本工具采用词库匹配法进行语气分析。内置了涵盖兴奋/积极、愤怒/负面、悲伤/低落、恐惧/担忧、惊讶/意外五大情绪类别的词库（共计200+常用情绪词汇及网络热词）。分析时，工具会扫描输入文本，统计各类别情绪词的出现频次，计算情绪得分占比，从而推断文本的整体语气倾向。这是一种基于规则和统计的浅层分析方法，适合快速了解文本的情绪基调。

词库匹配是一种快速但有限的分析方法。其准确性取决于词库的覆盖度和文本的具体语境。主要局限性包括：
① 无法识别否定/反讽：如"不开心"会被识别为包含"开心"；"真是太好了呢（讽刺）"会被判为正面；
② 缺乏语义理解：工具不理解上下文，只看关键词；
③ 词库有限：部分方言、小众网络用语可能未被收录；
④ 程度判断粗糙：无法精确区分"有点生气"和"极度愤怒"的细微差别。建议将结果作为参考，结合人工判断使用。

目前支持5种基础情绪：
😄 兴奋/积极：如开心、太棒了、绝绝子、yyds、nice、amazing等60+词；
😡 愤怒/负面：如生气、可恶、垃圾、离谱、下头、sb等60+词；
😢 悲伤/低落：如难过、伤心、绝望、抑郁、心碎等35+词；
😨 恐惧/担忧：如害怕、焦虑、紧张、恐怖、不安等30+词；
😲 惊讶/意外：如震惊、天啊、卧槽、竟然、真的假的等25+词。
词库会持续更新，补充更多网络热词和口语表达。

情绪密度 = 匹配到的情绪词数量 ÷ 文本总词数（估算）× 100%。
它反映了文本中情绪表达的集中程度：
• 密度 < 5%：情绪表达较少，文本偏理性或中性；
• 密度 5%-15%：有一定情绪色彩，属于正常表达范围；
• 密度 15%-30%：情绪表达较为密集，文本带有较强情感倾向；
• 密度 > 30%：情绪非常强烈，可能是高度情绪化的内容（如发泄贴、激动评论等）。
注意：由于中文分词不精确，总词数为估算值，密度仅供参考。

语气分析在多个领域有广泛应用：
① 社交媒体监控：分析用户评论的情绪倾向，帮助品牌了解舆论风向；
② 客服质检：检测客服对话中的负面情绪，及时发现服务问题；
③ 内容审核：识别带有强烈负面情绪的文本，辅助内容安全审核；
④ 舆情分析：快速了解公众对事件的情绪反应；
⑤ 自我觉察：分析自己的写作风格，了解日常表达中的情绪倾向；
⑥ 教育领域：帮助学生理解文本的情感色彩，提升阅读理解能力。

可能的原因：
① 该词尚未收录在词库中（尤其是新出现的网络用语或方言）；
② 词语被标点符号或空格分隔变形（如"气——死——了"）；
③ 英文大小写或全角半角差异（工具已做大小写不敏感处理，但特殊Unicode字符可能遗漏）；
④ 词库中收录的是完整词组，而文本中使用了缩略或变体形式。
如发现遗漏，欢迎反馈，帮助我们完善词库。