社交媒体情感分析器-Python

## 项目描述 社交媒体情感分析器
社交媒体情感分析器是一个本地优先的舆情分析工具。用户输入品牌或产品名，系统自动采集微博、小红书、B站及全网搜索的真实讨论，用词典加可选大模型判断每条内容的情感倾向，并生成带图表的分析报告。默认完全离线运行，数据与凭据只存本机，开启大模型时才将低置信度文本发送给第三方服务商。

## 项目功能
多渠道采集：演示数据、B站公开接口、WebSearch 全网摘要、微博（自备 Cookie）、小红书（Chrome 登录态加 opencli），内置条数上限、风控冷却与关键词优化。

六步向导流程：品牌与维度选择、关键词确认、渠道与时间设置、计划确认、后台执行、结果查看，任务在独立进程运行，关闭浏览器不中断。

情感分析：jieba 分词配合词典直判正面、负面、中性及强度，按内容、实物、服务三类领域维度做维度级情感；可选接入 OpenAI 兼容大模型（实测 DeepSeek）对低置信度文本精分析并标注需复核项；支持人工相关性筛选与 LLM 复核建议。

报告输出：统一口径生成 Excel 五表、离线交互 HTML、Word 报告及 result.json，含情感分布、趋势、维度、词云、共现网络、证据链与消费者声音占比。

配套能力：任务中心与崩溃恢复、数据归档清理、凭据加密存储、评测中心（黄金集、边界集、准确率趋势、基线门槛）、三十八项自动化回归测试。

## 运行环境
操作系统 Windows 10/11 为主，兼容 macOS；Python 3.10 及以上，实测验证 3.13；小红书渠道需 Chrome 或 Chromium 内核浏览器并保持登录。依赖通过 requirements.txt 一键安装，首次运行 run.bat 自动完成；启动后浏览器访问本地 8501 端口，另需常驻 worker 进程执行后台任务，数据存于本地 SQLite。

## 项目技术
整体采用 Streamlit 构建向导式前端与评测仪表盘，Python 分层架构分为渠道适配、清洗编码、业务核心、领域体系与报告输出。数据模型用 Pydantic v2 定义，数据处理基于 pandas，任务队列用 SQLite 加原子抢单与心跳恢复，密钥在 Windows 下经 DPAPI 加密。

分析层以 jieba 分词、cnsenti 与自研词典规则为基础，大模型走 OpenAI 兼容接口。可视化用 Plotly 离线内嵌，词云用 wordcloud，共现网络用 networkx，图片渲染用 kaleido；HTTP 请求用 requests。报告侧用 openpyxl 写 Excel、Jinja2 渲染 HTML、python-docx 生成 Word。工程上以 pytest 风格测试套件与黄金集基线保障质量，GitHub Actions 执行 Windows 与 Ubuntu 双平台持续集成。

以上系统源码经过技术整理与调试，确保能正常运行