（三）机器学习模型的api调用之异常控制

在上一篇日志打印的基础上，本篇引入异常控制，并通过json格式输出。

#引入jsonify模块
from flask import jsonify

app = Flask(__name__)
app.config["JSONIFY_PRETTYPRINT_REGULAR"] = False
app.config['JSON_AS_ASCII'] = False

#异常定义
code10001 = {'code':'10001','errorType':'KeyError','errorMsg':'输入特征错误:'}
code10002 = {'code':'10002','errorType':'ValueError','errorMsg':'输入值错误：'}
code10003 = {'code':'10003','errorType':'UncheckException','errorMsg':'未知错误:'}
code10009 = {'code':'10009','errorType':'IOException','errorMsg':'模型文件不可达:'}

以下是一些异常的使用，

def test():
	try:
		#do something
		if os.path.isfile(modelFilePath):
			result = {}
			···
			return jsonify(result)
		return jsonify(code10009)

	except KeyError as e:
        logger.info(e)
        code10001['errorMsg']='输入特征错误：' + str(e)
        return jsonify(code10001)

    except ValueError as e:
        logger.info(e)
        code10002['errorMsg']='输入值错误：' + str(e)
        return jsonify(code10002)

    except Exception as e:
        logger.info(e)
        code10003['errorMsg']='未知错误：' + str(e)
        return jsonify(code10003)

另外如果需要屏蔽warning的输出还需要加入如下设置

#  忽略弹出的warnings
import warnings
warnings.filterwarnings('ignore')

---

（一）机器学习模型的api调用之初探
（二）机器学习模型的api调用之日志打印
（三）机器学习模型的api调用之异常控制
（四）机器学习模型的api调用之特征查询
（五）机器学习模型的api调用之模型执行

源代码地址