如何在Java中解析AWS Mechanical Turk的返回答案？

你提到Assignment类的answer()方法会返回这样的XML格式字符串：

blahtoplevel

要提取里面的实际答案内容（比如示例里的toplevel），关键是要处理XML的命名空间——因为这个XML带有xmlns属性，直接查找标签会找不到，得先指定命名空间映射。下面给你两种常用的Python实现方案：

方案一：使用Python标准库xml.etree.ElementTree #

这是Python自带的XML解析模块，不需要额外安装：

import xml.etree.ElementTree as ET

# 替换成你从answer()拿到的XML字符串
xml_response = '''<?xml version="1.0" encoding="ASCII"?><QuestionFormAnswers xmlns="http://mechanicalturk.amazonaws.com/AWSMechanicalTurkDataSchemas/2005-10-01/QuestionFormAnswers.xsd"><Answer><QuestionIdentifier>blah</QuestionIdentifier><FreeText>toplevel</FreeText></Answer></QuestionFormAnswers>'''

# 解析XML字符串
root = ET.fromstring(xml_response)

# 定义MTurk的命名空间映射
mturk_namespace = {'mt': 'http://mechanicalturk.amazonaws.com/AWSMechanicalTurkDataSchemas/2005-10-01/QuestionFormAnswers.xsd'}

# 提取单个答案
free_text = root.find('.//mt:Answer/mt:FreeText', mturk_namespace).text
print(f"提取的答案：{free_text}")  # 输出：提取的答案：toplevel

# 如果有多个Answer，遍历获取所有问题和答案
for answer in root.findall('.//mt:Answer', mturk_namespace):
    question_id = answer.find('mt:QuestionIdentifier', mturk_namespace).text
    answer_content = answer.find('mt:FreeText', mturk_namespace).text
    print(f"问题ID {question_id} 的答案：{answer_content}")

方案二：使用lxml库（更灵活的XPath支持） #

如果你已经安装了lxml（可以用pip install lxml安装），写法会更简洁，XPath支持也更强大：

from lxml import etree

xml_response = '''<?xml version="1.0" encoding="ASCII"?><QuestionFormAnswers xmlns="http://mechanicalturk.amazonaws.com/AWSMechanicalTurkDataSchemas/2005-10-01/QuestionFormAnswers.xsd"><Answer><QuestionIdentifier>blah</QuestionIdentifier><FreeText>toplevel</FreeText></Answer></QuestionFormAnswers>'''

root = etree.fromstring(xml_response)
mturk_namespace = {'mt': 'http://mechanicalturk.amazonaws.com/AWSMechanicalTurkDataSchemas/2005-10-01/QuestionFormAnswers.xsd'}

# 直接用XPath提取文本内容
answer_text = root.xpath('//mt:Answer/mt:FreeText/text()', namespaces=mturk_namespace)[0]
print(f"提取的答案：{answer_text}")

# 同样支持批量遍历
for answer in root.xpath('//mt:Answer', namespaces=mturk_namespace):
    question_id = answer.find('mt:QuestionIdentifier', mturk_namespace).text
    answer_content = answer.find('mt:FreeText', mturk_namespace).text
    print(f"问题ID {question_id} 的答案：{answer_content}")

核心要点就是必须指定命名空间，否则XML解析器会找不到对应的标签。两种方案都能轻松拿到你需要的实际答案内容，根据自己的项目依赖选择就行。

内容的提问来源于stack exchange，提问作者rococo