如何获取TextBlob中带Polarity Score的完整词表或词典？

TextBlob默认的极性分数计算基于Pattern库的规则情感词典，没有单独对外公开的在线词表页，所有词条和对应分数都存在本地安装包的内置文件里，直接从本地提取就能拿到完整列表：

• 前置准备：先确保你已经完成TextBlob的语料和依赖安装，执行命令：
  python -m textblob.download_corpora

• 方法1：代码直接导出结构化词典
  直接调用内置分析器的lexicon属性就能拿到已经解析好的完整词典对象，不需要手动解析文件，示例代码：

  from textblob.en.sentiment import PatternAnalyzer
  
  # 初始化默认的Pattern情感分析器
  analyzer = PatternAnalyzer()
  # lexicon即为完整词表：key为单词，value为(极性分数, 主观性分数, 词性信息)的三元组
  # 下面的推导式直接提取纯单词-极性分数的映射字典
  polarity_lexicon = {word: score[0] for word, score in analyzer.lexicon.items()}
  

  上述代码得到的polarity_lexicon就是目标词表，总共有约2900个带标注词条，覆盖日常情感分析常用的形容词、副词、动词、名词。

• 方法2：直接读取原始词典源文件
  如果你需要原始标注文件，可以运行以下代码快速定位文件路径：

  import os
  import textblob.en.sentiment as sent_module
  print(os.path.join(os.path.dirname(sent_module.__file__), "en-sentiment.xml"))
  

  执行后输出的路径就是完整的极性词典源文件，为XML格式，每个<word>标签的form属性是单词本身，polarity属性就是对应的极性分数，同时还附带主观性标注、词性标注等额外信息。

注意：如果你切换使用了NaiveBayesAnalyzer作为情感分析器，是拿不到固定极性词表的——这个分析器是基于电影评论语料训练的朴素贝叶斯分类模型，不存在显式的「词-固定极性分数」映射规则，只有默认的PatternAnalyzer是基于固定词典做规则匹配，能提取到完整的带分数词表。

内容的提问来源于stack exchange，提问作者Shan