在电商运营场景中，用户评价是挖掘产品问题、提炼核心卖点的核心数据源。苏宁易购作为头部电商平台，其海量的用户评价文本中藏着直接的用户反馈 —— 差评能精准定位物流、质量、售后等短板，优质评价则能总结产品的核心优势。本文将基于原生 Python 代码，完整还原苏宁易购评价文本从读取、分词到停用词过滤的全流程，无需复杂优化，聚焦核心逻辑的理解与落地。

一、核心技术与数据准备

1.1 核心技术选型

本次实战仅使用两个核心库，轻量化完成文本预处理：

• pandas：用于文本文件的读取、数据存储（导出 Excel）；
• jieba：中文分词的经典库，适配电商短文本的精确分词需求。

1.2 数据文件说明

实战依赖 3 个文本文件，需提前放在代码同级目录：

• 差评.txt：每行一条苏宁易购用户负面评价；
• 优质评价1.txt：每行一条苏宁易购用户正面评价；
• StopwordsCN.txt：中文停用词表，包含 “的、了、啊、这” 等无实际语义的词汇。

二、原生代码完整实现与逐行解析

以下是未经优化的原生代码，完全保留原始逻辑，我们逐段拆解每一步的作用：

import pandas as pd
# 读取差评数据：指定编码gbk（适配中文Windows文件），无表头，列名设为content
cp_content = pd.read_table(r'差评.txt', encoding='gbk', header=None, names=['content'])
# 读取优质评价数据：参数与差评一致
yzpj_content = pd.read_table(r'优质评价1.txt', encoding='gbk', header=None, names=['content'])

import jieba
# 处理差评分词
cp_segments = []
contents = cp_content.content.values.tolist()  # 将DataFrame的content列转为列表
for content in contents:
    results = jieba.lcut(content)  # jieba精确分词，返回词汇列表
    if len(results) > 1:  # 过滤仅单个词的评价（无分析价值）
        cp_segments.append(results)
# 将分词结果保存为Excel，不保留行索引
cp_fc_results = pd.DataFrame({'content': cp_segments})
cp_fc_results.to_excel('cp_fc_results.xlsx', index=False)

# 处理优质评价分词（逻辑与差评完全一致）
yzpj_segments = []
contents = yzpj_content.content.values.tolist()
for content in contents:
    results = jieba.lcut(content)
    if len(results) > 1:
        yzpj_segments.append(results)
# 保存优质评价分词结果
yzpj_fc_results = pd.DataFrame({'content': yzpj_segments})
yzpj_fc_results.to_excel('yzpj_fc_results.xlsx', index=False)

"""把所有的内容都进行jieba，分词中有一些内容，是无意义。
#3.移除停用词
#segments_clean:每一篇文章的分词结果
#all_words:所有文章总的分词结果"""
# 读取停用词表：编码utf8（停用词表通用编码），列名设为stopword
stopwords_df = pd.read_table(r'StopwordsCN.txt', encoding='utf8', header=None, names=['stopword'])
stopwords = stopwords_df['stopword'].tolist()  # 转为列表，方便后续遍历判断

# 定义移除停用词的函数
def drop_stopwords(contents, stopwords):
    segments_clean = []  # 存储去停用词后的结果
    for content in contents:  # 遍历每一条评价的分词结果
        line_clean = []  # 存储单条评价去停用词后的词汇
        for word in content:  # 遍历单条评价的每个词汇
            if word in stopwords:  # 如果是停用词，跳过
                continue
            line_clean.append(word)  # 非停用词保留
        segments_clean.append(line_clean)
    return segments_clean

# 对差评分词结果去停用词
contents = cp_fc_results.content.values.tolist()
cp_fc_contents_clean_s = drop_stopwords(contents, stopwords)

# 对优质评价分词结果去停用词
contents = yzpj_fc_results.content.values.tolist()
yzpj_fc_contents_clean_s = drop_stopwords(contents, stopwords)

2.1 代码核心逻辑拆解

（1）文本读取阶段

cp_content = pd.read_table(r'差评.txt', encoding='gbk', header=None, names=['content'])

• pd.read_table：按行读取文本文件，适合 “每行一条评价” 的格式；
• encoding='gbk'：Windows 系统下中文文本默认编码，若读取乱码可尝试utf8；
• header=None, names=['content']：文件无表头，手动指定列名为content，方便后续调用。

（2）jieba 分词阶段

for content in contents:
    results = jieba.lcut(content)
    if len(results) > 1:
        cp_segments.append(results)

