作为一名关注全球化与城市研究的css的学生，我常在香港的中环通过天桥见到周日聚会的外籍家庭佣工。她们是这座“全球城市”不可或缺的血液，但在本地的舆论场中，她们究竟是被视为“家庭的一份子”，还是仅仅是“劳动力”？

带着这个社会学疑问，我决定利用 Python 的文本挖掘技术，对自己采集的社交媒体评论进行一次“微观体检”。本文将介绍如何使用 Jieba（分词）、WordCloud（词云） 和 SnowNLP（情感分析） 来解构关于外籍劳工的文本数据。

1. 为什么选择计算方法？(Why Computational?)

传统的社会科学研究往往依赖访谈或问卷，这能提供深度的个案细节。但在大数据时代，面对成千上万条网络评论，我们需要一种能快速捕捉“总体舆论图景”的工具。

计算社会科学（CSS）为我们提供了两把利器：

1. 词云 (Word Cloud)：帮我们看见“显性议题”（大家都在讨论什么？）。

2. 情感分析 (Sentiment Analysis)：帮我们看见“隐性情绪”（大家是支持还是排斥？）。

本篇博客将作为我的入门级（Introductory）技术尝试，带大家跑通这一流程。

2. 工具箱准备

我们需要用到以下 Python 库：

下一步计划： 为了解决“语境缺失”的问题，我的下一篇 进阶博客 将尝试使用 LDA 主题模型 (Latent Dirichlet Allocation) ，去挖掘文本背后更深层的叙事结构，看看媒体是如何构建“外籍劳工”的立体形象的。

• Jieba: 也就是“结巴”分词。中文句子不像英文有空格，计算机看不懂“我爱香港”，需要切分成“我/爱/香港”。

• WordCloud: 将高频词汇可视化。

• SnowNLP: 专门针对中文的情感分析库，能给句子打分（0-1分）。

  # 在 Jupyter Notebook 中安装
  !pip install jieba wordcloud matplotlib snownlp

  3. 实战演练

  第一步：数据准备与预处理

  为了演示，我选取了一组模拟的关于香港外籍家政工（FDWs）的网络评论数据（包含支持、抱怨、政策讨论等）。

• import jieba
  import matplotlib.pyplot as plt
  from wordcloud import WordCloud
  
  # 模拟数据集（在实际研究中，这里通常是读取爬虫抓取的 txt/csv 文件）
  text_data = """
  香港的外籍家庭佣工是这座城市不可或缺的一部分。非常感谢她们照顾老人和孩子。
  然而，外佣在假期时常常面临空间不足的问题，中环和维多利亚公园变得非常拥挤。
  虽然她们为香港经济做出了巨大贡献，但有时也会遭遇雇主的苛待和社会排斥。
  政府的政策应当更好地保障外籍劳工的权益，包括最低工资和居住环境。
  有些外佣的工作态度很差，不仅偷懒还借钱不还，让人很头疼。
  周日到处都是人，阻街而且非常吵闹，影响市容。
  这是一个关乎全球公平的问题，我们需要反思全球照护链背后的剥削。
  离乡背井来工作真的不容易，值得尊重。
  """
  
  # 文本清洗：去除无意义的停用词（Stopwords）
  # 我们不希望词云里出现大量的“的”、“了”、“是”
  stopwords = {'的', '了', '是', '在', '和', '更', '但', '也', '这', '为', '与', '很', '人'}
  
  print("数据准备就绪。")

• 

• 第二步：中文分词与词云生成

  这是最直观的一步。我们看看计算机“读”出了什么核心词。

• # 1. 使用 Jieba 进行分词
  # cut_all=False 开启精确模式
  seg_list = jieba.cut(text_data, cut_all=False)
  text_split = " ".join(seg_list)
  
  # 2. 设置词云参数
  # 【关键点】Windows 需指定 simhei.ttf，Mac 需指定 PingFang.ttc，否则中文会显示乱码
  font_path = 'C:/Windows/Fonts/simhei.ttf' # 请根据你的系统修改路径
  
  wc = WordCloud(
      font_path=font_path,
      background_color="white",
      width=1000,
      height=600,
      stopwords=stopwords,
      collocations=False # 避免重复词语
  )
  
  # 3. 生成并显示
  wc.generate(text_split)
  
  plt.figure(figsize=(10, 6))
  plt.imshow(wc, interpolation='bilinear')
  plt.axis("off")
  plt.title("Keyword Analysis of FDW Discourse", fontsize=15)
  plt.show()

  

• 📊 结果解读： 生成的词云图中，我们可能会看到**“权益”、“空间”、“拥挤”、“贡献”**占据显著位置。这印证了 Henri Lefebvre 的“空间生产”理论——外籍劳工议题的核心矛盾，往往集中在城市公共空间的使用权与经济贡献之间的张力。

• 4. 技术反思与总结 (Reflection)

  通过这不到 50 行代码，我们完成了从文本到洞察的转化。但作为研究者，我们也需要保持 Technical Imagination（技术想象力） 的审慎：

• 算法偏见：SnowNLP 是基于电商评论训练的，它可能将“拥挤”理解为负面，但在城市研究中，“拥挤”也可能代表活力。直接套用商业模型分析社会议题需要小心。

• 语境缺失：词云切断了词与词的联系（Context）。“不/喜欢”和“不喜欢”在简单的词袋模型中可能被误读。