编者注：我们发现了比较有趣的系列文章《30天学习30种新技术》，准备翻译，一天一篇更新，年终礼包。下面是第9天的内容。
又是“30天学习30种新技术”的一天，我打算暂时把JavaScript放一放，然后学下用Python进行文本处理。本文的重点是情感分析。我在几年前就对情感分析产生了兴趣，当时我想写一个分析与电影有关的推的应用。这个应用将帮助我决定是否看某部电影。
我 google 了一番，最后发现 [Naive Bayes classifier]( Naive Bayes classifier) 可以解决这个问题。当时我只会Java语言，所以我写了一个定制的实现，用过一段时间这个应用。我太懒了，没有提交代码，所以我的机子挂掉之后，代码和应用丢失了。现在我把我所有的代码都提交到 github，我有大概 200 个公开的仓库 :)
这里我打算介绍下Python的TextBlob。我们首先讲一些基础知识，然后开发一个使用TextBlob API的Flask应用。
TextBlob是什么？
TextBlob是一个用Python编写的开源的文本处理库。它可以用来执行很多自然语言处理的任务，比如，词性标注，名词性成分提取，情感分析，文本翻译，等等。你可以在官方文档阅读TextBlog的所有特性。
为什么我要关心TextBlob？
我学习TextBlob的原因如下：
我想开发需要进行文本处理的应用。我们给应用添加文本处理功能之后，应用能更好地理解人们的行为，因而显得更加人性化。文本处理很难做对。TextBlob站在巨人的肩膀上（NTLK），NLTK是创建处理自然语言的Python程序的最佳选择。
我想学习下如何用 Python 进行文本处理。
安装 TextBlob
开始 TextBlob 之前，我们首先需要安装 Python 和 virtualenv。本文中使用 Python 2.7。
官方文档里提到了很多安装 TextBlob 的方法。 我们将使用pip install。给不知道pip的开发者，pip是Python的包管理器。我们可以从官网安装pip。
运行如下命令可以安装 TextBlob：
mkdir myapp
cd myapp
virtualenv venv --python=python2.7
. venv/bin/activate
pip install textblob
curl https://raw.github.com/sloria/TextBlob/master/download_corpora.py | python
以上命令将创建myapp目录，并通过virtualenv激活Python 2.7，然后安装 textblob 包，最后下载必需的NLTK语料库。
GitHub 仓库
今天的demo应用的代码可从github取得。
应用
demo应用跑在 OpenShift 上 http://showmesentiments-t20.rhcloud.com/ 它是一个非常简单的使用 TextBlob 情感分析 API 的例子。当用户输入的时候，他将看到他输入的内容是正面的（绿色）、负面的（红色），还是中性的（橙色）。
https://www.openshift.com/sites/default/files/images/Sentiment%20Analysis%20Demo.png
我们将开发一个使用REST API的简单的Flask应用。如果你不了解Flask，你可以参考我以前写的关于Flask的文章。
接着我们将安装 Flask 框架。首先我们激活 virtualenv，然后使用 pip 安装 Flask。
. venv/bin/activate
pip install flask
在我以前写的关于 Flask 的文章里已经提到，用Flask写基于REST的web服务相当方便。在 myapp 目录下创建一个 app.py 文件。内容如下：
from flask import Flask , jsonify, render_template
from textblob import TextBlob
app = Flask(__name__)
@app.route('/')
@app.route('/index')
def index():
return render_template('index.html')
@app.route('/api/v1/sentiment/<message>')
def sentiment(message):
text = TextBlob(message)
response = {'polarity' : text.polarity , 'subjectivity' : text.subjectivity}
return jsonify(response)
if __name__ == "__main__":
app.run(debug=True)
以上的代码做了这些事：
- 从flask包导入了Flask类和jsonify、 render_template函数。
- 从textblob包导入了TextBlob类。
- 定义了
/和index的路由。因此，如果用户向/和/index发出GET请求，index.html将渲染。 - 定义了
/api/v1/sentiment/。这是预留位置，其中将包括用户需要运行情感分析的文本。我们创建了一个TextBlob实例，并将其传递给消息。然后我们得到消息的对立性和主体性，然后创建一个json对象并返回该对象。 - 最后，我们使用
python app.py命令启动一个开发服务器。我们同时开启了调试Debug=True。这样当意料之外的情况出现时，浏览器就可以提供一个交互式的调试器。开启调试的另一个好处是，改动文件 之后，服务会自动重新加载。我们可以让调试器在后台运行，然后继续在我们的应用上工作。这提供了高效的开发环境。
index()函数渲染 html 文件。 在 myapp目录下创建一个名为模板的新文件夹，然后创建index.html
mkdir templates
touch templates/index.html
将下面代码复制到index.html中。这段代码使用Twitter Bootstrap来增加样式。我们同时使用了jQuery，在keyup事件时进行REST调用。如果键值为退格、制表符、回车、左、右、上、下，那么不进行REST调用。
<html>
<head>
<title>Do sentiment analysis on the text</title>
