Azure Databricks含特殊字符及多语言数据导出CSV乱码问题咨询

哈哈，这个乱码问题我太熟了！之前帮同事解决过一模一样的场景——Databricks里SQL查询显示正常，一导出CSV到本地就变乱码，核心就是编码格式没对齐：Databricks默认导出可能用了非UTF-8的编码（比如ISO-8859-1），而你的多语言内容和特殊字符（像Don’t里的撇号）必须用UTF-8才能正确保存。

给你几个靠谱的解决办法，按优先级来：

1. 用Databricks UI导出时指定UTF-8编码 #

如果习惯用UI操作，在导出数据的时候：

• 点击查询结果右上角的「Export」按钮
• 在弹出的选项里，找到「Encoding」（有些版本可能藏在高级设置里），选择「UTF-8」
• 确认导出后下载到本地，这样得到的CSV就不会乱码了

2. 用PySpark代码导出（更可控，适合批量场景） #

如果UI导出找不到编码选项，或者需要自动化导出，用代码更可靠。直接在Databricks Notebook里运行这段PySpark代码：

# 先执行SQL查询获取数据
df = spark.sql("SELECT * FROM table1")

# 导出为UTF-8编码的CSV，同时处理特殊字符转义
df.write.format("csv") \
  .option("encoding", "UTF-8") \
  .option("quote", "\"") \          # 用双引号包裹含特殊字符的字段
  .option("escape", "\"") \         # 转义字段内的双引号
  .option("header", "true") \       # 可选：导出表头
  .mode("overwrite") \              # 覆盖已有文件
  .save("/dbfs/FileStore/temp/table1_export.csv")

执行完后，去Databricks的「Data」->「DBFS」里找到/FileStore/temp/table1_export.csv，点击下载到本地即可。

3. 本地打开CSV的正确姿势 #

就算导出是UTF-8，用Excel直接双击打开可能还是乱码（因为Excel默认用系统编码，比如Windows的GBK）。这时候换个方式导入：

• 打开Excel，点击「数据」->「自文本/CSV」
• 选择下载好的CSV文件，在导入向导里选择「编码」为「UTF-8」
• 确认导入后，中文和特殊字符就会正常显示了

为什么会出现Don’t这种乱码？ #

那是典型的UTF-8字符被用ISO-8859-1解码导致的：’是UTF-8的特殊字符，当用ISO-8859-1打开时，就会被拆成’这三个乱码字符。只要保证导出和打开都用UTF-8，这个问题就彻底解决了。

内容的提问来源于stack exchange，提问作者Praveen DA