火山引擎要求JSON键名必须规范化，中文键名会导致API失败或解析异常；需通过DataFlow自动映射、ByteHouse建表绕过推断、VeDI智能转换等方式将“用户ID”等转为“user_id”等英文下划线格式。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
火山引擎处理JSON数据时，中文字段名会导致API调用失败、日志解析异常或下游系统无法识别，必须在数据接入前完成键名规范化。
确认JSON源数据是否含中文键名
打开原始JSON文件或接口响应体，在文本编辑器中搜索中文字符（如“用户ID”“订单状态”“创建时间”），若存在连续的汉字且位于冒号左侧（如"用户ID": "U123"），即为中文键名。
这一步不能跳过——火山引擎DataFlow、ByteHouse、VeDI等组件默认只接受符合RFC 8259标准的JSON，而中文键名虽语法合法，但多数SDK与Schema推导器会直接忽略或报错Unexpected token。
使用DataFlow进行键名自动转义
方法一：启用内置JSON Schema映射规则
在DataFlow任务配置页 →「数据转换」→「字段映射」→ 开启「自动标准化键名」开关。系统将把“用户ID”→【user_id】、“订单状态”→【order_status】、“创建时间”→【created_at】，并保留原值不变。
注意：该功能仅对UTF-8编码的JSON生效，GBK编码需先在「数据源配置」中指定编码格式，否则中文键名会被识别为乱码并触发字段丢弃。
方法二：手动编写JS UDF函数
在「自定义处理」中粘贴以下代码：
function transform(jsonStr) { const obj = JSON.parse(jsonStr); const mapKeys = (o) => { if (o !== null && typeof o === 'object') { if (Array.isArray(o)) return o.map(mapKeys); const newObj = {}; Object.keys(o).forEach(k => { const newKey = k.replace(/[\u4e00-\u9fa5]+/g, m => m.toLowerCase().replace(/(?
在ByteHouse建表时规避中文键名解析失败
第一步：使用CREATE TABLE ... AS SELECT语句绕过自动Schema推断
直接执行：CREATE TABLE my_table AS SELECT CAST(JSONExtractString(_raw, '用户ID') AS String) AS user_id, CAST(JSONExtractString(_raw, '订单状态') AS String) AS order_status FROM kafka_source;
第二步：禁用JSONEachRow格式的自动键提取
在Kafka表引擎配置中，显式设置input_format_json_read_numbers_as_strings = 1和input_format_json_try_infer_integers = 0，防止引擎尝试将中文键名当作数字字段解析导致崩溃。
第三步：用MaterializedView固化转换逻辑
创建物化视图，将原始_raw字段中的中文键名一次性提取并转为下划线命名，后续所有查询均基于该视图，避免每次写SQL都重复写JSONExtractString。
VeDI人群包上传前的键名预处理
方法1：用Python脚本批量清洗（推荐用于离线文件）
安装pip install jsonpath-ng后运行脚本，核心逻辑是递归遍历字典keys，对每个key调用re.sub(r'[\u4e00-\u9fa5]', '_', k)并去重下划线，再用strip('_')收尾。
方法2：在VeDI控制台「数据接入」→「上传校验」阶段勾选「智能键名转换」
该选项会在后台调用火山引擎统一NLP分词服务，对“手机号”“身份证号”等高频中文键名直接映射为国际通用别名，例如“身份证号”→【id_card_number】，“设备型号”→【device_model】。