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<link rel="stylesheet" type="text/css" href="static/css/bootstrap.css">
<style type="text/css">
body {
padding-top:60px;
padding-bottom: 60px;
}
</style>
</head>
<body>
<div class="navbar navbar-inverse navbar-fixed-top">
<div class="container">
<div class="navbar-header">
<button type="button" class="navbar-toggle" data-toggle="collapse" data-target=".navbar-collapse">
<span class="icon-bar"></span>
<span class="icon-bar"></span>
<span class="icon-bar"></span>
</button>
<a class="navbar-brand" href="#">Run Sentiment Analysis</a>
</div>
</div>
</div>
<div class="container">
<div class="row">
<div class="col-md-6">
<textarea class="form-control" rows="3" placeholder="Write your text. Minimum length 10 characters"></textarea>
</div>
<div class="col-md-6">
<p id="result"></p>
</div>
</div>
</div>
<script type="text/javascript" src="static/js/jquery.js"></script>
<script type="text/javascript">
$("textarea").keyup(function(e){
console.log('keycode '+e.keyCode);
switch (e.keyCode) {
case 8: // Backspace
console.log('backspace'+e);
case 9: // Tab
console.log('Tab');
case 13: // Enter
console.log('Enter');
case 37: // Left
console.log('Left');
case 38: // Up
console.log('Up');
case 39: // Right
console.log('Right');
case 40: // Down
console.log('Down');
break;
default:
var input = $('textarea').val();
$('#result').removeClass("alert alert-warning");
$('#result').removeClass("alert alert-danger");
$('#result').removeClass("alert alert-success");
if (input.length > 10){
$.get('/api/v1/sentiment/'+input,function(result){
if(result.polarity < 0.0){
$('#result').addClass("alert alert-danger") .text(input);
} else if( result.polarity >= 0.0 && result.polarity <= 0.5){
$('#result').addClass("alert alert-warning").text(input);
}else{
$('#result').addClass("alert alert-success").text(input);
}
})
}
}
});
</script>
</body>
</html>
你可以从我的github 仓库 中取得 js 和 css 文件。
部署到云端
部署到云端前，先要完成一些配置工作。
注册一个OpenShift账号。注册是完全免费的，Red Hat给每个用户三枚免费的Gear,可以用Gear运行你的应用。在写作此文的时候，每个用户能免费使用总共 1.5 GB 内存和 3 GB 硬盘空间。
安装 rhc客户端工具。
rhc是ruby gem，因此你的机子上需要装有 ruby 1.8.7以上版本。 只需输入sudo gem install rhc即可安装 rhc 。如果你已经安装过了，确保是最新版。运行sudo gem update rhc即可升级。关于配置rhc命令行工具的详细信息，请参考： https://openshift.redhat.com/community/developers/rhc-client-tools-install使用 rhc 的 setup 命令配置你的 OpenShift 账号。这个命令会帮助你创建一个命名空间，同时将你的ssh公钥上传至 OpenShift 服务器。
输入如下命令即可将应用部署到OpenShift：
; rhc create-app day9demo python-2.7 --from-code
https://github.com/shekhargulati/day9-textblob-demo-openshift.git --timeout 180
这个命令将创建应用，设置公开的DNS，创建私有git仓库，最后利用你的Github仓库中的代码来部署应用。应用将被部署到 http://day9demo-{domain-name}.rhcloud.com 。请用你的账户下的域名替换 {domain-name}. 本文中的应用跑在 http://showmesentiments-t20.rhcloud.com/
今天到此为止。多回馈撒～
原文 Day 9: TextBlob--Finding Sentiments in Text
翻译 SegmentFault
python
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。