一、数据爬取模块（Python示例）

import requests
from bs4 import BeautifulSoup
import pandas as pd
import time

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36',
    'Accept-Language': 'en-US'
}

def scrape_amazon_reviews(product_id, max_pages=5):
    base_url = f"https://www.amazon.com/product-reviews/{product_id}"
    reviews = []
    
    for page in range(1, max_pages + 1):
        url = f"{base_url}/?pageNumber={page}"
        response = requests.get(url, headers=headers)
        soup = BeautifulSoup(response.text, 'html.parser')
        
        for review in soup.find_all('div', {'data-hook': 'review'}):
            review_data = {
                'rating': float(review.find('i', {'data-hook': 'review-star-rating'}).text.split()[0]),
                'title': review.find('a', {'data-hook': 'review-title'}).text.strip(),
                'body': review.find('span', {'data-hook': 'review-body'}).text.strip(),
                'date': review.find('span', {'data-hook': 'review-date'}).text
            }
            reviews.append(review_data)
        time.sleep(2)  # 降低请求频率
    
    return pd.DataFrame(reviews)

关键点说明：

• 需替换product_id为目标商品ASIN码

• 通过time.sleep()规避反爬机制

• 使用data-hook属性精准定位评论元素

二、情感分析模块（NLP示例）

from textblob import TextBlob

def analyze_sentiment(review_text):
    analysis = TextBlob(review_text)
    return {
        'polarity': analysis.sentiment.polarity,  # 情感极性（-1到1）
        'subjectivity': analysis.sentiment.subjectivity  # 主观性（0到1）
    }

输出应用：

• 极性＞0.3判定为积极评论

• 极性＜-0.3判定为消极评论

三、数据可视化（Matplotlib示例）

import matplotlib.pyplot as plt

def plot_rating_distribution(df):
    plt.figure(figsize=(8, 4))
    df['rating'].value_counts().sort_index().plot(kind='bar', color='#FF9900')
    plt.title('Amazon Review Rating Distribution')
    plt.xlabel('Star Rating')
    plt.ylabel('Count')
    plt.xticks(rotation=0)
    plt.show()

四、合规性注意事项

1. 遵守亚马逊Robots协议（检查/robots.txt）

2. 单IP请求频率建议≤2次/秒

3. 商业用途需申请官方API（MWS或SP-API）