文章目录

环境：Python 3.x
适用人群：Python 初学者、数据处理入门者、需要处理CSV文件的开发者
前置知识：Python基础语法、文件操作基础

引言：为什么 CSV 处理总是让人头疼？

CSV（Comma-Separated Values）作为最常用的数据交换格式之一，看似简单却暗藏玄机。你是否也遇到过这些令人抓狂的问题？

🚨 常见痛点

  • 跨平台兼容性问题：在 Windows 上打开 CSV 时出现多余空行
  • 编码混乱：中文字符显示为乱码
  • 类型错误：使用 csv.DictWriter 时遇到 AttributeError: 'list' object has no attribute 'keys'
  • 缩进陷阱：代码逻辑正确却报 IndentationError
  • 数据丢失：特殊字符（如逗号、引号）处理不当导致数据损坏

这些问题看似简单，却让很多开发者在数据处理的第一步就陷入困境。本文将带你系统掌握 Python 内置 csv 模块，从基础读写到高级用法，再到生产环境的最佳实践。

📚 你将学到什么

技能点 掌握程度 应用场景
CSV 文件正确读写 ⭐⭐⭐⭐⭐ 数据导入导出
csv.reader vs csv.DictReader ⭐⭐⭐⭐ 按需选择读取方式
csv.writer vs csv.DictWriter ⭐⭐⭐⭐ 灵活写入数据
Windows 换行符问题 ⭐⭐⭐⭐⭐ 跨平台兼容
常见错误排查 ⭐⭐⭐⭐ 快速定位问题
性能优化技巧 ⭐⭐⭐ 大数据量处理

🎯 本文特色

  • 实战导向：每个知识点都配有可运行的代码示例
  • 问题驱动：针对常见错误提供解决方案
  • 最佳实践：总结生产环境中的经验教训
  • 性能对比：不同方法的效率分析

让我们开始这段 CSV 处理之旅，彻底告别那些令人头疼的问题！

一、CSV 基础：理解文件结构与读取方式

CSV（Comma-Separated Values）是一种轻量级的表格数据存储格式，每行代表一条记录，字段之间用分隔符（通常是逗号）隔开。虽然名为"逗号分隔"，但实际上可以使用多种分隔符：

格式 分隔符 文件扩展名 常见场景
CSV 逗号 (,) .csv 通用数据交换
TSV 制表符 (\t) .tsv 生物信息学、日志分析
PSV 竖线 (` `) .psv
SSV 分号 (;) .csv 欧洲地区（避免逗号冲突）

1.1 基础读取：csv.reader

1.1.1 基本用法
import csv

# 示例数据文件：students.csv
# 学生ID,姓名,性别,年龄,班级,课程名称,课程类型,学分,考试成绩,平时成绩,总评成绩,是否及格,考试日期
# 1001,张三,男,19,计算机1班,Python程序设计,必修课,4,85,90,87,是,2026-01-15
# 1001,张三,男,19,计算机1班,数据结构,必修课,3,78,82,80,是,2026-01-17

# 基础读取 - 逐行读取
with open("students.csv", mode="r", encoding="utf-8", newline="") as file:
    reader = csv.reader(file)
    
    # 读取表头
    header = next(reader)
    print(f"表头: {header}")
    print(f"表头数量: {len(header)}")
    
    # 逐行读取数据
    for row_num, row in enumerate(reader, start=1):
        print(f"第{row_num}行: {row}")

输出结果：

表头: ['学生ID', '姓名', '性别', '年龄', '班级', '课程名称', '课程类型', '学分', '考试成绩', '平时成绩', '总评成绩', '是否及格', '考试日期']
表头数量: 13
第1行: ['1001', '张三', '男', '19', '计算机1班', 'Python程序设计', '必修课', '4', '85', '90', '87', '是', '2026-01-15']
第2行: ['1001', '张三', '男', '19', '计算机1班', '数据结构', '必修课', '3', '78', '82', '80', '是', '2026-01-17']
1.1.2 按列访问数据
import csv

with open("students.csv", mode="r", encoding="utf-8", newline="") as file:
    reader = csv.reader(file)
    header = next(reader)
    
