在Java中调用Python机器学习模型的实践指南：基于Jython的集成方案

<dependency>
    <groupId>org.python</groupId>
    <artifactId>jython-standalone</artifactId>
    <version>2.7.3</version> <!-- 请使用最新稳定版本 -->
</dependency>

implementation 'org.python:jython-standalone:2.7.3' // 请使用最新稳定版本

# classifier.py

class MLClassifier:
    """
    一个示例机器学习分类器类。
    在实际应用中，这里会加载你的训练好的模型（如scikit-learn, TensorFlow Lite等）
    并实现预测逻辑。
    """
    def __init__(self):
        # 实际应用中，这里会加载模型文件
        print("Python: MLClassifier 实例已初始化。")
        self.model_loaded = True # 模拟模型加载成功

    def classify(self, data_point):
        """
        根据输入数据点进行分类。
        :param data_point: 输入数据，例如一个整数、列表或字典。
        :return: 分类结果。
        """
        if not self.model_loaded:
            raise RuntimeError("模型未加载，无法进行分类。")

        print(f"Python: 收到Java传入的数据点: {data_point}")
        # 模拟模型预测逻辑
        # 在真实场景中，这里会调用模型的predict方法
        prediction = data_point + 100 # 示例预测结果
        return prediction

# 实例化分类器，供Java直接获取和调用
# 注意：如果模型加载耗时，应在类初始化时完成，避免每次调用都加载。
classifier_instance = MLClassifier()

import org.python.core.PyException;
import org.python.core.PyInteger;
import org.python.core.PyObject;
import org.python.util.PythonInterpreter;

import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.InputStream;

public class PythonModelIntegrator {

    public static void main(String[] args) {
        // 1. 创建Python解释器实例
        PythonInterpreter interp = new PythonInterpreter();

        try {
            // 2. 执行Python脚本文件
            // 确保 classifier.py 文件在可访问的路径下
            // 例如：如果 classifier.py 在项目resources目录下，可以使用 getResourceAsStream
            // 如果在项目根目录，可以直接使用 FileInputStream
            InputStream pythonScriptStream = new FileInputStream("classifier.py");
            interp.execfile(pythonScriptStream);
            pythonScriptStream.close(); // 关闭输入流

            // 3. 获取Python中定义的分类器实例
            // "classifier_instance" 对应 Python 脚本中定义的实例名
            PyObject classifier = interp.get("classifier_instance");

            if (classifier == null) {
                System.err.println("错误：未找到名为 'classifier_instance' 的Python对象。");
                return;
            }

            // 4. 调用Python对象的 classify 方法
            int inputData = 42; // Java传入的输入数据
            System.out.println("Java: 准备传入数据到Python模型: " + inputData);

            // 将Java int 转换为 Python int 类型 (PyInteger)
            PyObject result = classifier.invoke("classify", new PyInteger(inputData));

            // 5. 处理返回结果
            // 将 Python int 类型 (PyObject) 转换为 Java int
            int predictionResult = result.asInt();
            System.out.println("Java: Python模型返回的预测结果: " + predictionResult);

        } catch (FileNotFoundException e) {
            System.err.println("错误：Python脚本文件未找到。请确保 'classifier.py' 存在于当前执行路径或指定路径。");
            e.printStackTrace();
        } catch (PyException e) {
            System.err.println("Jython运行时发生错误: " + e.getMessage());
            e.printStackTrace();
        } catch (Exception e) {
            System.err.println("发生未知错误: " + e.getMessage());
            e.printStackTrace();
        } finally {
            // 清理解释器资源
            if (interp != null) {
                interp.cleanup();
                System.out.println("Jython解释器已清理。");
            }
        }
    }
}

Python: MLClassifier 实例已初始化。
Java: 准备传入数据到Python模型: 42
Python: 收到Java传入的数据点: 42
Java: Python模型返回的预测结果: 142
Jython解释器已清理。