在混合技术栈的项目里，Java负责业务调度与高并发接口，Python承担数据分析或人工智能推理，是比较常见的架构选择。要让Java真正驱动Python代码运行，核心是解决跨语言进程通信、参数传递和结果回收的问题。不同的调用方式在耦合度、部署成本和兼容性上差别很大，选错了后期改造会很痛苦。
一、使用Runtime.exec或ProcessBuilder启动子进程
最原始也最常用的办法，是让Java直接拉起一个Python解释器进程去执行脚本。底层依赖操作系统的fork或CreateProcess机制，Java进程通过标准输入、输出、错误流与子进程交互。这种方案零额外依赖，只要目标机器装了Python即可。
Runtime.getRuntime().exec()写法简单，但参数空格处理容易出错；更推荐ProcessBuilder，它能以列表形式传参，避免命令注入和空格分割异常。下面的例子演示用ProcessBuilder调用本地sum.py并传入两个数字：
import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.nio.charset.StandardCharsets;
import java.util.ArrayList;
import java.util.List;
public class CallPython {
public static void main(String[] args) throws Exception {
// 构造命令列表，避免字符串拆分导致参数错误
List<String> cmd = new ArrayList<>();
cmd.add("python3");
cmd.add("/opt/scripts/sum.py");
cmd.add("12");
cmd.add("30");
ProcessBuilder pb = new ProcessBuilder(cmd);
pb.redirectErrorStream(true); // 错误流合并到标准输出
Process proc = pb.start();
// 用UTF-8读取输出，防止中文乱码
BufferedReader reader = new BufferedReader(
new InputStreamReader(proc.getInputStream(), StandardCharsets.UTF_8));
String line;
StringBuilder out = new StringBuilder();
while ((line = reader.readLine()) != null) {
out.append(line).append("n");
}
int exitCode = proc.waitFor();
System.out.println("退出码:" + exitCode);
System.out.println("脚本输出:" + out.toString());
}
}
对应的Python脚本应当从sys.argv读取参数并打印结果：
import sys # 接收Java传入的参数并转为整数求和 a = int(sys.argv[1]) b = int(sys.argv[2]) print(a + b)
这种方式的优点是没有第三方库，部署方便。缺点是每次调用都冷启动解释器，延迟高；若并发量大，进程数会失控。生产环境一定要加超时销毁，否则Python卡死会拖垮Java线程。
参数与编码避坑
传递含空格或特殊字符的参数时，千万不要拼成一条字符串再用exec，应该用列表形式。读取输出时必须显式指定与Python脚本相同的编码，否则在Linux默认UTF-8、Windows默认GBK的环境下极易出现乱码。此外，若Python脚本输出体积大，要及时消费流，不然缓冲区写满后进程会阻塞。
对于需要长期运行的逻辑，可以考虑让Python脚本以服务形式常驻，Java通过 socket 或 HTTP 调用，而不是反复拉起进程。这在后面RPC小节会展开。
二、借助Jython在JVM内运行Python
Jython是把Python语言编译成Java字节码的实现，它允许在同一个JVM里直接执行Python代码，无需外部进程。原理上，Jython提供了PythonInterpreter对象，可以把Python脚本当作内置逻辑来跑。
下面的代码展示如何在Java中嵌入Jython执行简单运算：
import org.python.util.PythonInterpreter;
import org.python.core.PyInteger;
public class JythonDemo {
public static void main(String[] args) {
PythonInterpreter interp = new PythonInterpreter();
// 直接执行Python语句
interp.exec("a = 5nb = 7nprint(a * b)");
// 获取变量
PyInteger result = (PyInteger) interp.get("b");
System.out.println("读取b:" + result.asInt());
}
}
Jython最大的优势是零进程开销、对象可直接互操作。但致命限制是它仅支持Python 2语法，且大量依赖C扩展的库如numpy、torch无法使用。如果你的Python代码只是纯逻辑处理，Jython很合适；若要用到数据科学栈，此路不通。
依赖与版本选型
引入Jython一般通过Maven坐标org.python:jython-standalone。要注意它和Java模块的兼容，老版本在Java 11以上可能报反射警告。团队若已全面切到Python 3，应放弃该方案，避免技术债。
三、通过本地RPC或HTTP服务解耦调用
当Python承担模型推理等重负载时，更合理的架构是让Python启动一个常驻服务，Java通过HTTP或gRPC调用。这样Python进程可预热、可池化，Java只管发请求。下面用Python Flask暴露接口，Java用HttpURLConnection调用：
from flask import Flask, request, jsonify
app = Flask(__name__)
@app.route('/add', methods=['POST'])
def add():
data = request.json
return jsonify({'result': data['x'] + data['y']})
if __name__ == '__main__':
app.run(port=5000)
import java.io.OutputStream;
import java.net.HttpURLConnection;
import java.net.URL;
import java.nio.charset.StandardCharsets;
public class HttpCall {
public static void main(String[] args) throws Exception {
URL url = new URL("http://127.0.0.1:5000/add");
HttpURLConnection con = (HttpURLConnection) url.openConnection();
con.setRequestMethod("POST");
con.setDoOutput(true);
con.setRequestProperty("Content-Type", "application/json");
String body = "{"x":20,"y":22}";
try (OutputStream os = con.getOutputStream()) {
os.write(body.getBytes(StandardCharsets.UTF_8));
}
int code = con.getResponseCode();
System.out.println("HTTP状态:" + code);
}
}
该方案将语言边界变成网络边界，扩展性最好，也方便单独扩容Python服务。代价是要管理服务进程、处理网络异常和序列化开销。对于小型工具脚本，显得杀鸡用牛刀；对于中大型系统，却是稳态之选。
方案对比小结
| 方式 | 耦合度 | Python版本 | 适用场景 |
|---|---|---|---|
| ProcessBuilder | 低 | 任意 | 偶尔调用、脚本简单 |
| Jython | 高 | 仅2.x | 纯逻辑、无C扩展 |
| HTTP/RPC | 中 | 任意 | 高并发、重负载 |
综合来看，临时任务用ProcessBuilder最快上手；遗留Python 2工具可用Jython内嵌；新系统涉及AI或大数据，请用服务化调用。根据团队运维能力权衡即可。
JavaPythonRuntime_exec修改时间：2026-08-05 10:39:45