企业官网建设流程全解析

简介：这是一份面向电商数据分析与自然语言处理初学者的完整实践项目，围绕手机评论展开文本挖掘，涵盖数据预处理、主题模型获取特征词、情感极性判断与程度计算，以及回归模型预测销量排序四个核心环节，适合想通过真实业务场景掌握文本分析流程的学习者。压缩包共十一个文件，以数据表、脚本、编译文件及说明文档为主，大小不足五兆，其中数据表存放评论文本，脚本为可运行的预处理、建模与情感分析代码，说明文档用于记录项目介绍与使用指引。目前已有一百七十三人学习浏览，资源内包含可直接运行的编程代码，并覆盖从分词清洗到主题建模、情感量化及销量回归预测的完整思路，可帮助读者快速复现实验并理解每一步的算法原理与工程实现。整体结构清晰，适合作为课程设计或入门实战的参考素材。

1. 某电商手机评论的文本挖掘初体验：一个能跑通全流程的工程包

你可能第一反应是“文本挖掘初体验”不就是跑个分词再画个词云吗？我拆完这份资源后才意识到，真正让评论“说话”的不是分词，而是数据预处理、LDA主题抽取、情感极性与强度计算、以及回归预测销量排序这套完整链路。资源包里没有花哨的界面，只有按功能板块组织的可运行代码、样例数据和说明文档，从原始评论到最终销量排序结果一步不落。适合刚接触 NLP 的从业者，也适合想在教学项目里快速落地评论分析的开发者。

2. 数据预处理：评论清洗、分词与去停用词的正确顺序

拿到某电商平台的手机评论，第一件事不是跑模型，而是把原始评论变成机器能“读懂”的干净语料。这一步决定了后面 LDA 和情感分析的成败，也是最容易因为赶进度而潦草处理的地方。我拆这份资源包时注意到，它的数据预处理分成三块：去重与编码处理、分词与去停用词、把结果保存成后续建模可直接用的格式。

2.1 原始评论长什么样：先做去重与编码处理

电商评论里最常见的脏数据是重复刷屏、空评论、以及 HTML 标签和特殊字符。某些用户连续提交几十条相同内容，另一些评论来自爬虫工具，内容里带着<br/>或\r。如果不去除，后边统计词频时这些噪声会被当成有效信息，直接拉偏 LDA 主题。

资源包里给了一个比较稳的清洗流程，我习惯先把数据读进来，再做去重和空值过滤，最后洗文本：

import pandas as pd import re df = pd.read_csv('phone_comments.csv', encoding='utf-8') print('原始数据量:', len(df)) # 删除完全重复的评论内容 df.drop_duplicates(subset=['comment'], inplace=True) # 丢弃空评论或非字符串内容 df = df[df['comment'].notna()] def clean_text(text): text = str(text) # 去掉HTML标签 text = re.sub(r'<.*?>', '', text) # 把换行和多余空白合并 text = re.sub(r'\s+', ' ', text) # 去掉特殊符号，保留中文、英文、数字和常见标点 text = re.sub(r'[^\u4e00-\u9fa5a-zA-Z0-9，。！？、]', '', text) return text.strip() df['clean_comment'] = df['comment'].apply(clean_text) # 清理后再次去空 df = df[df['clean_comment'] != ''] print('清洗后数据量:', len(df))

这段代码里有几个参数需要留意。encoding='utf-8'只适合标准 UTF-8 文件，如果遇到乱码可以改成gb18030。drop_duplicates的subset指定按评论内容去重，而不是按用户 ID，避免同一个人发的不同评论被误删。clean_text里的正则[^\u4e00-\u9fa5a-zA-Z0-9，。！？、]会把英文、中文和常用标点之外的字符全部去掉。注意我把标点保留了一部分，因为后面情感词典会用到“！”这样的强语气符号；如果你后续做 LDA，也可以考虑把所有标点都删掉。

2.2 分词与去停用词：jieba 的参数选择与自定义词典

中文评论不能直接用空格切分，必须分词。这份资源用的是 jieba，因为它在处理电商口吻的短文本时表现足够稳定，而且支持自定义词典和停用词过滤。很多新人直接把jieba.lcut的结果拿来用，结果词表里全是“手机”“不错”“真的”这类高频词，这其实是后续 LDA 主题不清晰的根源。

