PHP调用Python AI模型

在 PHP 项目中调用 Python AI 模型，实现图像识别、自然语言处理、机器学习预测。

为什么需要调用 Python？

PHP vs Python：

PHP 优势：
✅ Web 开发成熟
✅ 部署简单
✅ 生态丰富

Python 优势：
✅ AI/ML 库丰富（TensorFlow、PyTorch）
✅ 数据处理强大
✅ 科学计算

最佳方案：
PHP 处理 Web 逻辑 + Python 处理 AI 计算

第一步：调用方式对比

1.1 方案对比

方案1：shell_exec（简单但不推荐）
优点：实现简单
缺点：性能差、不安全、难以调试

方案2：HTTP API（推荐）
优点：解耦、可扩展、易部署
缺点：需要额外服务

方案3：RPC（gRPC/Thrift）
优点：性能高、类型安全
缺点：实现复杂

方案4：消息队列（异步）
优点：高并发、解耦
缺点：实时性差

第二步：方案一 - Shell 调用

2.1 基础调用

<?php

namespaceApp\Services;

classPythonService
{
/**
     * 调用 Python 脚本
     */
publicfunctioncallPython(string $script, array $args = []): array
{
// 构建命令
        $command = sprintf(
'python3 %s %s 2>&1',
            escapeshellarg($script),
            implode(' ', array_map('escapeshellarg', $args))
        );

// 执行
        $output = shell_exec($command);

// 解析 JSON 输出
        $result = json_decode($output, true);

if (json_last_error() !== JSON_ERROR_NONE) {
thrownew \Exception("Python 脚本输出格式错误: {$output}");
        }

return $result;
    }
}

2.2 Python 脚本示例

# predict.py
import sys
import json
from transformers import pipeline

defpredict_sentiment(text):
"""情感分析"""
    classifier = pipeline('sentiment-analysis')
    result = classifier(text)[0]

return {
'label': result['label'],
'score': result['score']
    }

if __name__ == '__main__':
if len(sys.argv) < 2:
        print(json.dumps({'error': '缺少参数'}))
        sys.exit(1)

    text = sys.argv[1]
    result = predict_sentiment(text)

# 输出 JSON
    print(json.dumps(result, ensure_ascii=False))

2.3 PHP 调用

<?php

$service = new PythonService();

try {
    $result = $service->callPython('predict.py', ['这个产品很好用']);

echo"情感: {$result['label']}\n";
echo"置信度: {$result['score']}\n";

} catch (\Exception $e) {
echo"错误: " . $e->getMessage();
}

新手易错点：

1. ❌ 忘记 escapeshellarg()，导致命令注入
2. ❌ Python 路径错误（使用绝对路径）
3. ❌ 没有捕获 stderr 输出（2>&1）

第三步：方案二 - HTTP API（推荐）

3.1 创建 Python Flask API

# app.py
from flask import Flask, request, jsonify
from transformers import pipeline
import torch

app = Flask(__name__)

# 加载模型（启动时加载一次）
sentiment_analyzer = pipeline('sentiment-analysis')
image_classifier = pipeline('image-classification')

@app.route('/api/sentiment', methods=['POST'])
defanalyze_sentiment():
"""情感分析"""
    data = request.get_json()
    text = data.get('text', '')

ifnot text:
return jsonify({'error': '文本不能为空'}), 400

    result = sentiment_analyzer(text)[0]

return jsonify({
'label': result['label'],
'score': float(result['score'])
    })

@app.route('/api/classify-image', methods=['POST'])
defclassify_image():
"""图像分类"""
if'image'notin request.files:
return jsonify({'error': '缺少图片'}), 400

    image = request.files['image']
    result = image_classifier(image)[0]

return jsonify({
'label': result['label'],
'score': float(result['score'])
    })

@app.route('/health', methods=['GET'])
defhealth():
"""健康检查"""
return jsonify({'status': 'ok'})

