spark选择将name的所有内容作为一个字符串（包括所有引号）读取，因为中间的引号将其抛出。只需删除像这样的第一个和最后一个双引号（阅读后）：

from pyspark.sql import functions as F
df.withColumn("name", F.expr("""substring(name,2,length(name)-2)""")).show()

# +---------+---+----------+-----+-------+

# |name     |age|county    |state|country|

# +---------+---+----------+-----+-------+

# |alex"john|30 |burlington|nj   |usa    |

# +---------+---+----------+-----+-------+

为了在 dynamically for all columns, 我建议正则表达式如下：

from pyspark.sql import functions as F
df.select(*[F.regexp_replace(x,'^\"|\"$','').alias(x) for x in df.columns]).show()

# +---------+---+----------+-----+-------+

# |name     |age|county    |state|country|

# +---------+---+----------+-----+-------+

# |alex"john|30 |burlington|nj   |usa    |

# +---------+---+----------+-----+-------+

这是一个棘手的问题，因为没有什么东西可以逃脱内心的引用（比如“\”）。
如果找不到转义内部引号的方法，我建议您按原样读取数据，并使用regex\u replace函数修剪周围的引号，如下所示：

from pyspark.sql.functions import regexp_replace
df = spark.read.option("delimiter", "|").option("inferSchema", "true").option("header", "true").csv("tmp.csv")
df.withColumn("formatted_name", regexp_replace(df.name, '^\"|\"$', "")).show()

输出：

+-----------+---+----------+-----+-------+--------------+
|       name|age|    county|state|country|formatted_name|
+-----------+---+----------+-----+-------+--------------+
|"alex"john"| 30|burlington|   nj|    usa|     alex"john|
+-----------+---+----------+-----+-------+--------------+