我一般会在分词前先加载一个“手机领域词典”，把“屏占比”“骁龙”“快充”这类专有名词塞进去，避免被切碎成“屏”“占比”。停用词表则要覆盖语气词、人称词、无意义动词和标点：

import jieba # 加载手机领域自定义词典，每行一个词 jieba.load_userdict('phone_dict.txt') # 读取停用词表，每行一个停用词 with open('stopwords.txt', encoding='utf-8') as f: stopwords = set(line.strip() for line in f) # 额外补充常见噪声词 stopwords.update(['手机', '这款', '一个', '真的', '感觉', '东西']) def cut_words(text): words = jieba.lcut(text, cut_all=False) # 过滤停用词、单字、纯数字和无意义符号 filtered = [] for w in words: w = w.strip() if w not in stopwords and len(w) > 1 and not w.isdigit(): filtered.append(w) return filtered df['words'] = df['clean_comment'].apply(cut_words) print(df['words'].head())

参数上，cut_all=False使用精确模式，适合后续主题建模；如果改成cut_all=True会输出大量冗余切分，词频统计会失控。len(w) > 1这个过滤条件非常关键，单字“好”“差”“快”虽然看似简单，但在情感分析里可能是有价值的信号，所以如果你后面要做情感判断，过滤单字时需要谨慎，最好保留“好”“坏”这样的词。我的做法是只在 LDA 语料里过滤单字，在情感分析输入里保留单字词。phone_dict.txt的格式是纯文本每行一个词，不需要词频和词性，这是 jieba 自定义词典最简单的写法。

2.3 把预处理结果落地为后续建模可用的语料格式

分词结果不能只留在内存里，需要保存成统一格式。LDA 需要“文档列表”，每篇文档是词列表；情感分析需要原始文本或分词结果；回归模型需要数值特征。所以资源包里把预处理结果保存成一个中间文件，后面不同模块直接从中间文件读取：

# 保存成分词后的语料文件，便于LDA直接读取 with open('corpus.txt', 'w', encoding='utf-8') as f: for words in df['words']: f.write(' '.join(words) + '\n') # 保存清洗后的完整评论，用于情感分析和人工复核 df[['clean_comment', 'words']].to_csv('preprocessed_comments.csv', index=False, encoding='utf-8-sig')

这里utf-8-sig是给 Excel 用的，因为 Windows 下直接读 UTF-8 无 BOM 文件容易乱码。corpus.txt每行是一篇评论的分词结果，空格分隔。这种格式可以被 gensim 的corpora模块直接加载，也可以作为其他主题模型的输入。核心逻辑是把“分词结果”和“原始文本”分开保存，因为情感分析时你需要原始句子的上下文，而 LDA 只需要词列表。

预处理这一步我做过的最大调整是停用词表。刚开始我用网上通用的中文停用词表，结果 LDA 主题里全是“质量”“东西”这类词，后来把电商场景特有的高频空词加入停用表，主题才变得可解释。建议在跑完第一轮 LDA 之后，用高频词列表反哺停用词表，来回迭代两次。

3. LDA模型获取特征词：从评论集里抽出“手机到底好在哪”

数据预处理做完，接下来要回答一个实际问题：用户到底在关心手机的哪些地方？直接统计词频只能看到“不错”“续航”这种高频词，但他们之间的关系和分群看不出来。LDA 能做的事情是把评论按照潜在主题分成几拨，然后从每个主题里抽出特征词，让你知道“这批评论在聊外观”“那批评论在聊续航”。

3.1 为什么用LDA而不是直接数词频

词频统计适合验证已知关键词，不适合发现未知主题。比如你手里有一万条手机评论，直接数出来高频词是“屏幕”“续航”“拍照”，但你不知道“屏幕”背后可能连着“大”“清晰”“伤眼”这些完全不同的评价维度。LDA 把每篇评论看成若干个主题的混合，每个主题又是一个词的概率分布，这样“屏幕”可能同时出现在“显示效果”主题和“护眼”主题里，但两个主题里与它共现的词不一样，最终提取出的特征词才有区分度。

资源包里用的是 gensim 的 LDA 实现，选择它的原因很直接：接口稳定、模型可保存、对中文文本的输入格式简单。你可以用 sklearn 的LatentDirichletAllocation，但 gensim 对语料规模更大时更省内存，因为它是流式处理。