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

3.2 启动 Flask 服务

# 安装依赖
pip install flask transformers torch pillow

# 启动服务
python app.py

# 或使用 gunicorn（生产环境）
pip install gunicorn
gunicorn -w 4 -b 0.0.0.0:5000 app:app

3.3 PHP 调用 HTTP API

<?php

namespaceApp\Services;

useIlluminate\Support\Facades\Http;

classAIService
{
private string $baseUrl;

publicfunction__construct()
{
$this->baseUrl = env('PYTHON_API_URL', 'http://localhost:5000');
    }

/**
     * 情感分析
     */
publicfunctionanalyzeSentiment(string $text): array
{
        $response = Http::timeout(30)
            ->post("{$this->baseUrl}/api/sentiment", [
'text' => $text,
            ]);

if (!$response->successful()) {
thrownew \Exception('AI 服务调用失败');
        }

return $response->json();
    }

/**
     * 图像分类
     */
publicfunctionclassifyImage(string $imagePath): array
{
        $response = Http::timeout(30)
            ->attach('image', file_get_contents($imagePath), basename($imagePath))
            ->post("{$this->baseUrl}/api/classify-image");

if (!$response->successful()) {
thrownew \Exception('图像分类失败');
        }

return $response->json();
    }

/**
     * 健康检查
     */
publicfunctionhealthCheck(): bool
{
try {
            $response = Http::timeout(5)->get("{$this->baseUrl}/health");
return $response->successful();
        } catch (\Exception $e) {
returnfalse;
        }
    }
}

3.4 使用示例

<?php

$aiService = new AIService();

// 情感分析
$result = $aiService->analyzeSentiment('这个产品太棒了！');
echo"情感: {$result['label']}, 置信度: {$result['score']}\n";

// 图像分类
$result = $aiService->classifyImage('/path/to/image.jpg');
echo"分类: {$result['label']}, 置信度: {$result['score']}\n";

第四步：实战应用

4.1 商品评论情感分析

<?php

namespaceApp\Http\Controllers;

useIlluminate\Http\Request;
useApp\Services\AIService;

classReviewControllerextendsController
{
private AIService $aiService;

publicfunction__construct(AIService $aiService)
{
$this->aiService = $aiService;
    }

/**
     * 提交评论（自动情感分析）
     */
publicfunctionstore(Request $request)
{
        $content = $request->input('content');

// 1. 调用 AI 分析情感
try {
            $sentiment = $this->aiService->analyzeSentiment($content);

            $isPositive = $sentiment['label'] === 'POSITIVE';
            $score = $sentiment['score'];

        } catch (\Exception $e) {
// AI 服务失败，使用默认值
            $isPositive = null;
            $score = 0;
        }

// 2. 保存评论
        $review = Review::create([
'user_id' => auth()->id(),
'product_id' => $request->input('product_id'),
'content' => $content,
'sentiment' => $isPositive ? 'positive' : 'negative',
'sentiment_score' => $score,
        ]);

// 3. 如果是差评，通知客服
if (!$isPositive && $score > 0.8) {
            event(new NegativeReviewReceived($review));
        }

return response()->json(['review' => $review]);
    }

/**
     * 批量分析历史评论
     */
publicfunctionbatchAnalyze()
{
        $reviews = Review::whereNull('sentiment')->limit(100)->get();

foreach ($reviews as $review) {
try {
                $sentiment = $this->aiService->analyzeSentiment($review->content);

                $review->update([
'sentiment' => $sentiment['label'] === 'POSITIVE' ? 'positive' : 'negative',
'sentiment_score' => $sentiment['score'],
                ]);

            } catch (\Exception $e) {
                \Log::error('情感分析失败', ['review_id' => $review->id]);
            }
        }

return response()->json(['analyzed' => count($reviews)]);
    }
}

4.2 图片内容审核

<?php

/**
 * 图片内容审核
 */
classImageModerationService
{
private AIService $aiService;

publicfunction__construct(AIService $aiService)
{
$this->aiService = $aiService;
    }

/**
     * 审核图片
     */
publicfunctionmoderate(string $imagePath): array
{
// 1. 调用 AI 分类
        $result = $this->aiService->classifyImage($imagePath);