    # 打印特定列的数据
    for row in reader:
        student_id = row[0]      # 学生ID（索引0）
        name = row[1]           # 姓名（索引1）
        gender = row[2]         # 性别（索引2）
        score = row[8]          # 考试成绩（索引8）
        
        print(f"学号: {student_id}, 姓名: {name}, 性别: {gender}, 成绩: {score}")
1.1.3 使用 DictReader 按列名访问

csv.DictReader 将每行数据转换为字典，键为列名，值为对应的数据：

import csv

with open("students.csv", mode="r", encoding="utf-8", newline="") as file:
    # 创建字典读取器
    dict_reader = csv.DictReader(file)
    
    # 获取表头（字段名）
    fieldnames = dict_reader.fieldnames
    print(f"字段名列表: {fieldnames}")
    
    # 逐行读取（每行是一个字典）
    for row_num, row_dict in enumerate(dict_reader, start=1):
        print(f"\n第{row_num}行数据:")
        print(f"  学生ID: {row_dict['学生ID']}")
        print(f"  姓名: {row_dict['姓名']}")
        print(f"  年龄: {row_dict['年龄']}")
        print(f"  考试成绩: {row_dict['考试成绩']}")

输出结果：

字段名列表: ['学生ID', '姓名', '性别', '年龄', '班级', '课程名称', '课程类型', '学分', '考试成绩', '平时成绩', '总评成绩', '是否及格', '考试日期']

第1行数据:
  学生ID: 1001
  姓名: 张三
  年龄: 19
  考试成绩: 85

第2行数据:
  学生ID: 1001
  姓名: 张三
  年龄: 19
  考试成绩: 78
1.1.4 两种读取方式的对比
特性 csv.reader csv.DictReader
返回类型 列表（list） 字典（dict）
访问方式 索引（如 row[0]） 键名（如 row['姓名']）
可读性 较低（需要记住列顺序） 较高（通过列名访问）
灵活性 固定列顺序 列顺序无关紧要
性能 稍快 稍慢（需要构建字典）
适用场景 列顺序固定的简单CSV 列较多或列顺序可能变化的CSV
1.1.5 实战技巧：处理缺失值
import csv

def safe_get(row_dict, key, default="N/A"):
    """安全获取字典值，处理缺失键"""
    return row_dict.get(key, default)

with open("students.csv", mode="r", encoding="utf-8", newline="") as file:
    dict_reader = csv.DictReader(file)
    
    for row in dict_reader:
        # 安全访问，避免KeyError
        name = safe_get(row, "姓名", "未知")
        score = safe_get(row, "考试成绩", "0")
        
        # 转换为数值类型（如果可能）
        try:
            score_int = int(score)
        except ValueError:
            score_int = 0
            
        print(f"{name}的成绩: {score_int}")
1.1.6 性能优化：批量处理大数据
import csv
from collections import defaultdict

def process_large_csv(file_path, batch_size=1000):
    """批量处理大型CSV文件"""
    results = defaultdict(list)
    
    with open(file_path, mode="r", encoding="utf-8", newline="") as file:
        dict_reader = csv.DictReader(file)
        
        batch = []
        for row in dict_reader:
            batch.append(row)
            
            # 每处理batch_size行进行一次批量操作
            if len(batch) >= batch_size:
                process_batch(batch, results)
                batch = []  # 清空批次
        
        # 处理剩余数据
        if batch:
            process_batch(batch, results)
    
    return results

def process_batch(batch, results):
    """处理一批数据"""
    for row in batch:
        class_name = row.get("班级", "未知班级")
        score = int(row.get("考试成绩", 0))
        results[class_name].append(score)

📝 本节要点总结

  1. 基础读取：使用 csv.reader 逐行读取，返回列表格式
  2. 字典读取：使用 csv.DictReader 按列名访问，代码更易读
  3. 性能考虑：小文件直接读取，大文件考虑批量处理
  4. 错误处理：使用 .get() 方法安全访问字典键，避免 KeyError

在下一节中，我们将深入探讨 newline="" 参数的重要性，这是解决跨平台兼容性问题的关键。

为什么在写 CSV 时要这么用

csv 模块在写入 CSV 文件时，会自动处理行结束符的标准化问题。如果不指定 newline="" 参数，不同平台上的 Python 解释器会对换行符进行额外的转换，导致 CSV 文件格式异常。