3.2 构建文档词频矩阵与主题数选择

LDA 的输入不是文本，而是“文档-词条”的字典和语料。先构造 Dictionary，再把每篇评论的分词结果转成词袋向量，最后传入 LdaModel 训练：

from gensim import corpora, models # 读上一步保存的corpus.txt with open('corpus.txt', 'r', encoding='utf-8') as f: docs = [line.strip().split() for line in f if line.strip()] # 构建字典并过滤极端词 dictionary = corpora.Dictionary(docs) dictionary.filter_extremes(no_below=5, no_above=0.5) # 文档词袋 corpus = [dictionary.doc2bow(doc) for doc in docs] # 训练LDA，这里先设定5个主题 lda_model = models.LdaModel( corpus=corpus, id2word=dictionary, num_topics=5, passes=10, random_state=42, alpha='auto', eta='auto' ) # 打印每个主题的特征词 for topic_id, topic_words in lda_model.print_topics(num_topics=5, num_words=10): print(f'Topic {topic_id}: {topic_words}')

filter_extremes(no_below=5, no_above=0.5)的含义是：词条至少出现在 5 条评论里，同时最多出现在 50% 的评论里。第一点去掉只在个别评论里出现的低频噪声，第二点去掉“手机”“不错”这种几乎每篇都有的高频词。passes=10表示整个语料迭代 10 轮，数值越大模型越稳定，但耗时也越长。alpha='auto'与eta='auto'让模型自动学习文档-主题分布和主题-词分布，比固定参数更适应电商评论这种长短不一的数据。

主题数num_topics=5是初始值。如何判断用几个主题？一个常用做法是计算困惑度 perplexity，然后选曲线拐点。资源包里有对应的对比脚本，但更实在的方法是人工观察每个主题的特征词是否有明确指向。我曾试过把主题设到 8，结果出现两个主题的特征词都围绕“电池”“充电”，合并到 5 个反而更清晰。

3.3 输出每个主题的特征词并解读

LDA 输出的Topic 0: 0.023*"续航" + 0.018*"电池" + ...这种结构不是给人看的。通常我会提取每个主题的前 15 个词，整理成表格，再人工打标签：

import pandas as pd topic_labels = { 0: '续航', 1: '外观', 2: '拍照', 3: '性能', 4: '性价比' } rows = [] num_feature_words = 15 for topic_id in range(lda_model.num_topics): topic_dist = lda_model.get_topic_terms(topic_id, num_feature_words) words = [dictionary[idx] for idx, _ in topic_dist] rows.append({ '主题编号': topic_id, '人工标签': topic_labels.get(topic_id, ''), '特征词': ' '.join(words) }) topic_df = pd.DataFrame(rows) print(topic_df)

注意get_topic_terms返回的词条按概率降序排列，如果前 15 个词里出现三个同义词（比如“电池”“续航”“掉电”），说明预处理阶段没有做同义词合并。LDA 本身不知道“续航”和“掉电”是同一话题的两面，它只会把它们分到同一个主题里但分散概率。为了让特征词更干净，我通常会把领域词典里互为近义的词统一替换成一个代表词，比如把“续航”“待机时长”“掉电速度”统一替换成“续航”。

这个步骤做完，你手里就有了“每个主题 + 特征词 + 人工标签”的映射。这份映射是后续回归模型的重要特征来源——每一篇评论落在哪个主题上，可以通过lda_model.get_document_topics计算主题占比，再把占比作为数值特征输入回归模型。

4. 情感极性判断与程度计算：不只是“好评差评”

LDA 告诉你用户在聊什么，情感分析告诉你用户对每个话题是夸还是骂。常见的做法是直接把评论分成正向和负向，但“非常不满意”和“不太满意”都是负向，强度完全不同。这份资源里给的情感模块不是简单打标签，而是做“极性判断 + 程度计算”，最后输出一个带强度的情感分数。

4.1 基于情感词典的极性打分

情感词典方法是入门最稳的方案，不需要训练，覆盖率高。核心思路是：把评论文本分词后，逐个词在情感词典里查，正向词加正分，负向词加负分，最后汇总。资源包里自带了基础的正向词表和负向词表，同时允许你扩展。

