Google Cloud NLP情感实体分析结果未写入CSV文件问题咨询

核心错误原因 #

• 执行顺序错误：生成CSV文件的代码是全局执行的，早于main函数和sentiment_entity分析函数运行，写入时所有数组还未被赋值
• 变量名错误频发：包括参数名和内部使用名不匹配、API请求参数键名错误、重名变量覆盖、未定义变量直接调用
• 缩进错误：实体元数据、实体提及的遍历代码放在实体循环外部，无法正常取值
• 列名不匹配：读取CSV时使用的列名和实际列名不一致
• 缺少主函数入口：代码未主动触发main函数执行
• 接口参数类型错误：直接将文本列表传入Google NLP接口，接口要求传入单篇字符串文本

具体错误点说明 #

1. sentiment_entity函数参数是postTexts，内部构造文档时错误使用未定义的post_texts变量
2. API请求参数encoding type拼写错误，正确应为encoding_type
3. 遍历实体时循环变量entity和全局存储实体的数组entity重名，且错误调用循环变量的append方法
4. 直接使用未定义的sentiment变量，正确应为entity.sentiment
5. 元数据、提及遍历代码缩进错误，未放在实体遍历循环内部
6. 读取CSV列名写为Post Text，和你实际的Post Texts列名不符
7. argparse调用拼写错误，arg.parse应为argparse，且你已经从本地CSV读取文本，无需额外设置参数传入
8. 全局代码先执行CSV写入，此时分析函数还未运行，所有数组为空

修正后完整代码 #

from google.cloud import language_v1
import pandas as pd
import csv

# 存储分析结果的数组
representativeName = []
entity = []
salienceScore = []
entitySentimentScore = []
entitySentimentMagnitude = []
metadataNames = []
metadataValues = []
mentionText = []
mentionType = []

def sentiment_entity(post_text):
    client = language_v1.LanguageServiceClient()
    type_ = language_v1.Document.Type.PLAIN_TEXT
    language = "en"
    document = {"content": post_text, "type": type_, "language": language}
    encodingType = language_v1.EncodingType.UTF8
    # 修正请求参数键名
    response = client.analyze_entity_sentiment(request = {'document': document, 'encoding_type': encodingType})

    # 遍历返回的实体
    for ent in response.entities:
        representativeName.append(ent.name)
        # 修正重名变量问题
        entity.append(language_v1.Entity.Type(ent.type_).name)
        salienceScore.append(ent.salience)
        # 修正未定义sentiment变量问题
        entitySentimentScore.append(ent.sentiment.score)
        entitySentimentMagnitude.append(ent.sentiment.magnitude)
    
        # 缩进修正：放在实体遍历循环内
        for metadata_name, metadata_value in ent.metadata.items():
            metadataNames.append(metadata_name)
            metadataValues.append(metadata_value)

        # 缩进修正：放在实体遍历循环内
        for mention in ent.mentions:
            mentionText.append(mention.text.content)
            mentionType.append(language_v1.EntityMention.Type(mention.type_).name)

def main():
    # 读取源CSV文件
    with open('Essential Data_posts.csv', 'r', encoding='utf-8') as filename:
        file = csv.DictReader(filename)
        # 修正列名匹配问题，逐篇处理文本
        for col in file:
            post_text = col['Post Texts']
            sentiment_entity(post_text)
    
    # 所有分析完成后再写入结果CSV
    data = {
        "Representative Name": representativeName,
        "Entity": entity,
        "Salience Score": salienceScore,
        "Entity Sentiment Score": entitySentimentScore,
        "Entity Sentiment Magnitude": entitySentimentMagnitude,
        "Metadata Name": metadataNames,
        "Metadata Value": metadataValues,
        "Mention Text": mentionText,
        "Mention Type": mentionType  
    }
    df = pd.DataFrame(data)
    df.to_csv("SentimentAnalysis.csv", encoding='utf-8', index=False)

# 添加入口触发主函数
if __name__ == "__main__":
    main()

内容的提问来源于stack exchange，提问作者pinkshades