根据Gaël J的评论，你的意思是在列中使用“.”。**，事实上你c+p'd看起来是这样的。语法是：**not ._*。
还有：

val dataClient = args(0).split(",").map(_.trim)
val column = args(1).split(",").map(_.trim)

val dataClient = Seq(dataClient)
val df: DataFrame = spark.createDataFrame(dataClient).toDF(columns. _*)

第1行将dataClient声明为Array[String]，第3行尝试使用单个条目将dataClient重新声明为Seq[Array[String]]。声明列，然后使用列“% s”。
最后，DataFrame已经创建了一个DataFrame，所以toDF在这里没有意义。
目前还不清楚你想做什么，但这段代码，即使经过这些更正，但我认为它是这样的：

import spark.implicits._
val args = Seq("a,b,c,d","colname")

val dataClient = args(0).split(",").map(_.trim).toSeq
val column = args(1).trim

val df: DataFrame = dataClient.toDF(column)
df.show()

产生：

+-------+
|colname|
+-------+
|      a|
|      b|
|      c|
|      d|
+-------+

“import spark.implicits._”将调用DF所需的所有隐式机制带入范围，“.toSeq”允许该机制看到Seq[String]而不是Array[String]，以便toDF可以工作。

• 如果 * 你试图通过它获得多个列，它并不那么简单，因为如果你使用这样的东西，每一个“行”都将被视为一个数组：

import spark.implicits._
val args = Seq("a,b, c, d | e,f ,g, h ","col1, col2, col3 , col4")

val dataClient = args(0).split("\\|").map(_.trim).map(_.split(",").map(_.trim) ).toSeq
val columns = args(1).split(",").map(_.trim)

val df: DataFrame = dataClient.toDF(columns :_ *)
df.show()

其产生：

java.lang.IllegalArgumentException: requirement failed: The number of columns doesn't match.
Old column names (1): value
New column names (4): col1, col2, col3, col4

    at scala.Predef$.require(Predef.scala:281)

要做到这一点，需要直接生成行：

val args = Seq("a,b, c, d | e,f ,g, h ","col1, col2, col3 , col4")

val columns = args(1).split(",").map(_.trim)
val schema = StructType(columns.map(c => StructField(c, StringType)))

val dataClient = args(0).split("\\|").map(_.trim).map{ raw =>
  val rawSeq =
    raw.split(",").map(_.trim)
  new GenericRowWithSchema(rawSeq.asInstanceOf[ Array[Any] ], schema) : Row
}.toSeq

implicit val rowEnc = RowEncoder(schema)

val df = spark.createDataset(dataClient)
df.show()

导致：

+----+----+----+----+
|col1|col2|col3|col4|
+----+----+----+----+
|   a|   b|   c|   d|
|   e|   f|   g|   h|
+----+----+----+----+

但有几件事你应该避免：

new GenericRowWithSchema(rawSeq.asInstanceOf[ Array[Any] ], schema) : Row

虽然不是Spark的“内部”，但绝对不是为了让你这样使用Spark。
如果这是一个学习经验，我建议制作一个csv文件并阅读，而不是试图构建这样的架构，如果不是，那么我建议您使用像parquet这样的文件交换，它包括架构，并且不会在您的领域中实际需要一个“，”（或|或任何你试图用作分隔符的东西）。如果它真的必须是文本，那么看看json，它也允许传入一些结构（尽管不是带有非字符串键的map）。