# 加载情感词典 with open('pos_words.txt', encoding='utf-8') as f: pos_words = {line.strip(): 1.0 for line in f} with open('neg_words.txt', encoding='utf-8') as f: neg_words = {line.strip(): -1.0 for line in f} def base_sentiment_score(words): score = 0.0 for w in words: if w in pos_words: score += pos_words[w] elif w in neg_words: score += neg_words[w] return score

这里每个词默认权重是 1.0，但实际场景里“惊艳”和“不错”的情感强度差别很大。所以我把情感词典做成权重可调格式，每一行是“词 权重”，比如“惊艳 1.8”“不错 0.6”。这样基础分数更合理。如果你发现分词结果里词匹配不上，比如“666”这种网络词，就需要手动往词典里加词，正负词表的维护是一个持续过程。

4.2 程度副词与否定词怎么影响分数

直接累加词典分数会漏掉两个关键修饰因素：程度副词和否定词。评论里“屏幕很清晰”和“屏幕有点清晰”肯定不一样，而“运行不卡”是正向，“运行卡”是负向。知乎里经常说“自动就不知好歹”，这里也一样，语义反转必须处理。

资源包里的实现顺序是：逐词扫描，遇到程度副词先记录力度，遇到否定词翻转极性和强度，遇到情感词再把累积强度乘以力度和方向：

# 程度副词词典，值越大程度越强 degree_words = { '非常': 1.8, '特别': 1.6, '很': 1.4, '挺': 1.2, '有点': 0.5, '稍微': 0.4, '一般': 0.6, } # 否定词集合 neg_words = {'不', '没', '无', '未', '非', '别', '莫'} def sentiment_score(words): score = 0.0 degree = 1.0 # 当前词前的程度力度，默认不修饰 neg = 1 # 当前词前的否定方向，1正向，-1反向 for w in words: if w in degree_words: # 遇到程度副词，更新力度，等待作用于下一个情感词 degree = degree_words[w] elif w in neg_words: # 遇到否定词，翻转极性一次 neg = -neg elif w in pos_words: # 正向词，基础权重乘以否定方向和程度 score += degree * neg * pos_words[w] # 重置程度和否定状态，防止影响后续词 degree = 1.0 neg = 1 elif w in neg_words_external: # 负向词，同理 score += degree * neg * neg_words[w] degree = 1.0 neg = 1 # 其他词跳过，保留程度副词状态吗？不保留，这里直接重置 return score

这段代码里有一个容易踩的细节：遇到程度副词后，如果后面好几个词都不是情感词，程度状态要不要一直保留？我倾向于遇到普通词就重置为 1.0，否则“有点卡但能接受”里“有点”会影响“接受”的分数，导致正向分数被削弱。但“不太清楚”这种连续否定场景，单一否定词翻转一次还不够准确，需要额外考虑否定词连用的情况。资源包简化处理为连续否定词每次翻转，这在大多数评论场景下够用了。

4.3 计算评论文本的情感倾向值

对每一篇评论可以计算出一个情感分值，同时记录它的绝对值作为情感强度：

df['sentiment'] = df['words'].apply(sentiment_score) df['abs_sentiment'] = df['sentiment'].abs()

这里abs_sentiment表示情感强度，不管正向还是负向，绝对值大说明情绪激烈。在回归模型里，情感强度往往比单纯极性更有预测力。比如“屏幕太差了”和“屏幕不太好”都是负向，但前者强度更高，对应销量影响也可能更大。

我还习惯按商品聚合情感值，比如对同一商品的所有评论计算平均情感值、正向评论占比、负向评论中绝对值大于 1 的比例。这些特征后续可以和 LDA 主题占比一起放进回归模型。如果你用的是资源包，代码里已经预置了aggregate_emotion函数，直接传入商品 ID 即可。

5. 避坑：评论文本挖掘中四个容易翻车的细节

我拆这份资源包时，中间跑的过程中确实遇到好几个问题。每个问题单独看都很小，但串起来就会让你怀疑自己代码写错了。这一章把典型现象、原因和解决思路列出来，你复现时能用更少的时间跳过这些坑。

5.1 现象：LDA主题全是“手机”“不错”“东西”，人工完全无法打标签

原因：词典没有过滤高频通用词，停用词表太小。我一开始用网上通用中文停用词表，里面只有“的”“了”“在”，没有“手机”“东西”“真的”这类电商高频词。LDA 把它们当成重要词，每个主题前几名都被这些词占据，主题之间的差异就被吞掉了。