// 2. 检查是否包含违规内容
        $bannedLabels = ['violence', 'nudity', 'gore'];
        $isSafe = !in_array($result['label'], $bannedLabels);

return [
'is_safe' => $isSafe,
'label' => $result['label'],
'score' => $result['score'],
        ];
    }

/**
     * 上传图片时自动审核
     */
publicfunctionuploadWithModeration(UploadedFile $file): array
{
// 1. 保存临时文件
        $tempPath = $file->store('temp');

// 2. 审核
        $moderation = $this->moderate(storage_path("app/{$tempPath}"));

if (!$moderation['is_safe']) {
// 删除违规图片
            Storage::delete($tempPath);

thrownew \Exception('图片包含违规内容');
        }

// 3. 移动到正式目录
        $finalPath = $file->store('images');
        Storage::delete($tempPath);

return [
'path' => $finalPath,
'url' => Storage::url($finalPath),
        ];
    }
}

第五步：性能优化

5.1 连接池

<?php

/**
 * HTTP 连接池（复用连接）
 */
classAIServiceWithPool
{
privatestatic $pool = [];

publicfunctionrequest(string $url, array $data): array
{
// 使用 Guzzle 连接池
        $client = new \GuzzleHttp\Client([
'base_uri' => $this->baseUrl,
'timeout' => 30,
'connect_timeout' => 5,
'pool_size' => 10,  // 连接池大小
        ]);

        $response = $client->post($url, ['json' => $data]);

return json_decode($response->getBody(), true);
    }
}

5.2 异步调用

<?php

useIlluminate\Support\Facades\Queue;

/**
 * 异步 AI 处理
 */
classAnalyzeSentimentJobimplementsShouldQueue
{
private int $reviewId;

publicfunction__construct(int $reviewId)
{
$this->reviewId = $reviewId;
    }

publicfunctionhandle(AIService $aiService)
{
        $review = Review::find($this->reviewId);

if (!$review) {
return;
        }

try {
            $sentiment = $aiService->analyzeSentiment($review->content);

            $review->update([
'sentiment' => $sentiment['label'] === 'POSITIVE' ? 'positive' : 'negative',
'sentiment_score' => $sentiment['score'],
            ]);

        } catch (\Exception $e) {
            \Log::error('情感分析失败', [
'review_id' => $this->reviewId,
'error' => $e->getMessage(),
            ]);
        }
    }
}

// 使用
Queue::push(new AnalyzeSentimentJob($review->id));

5.3 缓存结果

<?php

/**
 * 缓存 AI 结果
 */
publicfunctionanalyzeSentimentWithCache(string $text): array
{
    $key = 'sentiment:' . md5($text);

return Cache::remember($key, 86400, function()use($text){
return$this->aiService->analyzeSentiment($text);
    });
}

第六步：Docker 部署

6.1 Python Dockerfile

# Dockerfile
FROM python:3.9-slim

WORKDIR /app

# 安装依赖
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

# 复制代码
COPY app.py .

# 暴露端口
EXPOSE5000

# 启动服务
CMD ["gunicorn", "-w", "4", "-b", "0.0.0.0:5000", "app:app"]

6.2 docker-compose.yml

version:'3.8'

services:
php:
image:php:8.2-fpm
volumes:
-./php:/var/www/html
environment:
PYTHON_API_URL:http://python-ai:5000
depends_on:
-python-ai

python-ai:
build:./python
ports:
-"5000:5000"
environment:
-TRANSFORMERS_CACHE=/models
volumes:
-./models:/models
deploy:
resources:
limits:
memory:4G

总结

PHP 调用 Python 方案：
1. Shell 调用：简单但不推荐
2. HTTP API：推荐，易部署
3. gRPC：高性能
4. 消息队列：异步处理

最佳实践：
1. 使用 HTTP API
2. 添加健康检查
3. 异步处理
4. 缓存结果
5. 错误处理

性能优化：
- 连接池
- 批量处理
- 模型预加载
- GPU 加速

PHP + Python = 最佳组合！