插入SQL的集合列表格式异常，无法用于后续IN查询

你插入数据时犯了个关键错误：没有把拼接好的括号字符串当成普通字符串值传入SQL，而是直接把它写进了SQL语法里。比如生成的SQL会是这样：

INSERT INTO db.help (keyword, stem_list) VALUES ('test', ('a','b'))

这里的('a','b')被SQL当成了行构造器（不是字符串），存到字符串类型的stem_list字段时，就被转成了带大括号的格式{a,b}，自然没法直接用在IN查询里。

方法1：给拼接好的字符串加单引号 #

直接在INSERT语句里把list_stems用单引号包起来，让SQL把它识别成字符串值：

list_stems = ", ".join(["'"+stem['label'].replace("'", "''")+"'" for stem in json_final[keyword]])
list_stems = f"({list_stems})"
# 注意这里给{list_stems}加了单引号
query = "INSERT INTO {table_name} (keyword, stem_list) VALUES ('{keyword}', '{list_stems}')".format(
    table_name='db.help', 
    keyword=keyword.replace("'", "''"),  # 别忘了转义keyword里的单引号
    list_stems=list_stems
)
spark.sql(query)

提示：必须转义字符串里的单引号（换成两个单引号），不然遇到带单引号的内容会直接触发SQL语法错误。

方法2：用Spark DataFrame API插入（更安全，推荐） #

别直接拼SQL字符串了，用DataFrame插入既避免SQL注入，又不用操心格式问题：

from pyspark.sql import Row

# 先处理stem列表，转成带括号的字符串，同时转义单引号
processed_stems = ", ".join([f"'{stem['label'].replace(\"'\", \"''\")}'" for stem in json_final[keyword]])
stem_list_str = f"({processed_stems})"

# 构造Row对象，转成DataFrame后追加到表中
spark.createDataFrame([Row(keyword=keyword, stem_list=stem_list_str)])\
    .write.mode("append")\
    .saveAsTable("db.help")

后续IN查询怎么用 #

插入正确格式的stem_list后，直接把字段值拼进IN语句就行：

# 先取出对应的stem_list
stem_row = spark.sql(f"SELECT stem_list FROM db.help WHERE keyword = '{keyword.replace(\"'\", \"''\")}'").first()
if stem_row:
    stem_list = stem_row["stem_list"]
    # 拼接查询语句
    query = f"SELECT * FROM your_target_table WHERE your_column IN {stem_list}"
    result = spark.sql(query)

内容的提问来源于stack exchange，提问作者DBA_player