解决：跑完一次 LDA 后，把每个主题前 20 个词全部打印出来，手动把跟场景无关的词加入停用词表，然后重新训练。如果“手机”这个词出现在 70% 的文档里，可以直接在停用词表里加进filter_extremes的no_above参数中，或者直接在停用词表里加“手机”。我一般会强制把no_above设为 0.5，确保没有词出现在超过一半的文档里。

5.2 现象：情感分数大量为 0，人工看却是明显负面

原因：情感词典覆盖率不足，尤其是网络用语、方言、转折短语。比如“这手机能劝一个是一个”“塑料后盖绝了”这种反讽表达，情感词典里根本没有“劝退”“绝了”这类词。另一个原因是坐标问题：分词把“不”和“推荐”分开，但如果“不推荐”在停用词表里，或者情感词典里只有“推荐”没有“不推荐”，分数会变成正向。

解决：先抽 500 条评论做标注，统计哪些负向句子被判定为 0，把缺失的词补进情感词典。对“不推荐”“不怎么样”这种组合，可以在预处理阶段直接构造“否 + 情感词”的复合词，或者用否定词翻转逻辑处理。资源包里的情感词典是透明的，你可以随时追加新词。

5.3 现象：回归模型预测销量排序时，回归系数全部接近 0

原因：文本特征和销量目标之间没有对齐时间窗口。我用的是“全量评论情感均值预测当月销量”，但评论通常反映上个月的体验，销量可能是未来半个月的数据。另外销量数据可能是累计值，而文本特征是阶段性统计，两者口径不一致会导致模型学不到信号。

解决：把评论和销量都按周或月聚合，用 t 月评论特征预测 t+1 月销量。如果数据只有月份，至少把评论按“购买后一周内”筛选，避免老评论长期堆积淹没近期反馈。回归前还要做特征标准化，否则 LDA 主题占比和情感分数量纲不同，回归系数会偏向数值大的特征。

5.4 现象：代码一跑就内存溢出，评论量明明不大

原因：在构造 LDA 语料时用了稠密矩阵，比如把文本先count_vectorizer.fit_transform再转成数组，而原始稀疏矩阵被挤压成(n_docs, n_vocab)的稠密形式。中文词表往往有几万个词，几万条评论就把内存吃满。

解决：用 gensim 的稀疏词袋向量，corpus = [dictionary.doc2bow(doc) for doc in docs]，这个格式每个文档只存非零词条约位置。如果文档数超过 10 万，还可以用corpora.MmCorpus把语料写到磁盘，用流式方式训练 LDA。另外检查一下filter_extremes是否过滤了低频词，低频词数量通常占词表的 80%，过滤后能显著降低内存压力。

6. 回归模型预测销量排序：从文本特征到可验证的排序结果

文本挖掘最终要落到业务决策上。这份资源包的回归模块做的是“用评论特征预测手机销量排序”，不是预测具体销量数字。因为电商销量数据受价格、活动、渠道等外部因素影响，精确预测绝对值很难，但预测“哪款手机相对卖得好”在资源包场景里是可行的。

6.1 把情感值、LDA主题占比和评论文本特征合并成特征矩阵

先把每个商品的所有评论信息汇总成一行特征。LDA 主题占比来自lda_model.get_document_topics对每条评论的推断，然后按商品取平均。情感特征可以用平均情感值、正向评论占比、负向评论中强度大于阈值的比例等。再加上评论数量、评论长度均值等基础文本特征：

from gensim import models import numpy as np # 加载训练好的LDA模型 lda_model = models.LdaModel.load('lda_model.model') # 对每条评论计算主题占比 def get_topic_dist(words): bow = dictionary.doc2bow(words) # 返回[(topic_id, prob), ...] return dict(lda_model.get_document_topics(bow)) df['topic_dist'] = df['words'].apply(get_topic_dist) # 按商品ID聚合特征 features = [] for product_id, group in df.groupby('product_id'): topic_vector = np.zeros(num_topics) for dist in group['topic_dist']: for topic_idx in range(num_topics): topic_vector[topic_idx] += dist.get(topic_idx, 0.0) topic_vector /= len(group) row = { 'product_id': product_id, 'avg_sentiment': group['sentiment'].mean(), 'pos_ratio': (group['sentiment'] > 0).mean(), 'neg_strong_ratio': (group['sentiment'] < -1).mean(), 'comment_count': len(group), 'avg_len': group['clean_comment'].str.len().mean(), } # 把主题占比作为特征列 for i, v in enumerate(topic_vector): row[f'topic_{i}'] = v features.append(row) feature_df = pd.DataFrame(features)