• jieba.lcut(content)：使用 jieba精确分词模式，将单条评价拆分为词汇列表（如 “物流太慢了”→['物流', '太', '慢', '了']）；
• len(results) > 1：过滤掉分词后仅 1 个词的评价（如 “差”“好”），避免无意义数据。

（3）结果保存阶段

cp_fc_results = pd.DataFrame({'content': cp_segments})
cp_fc_results.to_excel('cp_fc_results.xlsx', index=False)

• 将分词后的二维列表转为 DataFrame，方便结构化存储；
• to_excel('cp_fc_results.xlsx', index=False)：导出 Excel 时不保留行索引，让结果更整洁。

（4）停用词处理阶段

def drop_stopwords(contents, stopwords):
    segments_clean = []
    for content in contents:
        line_clean = []
        for word in content:
            if word in stopwords:
                continue
            line_clean.append(word)
        segments_clean.append(line_clean)
    return segments_clean

• 函数接收两个参数：contents是所有评价的分词列表（二维），stopwords是停用词列表；
• 双层循环逻辑：外层遍历每条评价的分词结果，内层遍历单个词汇，判断是否为停用词，非停用词保留。

三、代码执行结果与解读

3.1 生成的文件

运行代码后，会在同级目录生成 2 个 Excel 文件：

• cp_fc_results.xlsx：差评的分词结果（未去停用词）；
• yzpj_fc_results.xlsx：优质评价的分词结果（未去停用词）。

3.2 变量结果示例

假设差评.txt中有一条评价：“物流太慢了，产品质量也差”，则：

• 分词后结果（cp_segments）：['物流', '太', '慢', '了', '，', '产品', '质量', '也', '差']；
• 去停用词后结果（cp_fc_contents_clean_s）：['物流', '慢', '产品', '质量', '差']（假设 “太、了、，、也” 在停用词表中）。

3.3 关键注意点

1. 编码问题：差评 / 优质评价文件用gbk编码，停用词表用utf8编码，需严格对应，否则会出现乱码；
2. 停用词表完整性：StopwordsCN.txt的内容决定去停用词的效果，若想过滤更多无意义词汇（如 “苏宁”“易购”），可手动添加到停用词表；
3. 空值风险：若评价文本中有空行，jieba.lcut会返回空列表，可能导致后续处理报错（原生代码未做过滤，需手动清理文本文件）。

四、原生代码的直接应用

虽然代码未做优化，但已能满足基础的文本预处理需求，可直接延伸出以下应用：

4.1 查看高频词汇

在代码末尾添加以下内容，统计差评 / 优质评价的核心词汇：

# 统计差评去停用词后的所有词汇
all_cp_words = []
for line in cp_fc_contents_clean_s:
    all_cp_words.extend(line)
# 统计词频（取前10）
from collections import Counter
cp_word_count = Counter(all_cp_words).most_common(10)
print("差评高频词汇TOP10：", cp_word_count)

# 统计优质评价高频词汇
all_yzpj_words = []
for line in yzpj_fc_contents_clean_s:
    all_yzpj_words.extend(line)
yzpj_word_count = Counter(all_yzpj_words).most_common(10)
print("优质评价高频词汇TOP10：", yzpj_word_count)

4.2 保存去停用词后的结果

若想将去停用词后的结果也保存为 Excel，添加以下代码：

# 保存差评去停用词结果
cp_clean_df = pd.DataFrame({'content': cp_fc_contents_clean_s})
cp_clean_df.to_excel('cp_fc_clean_results.xlsx', index=False)

# 保存优质评价去停用词结果
yzpj_clean_df = pd.DataFrame({'content': yzpj_fc_contents_clean_s})
yzpj_clean_df.to_excel('yzpj_fc_clean_results.xlsx', index=False)

五、总结

1. 原生代码的核心流程为：文本读取→jieba 分词→结果保存→停用词过滤，逻辑简洁，聚焦文本预处理的核心步骤；
2. jieba.lcut的精确分词模式适配电商短文本，pd.read_table能高效读取 “每行一条评价” 的文本格式；
3. 停用词过滤的核心是 “遍历判断 - 保留非停用词”，是文本分析中去除噪声、聚焦核心语义的关键步骤。

这套原生代码虽无复杂优化，但完整实现了电商评价文本预处理的基础需求，是后续情感分析、词云可视化、关键词提取等高阶分析的基石。若需适配更大数据量，可在此基础上补充空值过滤、异常处理等逻辑，但对于中小规模的苏宁易购评价分析，原生代码已足够实用。