Postman调用Flask机器学习API遇错求助：需传file_path与JSON数据

一、Flask端代码调整 #

要同时接收查询参数和JSON请求体，需分别通过request.args和request.get_json()获取数据，示例代码如下：

from flask import Flask, request, jsonify
# 导入你的机器学习模型模块
import your_model

app = Flask(__name__)

@app.route('/predict', methods=['POST'])
def predict():
    # 获取URL查询参数中的file_path
    file_path = request.args.get('file_path')
    if not file_path:
        return jsonify({'error': '未提供file_path参数'}), 400
    
    # 获取请求体中的JSON数据
    input_data = request.get_json()
    if not input_data:
        return jsonify({'error': '未提供JSON格式的输入数据'}), 400
    
    # 执行模型预测逻辑
    try:
        prediction_result = your_model.predict(file_path, input_data)
        return jsonify({'prediction': prediction_result})
    except Exception as e:
        return jsonify({'error': f'预测失败：{str(e)}'}), 500

if __name__ == '__main__':
    app.run(debug=True)

二、Postman请求配置步骤 #

1. 请求方法与URL：选择POST方法，输入API地址（如http://localhost:5000/predict）
2. 添加file_path参数：切换到Params标签，新增参数：
   • Key: file_path
   • Value: 你的模型文件/数据文件的实际路径（如/home/user/models/model_v1.pth）
3. 配置JSON请求体：切换到Body标签，选择raw格式，右侧下拉菜单选JSON，输入你的输入数据，示例：

   {
       "feature1": 0.85,
       "feature2": 2.1,
       "feature3": 1.0
   }
   

4. 发送请求：点击Send按钮，即可同时传递参数和JSON数据。

三、常见错误排查 #

• 避免混合请求格式：不要同时使用form-data和raw JSON，这会导致Flask无法正确解析JSON数据
• 检查请求头：Postman选择raw JSON时会自动添加Content-Type: application/json请求头，不要手动修改或删除
• 路径参数替代方案：如果想用路径参数（如/predict/<file_path>），需对路径中的特殊字符（如斜杠）进行URL编码，否则会导致路由匹配失败，推荐优先使用查询参数

内容的提问来源于stack exchange，提问作者Aditya sharma