这个聚合过程有几个参数值得注意。sentiment > 0的阈值是硬判断，大于 0 算正向评论，但有些中性评论“一般吧，能用”得分可能正好 0，所以我还加了一个abs_sentiment > 0.2作为有效情感评论的过滤条件，避免中性评论干扰正向占比。主题占比归一化用组内平均值，如果你有评论数量差异很大的商品，可以用加权平均值，比如评论数更多的商品主题占比更可靠。

6.2 训练岭回归模型并用交叉验证评估稳定性

销量排序预测用岭回归比普通线性回归好，因为特征之间相关度很高，比如“avg_sentiment”和“pos_ratio”基本线性相关。岭回归通过 L2 正则化限制系数膨胀，让模型更稳定。训练前先对特征做标准化，因为comment_count可能是几百，而topic_0是零点几，不标准化会让回归系数几乎只由数量级大的特征决定。

from sklearn.model_selection import train_test_split, cross_val_score from sklearn.preprocessing import StandardScaler from sklearn.linear_model import Ridge from sklearn.metrics import mean_squared_error # 特征矩阵和销量排序标签 X = feature_df.drop(columns=['product_id']) # y是销量排名，数字越小越靠前 y = feature_df['sales_rank'] # 标准化 scaler = StandardScaler() X_scaled = scaler.fit_transform(X) # 岭回归，alpha控制正则化强度 model = Ridge(alpha=1.0) model.fit(X_scaled, y) # 交叉验证R2，观察稳定性 cv_scores = cross_val_score(model, X_scaled, y, cv=5, scoring='r2') print('R2 scores:', cv_scores) print('Mean R2:', np.mean(cv_scores))

alpha=1.0是初始值，如果模型出现过拟合，可以增大 alpha；如果欠拟合，则减小。我一般会试[0.1, 1.0, 10.0]三档，然后看交叉验证 R2 的均值。这里有一个实务技巧：不要只看 R2，还要看排序准确率。

6.3 用排序指标验证预测效果：真正落地的是相对顺序

回归模型的目标是预测sales_rank，因此评估指标也应该关注排序。用 Spearman 相关系数和 Top-K 命中率比纯 R2 更有说服力：

from scipy.stats import spearmanr from sklearn.model_selection import cross_val_predict # 使用交叉验证预测每个商品的销量排名 pred = cross_val_predict(model, X_scaled, y, cv=5) rho, p_value = spearmanr(y, pred) print('Spearman rho:', rho) # Top-5命中率：预测排名前5的商品有多少真的在真实销量前5 top_k = 5 pred_top5 = np.argsort(pred)[:top_k] real_top5 = np.argsort(y)[:top_k] hit_rate = len(set(pred_top5) & set(real_top5)) / top_k print('Top-5命中率:', hit_rate)

spearmanr只关心结果排序是否一致，不要求预测值精确等于真实排名。比如模型预测 A 商品排名 1，B 排名 2，但真实是 B 第 1、A 第 2，Spearman 仍然很高。cross_val_predict的好处是每个样本的预测都来自训练时不包含它的模型，避免过拟合带来的虚假评分。

我实际操作时发现，这组文本特征对销量排序的 Spearman 相关系数稳定在 0.6 到 0.8 之间，远不如心理预期高，但它已经能帮助业务判断“哪几款手机有机会冲榜”。真正提升排序效果的是引入评论量变化率、评分星级和评论时间分布，资源包保留了扩展接口，你可以自己加列。

从那以后我每次拿到评论文本，都会强制先做一轮数据审查：看去重率、看高频词、看情感词典覆盖率，再决定主题数和回归特征，而不是拿到代码就一把梭跑完。这份初体验资源最大的价值不是给了你思路，而是把所有环节串成一个能跑的闭环，让你在踩坑时知道问题出在哪一环。希望帮到你。

本文还有配套的精品资源，点击获取