如何使用Spark SQL查询过滤中文列名的数据？

• 直接写中文列名报错：Spark SQL的语法解析器默认对非ASCII字符的标识符（如中文列名）不做特殊识别，未包裹的中文会被解析为非法语法字符，直接触发解析异常。
• 加单引号返回空结果：SQL中单引号包裹的内容会被识别为字符串常量，你写的'名稱'=='jeremy'等价于拿固定字符串"名稱"和"jeremy"做等值判断，结果永远为假，所以返回空数据集。

方案1：使用反引号包裹中文列名（推荐，无需修改配置） #

反引号`是SQL标准中用来包裹特殊标识符的符号，Spark SQL原生支持，直接把中文列名用反引号包裹即可正常识别：

spark.sql("select * from t1 where `名稱` == 'jeremy'").show()

运行后会正常返回匹配的结果：

+------+----+-------+
|  名稱|年齡|address|
+------+----+-------+
|jeremy|  33| Taipei|
+------+----+-------+

方案2：统一规范列名（长期最优） #

如果业务允许，建议建表时将所有列名统一调整为英文+下划线的命名规范，从根源上避免多引擎兼容、编码、解析等各类潜在问题。

内容的提问来源于stack exchange，提问作者Ramdani