如何导出PySpark DataFrame schema为可复用Python StructType格式

PySpark 没有单独提供专门输出Python代码格式Schema的专属接口，但可以通过Python内置方法直接拿到可运行的Schema定义，不需要手写递归遍历逻辑。

最简方法：用内置repr()直接获取可执行代码 #

Python内置的repr()函数会返回对象的合法Python表达式表示，对PySpark的Schema对象调用后，输出的内容就是完全可直接复制运行的Schema定义，自动支持所有嵌套类型（Struct、Array、Map等任意深度的嵌套都可以正确识别）：

# 生成可直接复用的Schema代码
schema_code = f"schema = {repr(df.schema)}"

# 打印输出
print(schema_code)

针对你给出的示例Schema，输出结果如下：

schema = StructType([StructField('Id', StringType(), True), StructField('Sub_l1', DoubleType(), True), StructField('Detail', ArrayType(StructType([StructField('Sub_l5', StringType(), True)]), False), True)])

这段代码不需要任何修改，直接粘贴到PySpark脚本中就可以使用，和你手动编写的Schema定义效果完全一致。唯一的区别是默认输出为单行格式，如果你需要多行缩进的易读格式，可以手动调整换行，或者用简单的递归函数自动格式化。

自动生成带缩进的多行易读格式 #

如果需要输出你示例中带换行、缩进的美化格式，可以用下面的轻量工具函数实现，一次编写后续可以复用在所有DataFrame上：

from pyspark.sql.types import StructType, StructField, ArrayType, MapType

def export_schema_code(schema: StructType, indent_space: int = 4) -> str:
    def _process_type(dtype, cur_indent: int) -> str:
        cur_space = " " * cur_indent
        next_indent = cur_indent + indent_space
        next_space = " " * next_indent
        # 处理嵌套Struct类型
        if isinstance(dtype, StructType):
            field_lines = []
            for field in dtype.fields:
                field_type_str = _process_type(field.dataType, next_indent)
                field_lines.append(
                    f"{next_space}StructField({repr(field.name)}, {field_type_str}, {repr(field.nullable)})"
                )
            return f"StructType([\n{',\n'.join(field_lines)}\n{cur_space}])"
        # 处理Array类型
        elif isinstance(dtype, ArrayType):
            ele_type_str = _process_type(dtype.elementType, next_indent)
            return f"ArrayType({ele_type_str}, {repr(dtype.containsNull)})"
        # 处理Map类型
        elif isinstance(dtype, MapType):
            key_str = _process_type(dtype.keyType, next_indent)
            val_str = _process_type(dtype.valueType, next_indent)
            return f"MapType({key_str}, {val_str}, {repr(dtype.valueContainsNull)})"
        # 处理基础数据类型
        else:
            return f"{type(dtype).__name__}()"
    return f"schema = {_process_type(schema, 0)}"

# 调用示例
print(export_schema_code(df.schema))

调用后输出的格式和你给出的示例完全一致：

schema = StructType([
    StructField('Id', StringType(), True),
    StructField('Sub_l1', DoubleType(), True),
    StructField('Detail', ArrayType(StructType([
        StructField('Sub_l5', StringType(), True)
    ]), False), True)
])

补充说明 #

你之前尝试的printSchema()仅输出树状可读文本、df.dtypes仅返回扁平化的类型元组、Schema的JSON导出/导入方法是为了跨语言序列化设计的，都无法直接生成Python代码格式的定义。而repr()是Python通用的对象方法，不属于PySpark Schema的专属接口，因此官方文档中没有专门提及该用法，很容易被忽略。

内容的提问来源于stack exchange，提问作者lesk_s