TextBlob实际上是在NLTK库之上构建的高级库。首先，我们使用一些简单的正则表达式来调用clean_tweet方法从推文中删除链接，特殊字符等。
然后，当我们传递tweet来创建TextBlob对象时，后续处理是通过textblob库对文本进行的：

• 对推文进行标记，即从文本正文中分割单词。
• 从标记中删除停用词。（停用词是常用的单词，在文本分析中与我，我，你，是等等无关）
• 对标记进行POS（词性）标记并仅选择形容词，副词等重要特征/标记。
• 将令牌传递给情绪分类器，该分类器将推文情绪分为正，负或中性，方法是将其指定为-1.0到1.0之间的极性。

def get_tweets(self, query, count = 10):

'''

Main function to fetch tweets and parse them.

'''

# empty list to store parsed tweets

tweets = []

try:

# call twitter api to fetch tweets

fetched_tweets = self.api.search(q = query, count = count)

# parsing tweets one by one

for tweet in fetched_tweets:

# empty dictionary to store required params of a tweet

parsed_tweet = {}

# saving text of tweet

parsed_tweet['text'] = tweet.text

# saving sentiment of tweet

parsed_tweet['sentiment'] = self.get_tweet_sentiment(tweet.text)

# appending parsed tweet to tweets list

if tweet.retweet_count > 0:

# if tweet has retweets, ensure that it is appended only once

if parsed_tweet not in tweets:

tweets.append(parsed_tweet)

else:

tweets.append(parsed_tweet)

# return parsed tweets

return tweets

except tweepy.TweepError as e:

# print error (if any)

print("Error : " + str(e))