javascript - 从 node.js 运行 Python 脚本时出现 parseError

Question

我正在构建一个电影推荐系统。我的推荐引擎是用 Python 编写的。我通过 node.js (Express) 从网站运行它。

Python 代码本身可以工作，这是我从控制台运行它时的输出。它使用 pandas 和 numpy 进行计算，它返回一个矩阵，其中包含电影标题及其与所选电影的相似度，我还打印 hello:

Python command code

在我的网站上，我的正文中有以下HTML:

<form class="test" method="post" action="/test">
   <input type="text" name="user[name]">
   <input class="button" type="submit" value="Submit">
</form>

JS客户端

(function($) {

  $(document).ready(function () {
      var btn = $('.button'),
          input = $('input');
      btn.on('click', function() {
        e.preventDefault();
      })
  })
})(jQuery)

JS服务器端，带有Express

var express = require('express');
var app = express();
var path = require('path');
var bodyParser = require('body-parser');
var PythonShell = require('python-shell');

var options = {
  mode: 'text',
  pythonOptions: ['-u'],
  scriptPath: "E:/Praca Magisterska/Python",
};

app.use(express.static(path.join(__dirname, '')));
app.use(bodyParser.json());
app.use(bodyParser.urlencoded({
  extended: true
}));

app.get('/', function (req, res) {
  res.sendFile(path.join(__dirname+'/index.html'));
})

app.post('/test', function (req, res) {
  console.log(req.body);

  PythonShell.run('similarMovies.py', options, function (err, results) {
    if (err) throw err;
    // results is an array consisting of messages collected during execution
    console.log('results: %j', results);
  });

})

app.listen(3000, function () {
  console.log('Example app listening on port 3000!');
})

那么，它是如何工作的。单击“提交 btn”后，我将触发 Node.js 来运行 Python 脚本，然后使用 console.log 结果。不幸的是我遇到了错误，图片在最后。

但是，当我不运行函数时，我会在 Python 末尾编写:

print "hello"
print 2

代码结果解析良好。

Image of command an results

可能有什么问题？我在函数内除以零和其他时遇到的错误？但如果是的话，为什么当我直接从 cmd 运行它时它就可以工作 - python likeMovies.py

这是python代码:

# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np

def showSimilarMovies(movieTitle, minRatings):

        # import ratingów z pliku csv
    rating_cols = ['user_id', 'movie_id', 'rating']
    rating = pd.read_csv('E:/Praca Magisterska/MovieLens Data/ratings.csv', names = rating_cols, usecols = range(3))

    # import filmów z pliku csv
    movie_cols = ['movie_id', 'title']
    movie = pd.read_csv('E:/Praca Magisterska/MovieLens Data/movies.csv', names = movie_cols, usecols = range(2))

    # łączenie zaimportowanych ratingów oraz filmów, usuwanie pierwszego wiersza
    ratings = pd.merge(movie, rating)
    ratings = ratings.drop(ratings.index[[0]])
    # konwertowanie kolumn ze stringów na numeric
    ratings['rating'] = pd.to_numeric(ratings['rating'])
    ratings['user_id'] = pd.to_numeric(ratings['user_id'])

    # tworzenie macierzy pokazująceje oceny filmów przez wszystkich użytkowników.
    movieRatingsPivot = ratings.pivot_table(index=['user_id'], columns=['title'], values='rating')

    # filtrowanie kolumny do  obliczania filmów podobnych
    starWarsRating = movieRatingsPivot[movieTitle]

    # obliczanie korelacji danego filmu z każdym innym i wyrzucanie tych z którymi nic go nie łączy
    similarMovies = movieRatingsPivot.corrwith(starWarsRating)
    similarMovies = pd.DataFrame(similarMovies.dropna())

    # zmiana nazwy kolumny oraz sortowanie według rosnącej korelacji
    similarMovies.columns = ['similarity']
    similarMovies.sort_values(by=['similarity'], ascending=False)

    # tworzenie statystyk dla filmów, size to ilość ocen, a mean to średnia z ocen
    # zgrupowane po tytułach
    movieStats = ratings.groupby('title').agg({'rating': [np.size, np.mean]})

    # popularne filmy, które mają więcej niż 100 ocen
    popularMovies = movieStats['rating']['size']>=minRatings

    # sortowanie popularnych filmów od najwyższej średniej
    movieStats[popularMovies].sort_values(by=[('rating', 'mean')], ascending=False)

    # łączenie popularnych filmów z filmami podobnymi do  filtrowanego filmu i ich sortowanie
    moviesBySimilarity = movieStats[popularMovies].join(similarMovies)
    x = moviesBySimilarity.sort_values(by='similarity', ascending=False)
    k = x.drop(x.columns[[0, 1]], axis = 1)
    k = k.drop(x.index[[0]])
    return k

print "hello"    
print 2
showSimilarMovies('Star Wars: Episode VI - Return of the Jedi (1983)', 300)

Answer 1

我想通了，只需在 python 文件的开头添加两行即可忽略警告:

import warnings

warnings.filterwarnings('ignore')

现在我的输出就是所需的。