我们提出了一种简单有效的方法，利用表格内容提升基于BERT的模型在文本到SQL（text-to-SQL）任务中的性能。基于观察发现，部分表格内容中的词汇与问题字符串中的词语存在匹配关系，同时部分表格标题也与问题中的词语相匹配，我们为此设计了两种额外的特征向量，并将其编码输入深度模型中。该方法在测试阶段同样具有优势，因为训练与测试阶段所使用的表格内容几乎保持一致，从而提升了模型推理效率。我们在WikiSQL数据集上对模型进行了测试，结果表明，相较于基于BERT的基线模型，我们的方法在逻辑形式准确率和执行准确率上分别提升了3.7%，并达到了当前最优（state-of-the-art）水平。