True: st.balloons() st.markdown('**Sentiment Result**') st.write(sentiment_result) st.markdown('**Emoion Result**') st.write(emotion_result)

st.markdown("""# 谢谢支持- [**腾讯课堂: Python网络爬虫与文本分析**](https://ke.qq.com/course/482241?tuin=163164df)- [**B站:大邓和他的python**](https://space.bilibili.com/122592901/channel/detail?cid=66008)- [**github: DaDeng**](https://github.com/thunderhit)- **公众号：大邓和他的python**""")st.image('大邓和他的Python.png')

Web部署方法

如果想将自己的streamlit项目部署成网站，可以使用Heroku和github帮助你完成人生第一个小网站。操作方法：