💡 Python 的 open() 函数默认会根据操作系统自动转换换行符：在 Windows 上会将 \n 转换为 \r\n，在 Unix/Linux 上则保持 \n 不变。而 csv.writer 本身已经负责写入正确的行结束符，双重转换就会出问题。

双重转换导致的格式问题

下面的代码演示了不加 newline="" 参数时可能出现的问题：

import csv

# 错误写法：不加 newline=""
with open("bad_csv.csv", mode="w", encoding='utf-8-sig') as f:
    writer = csv.writer(f)
    writer.writerow(["姓名", "年龄", "城市"])
    writer.writerow(["张三", "25", "北京"])
    writer.writerow(["李四", "30", "上海"])

# 正确写法：加上 newline=""
with open("good_csv.csv", mode="w", encoding='utf-8-sig', newline="") as f:
    writer = csv.writer(f)
    writer.writerow(["姓名", "年龄", "城市"])
    writer.writerow(["张三", "25", "北京"])
    writer.writerow(["李四", "30", "上海"])

运行结果对比：

  • bad_csv.csv（Windows 上）：可能出现双重换行符 \r\r\n，导致在某些编辑器或 Excel 中显示空白行
  • good_csv.csv：格式正确，每行以 \r\n 结束（Windows 标准）

我的踩坑实录：Excel 打开 CSV 显示异常

我第一次处理 CSV 导出功能时，用户反馈在 Excel 中打开文件总是显示奇怪的空白行。排查过程如下：

  1. 现象：在 Python 中生成的 CSV 文件，用文本编辑器查看正常，但用 Excel 打开时每隔一行就有一个空白行
  2. 排查：用十六进制编辑器查看文件，发现行结束符是 \r\r\n 而不是标准的 \r\n
  3. 原因：Windows 上的 Python 默认将 \n 转换为 \r\n，而 csv.writer 已经写入了 \r\n，导致双重转换
  4. 解决：在 open() 函数中添加 newline="" 参数，禁用 Python 的自动换行符转换

根据 Python 的文件 I/O 机制，建议在读写 CSV、JSON 等需要精确控制换行符的文本文件时，都显式指定 newline="" 参数，避免平台差异带来的格式问题。

推荐写法

import csv

# 最佳实践：同时指定编码和 newline 参数
with open("output.csv", mode="w", encoding='utf-8-sig', newline="") as f:
    writer = csv.writer(f)
    # 写入表头
    writer.writerow(["列1", "列2", "列3"])
    # 写入数据行
    writer.writerows([
        ["数据1", "数据2", "数据3"],
        ["数据4", "数据5", "数据6"]
    ])

关键点：

  • encoding='utf-8-sig'：添加 BOM 头，确保 Excel 正确识别 UTF-8 编码
  • newline=""：禁用 Python 的自动换行符转换，让 csv.writer 完全控制行结束符
  • 这种写法在 Windows、macOS、Linux 上都能生成一致的 CSV 文件格式

总结

通过前面的讲解，我们明确了 CSV 文件处理中的几个关键要点：

1. newline="" 参数的核心作用

  • 禁止 Python 自动处理换行符：让 csv 模块完全控制行尾格式
  • 避免多余空行：防止在不同操作系统上出现额外的空行
  • 跨平台兼容性：确保 CSV 文件在 Windows、macOS、Linux 上都能正确显示

2. 编码选择的重要性

  • utf-8-sig：写入时使用，添加 BOM 头，确保 Excel 能正确识别中文
  • utf-8：读取时使用，避免重复 BOM 导致解析错误

3. 完整的 CSV 写入示例

import csv

# 写入 CSV 文件
with open("students.csv", mode="w", encoding="utf-8-sig", newline="") as f:
    writer = csv.writer(f)
    
    # 写入表头
    header = ["学号", "姓名", "年龄", "班级"]
    writer.writerow(header)
    
    # 写入数据行
    data = [
        ["2025006", "小宇", 17, "高一3班"],
        ["2025007", "小琪", 18, "高一4班"]
    ]
    writer.writerows(data)
    
    print("CSV 文件写入成功！")

# 读取 CSV 文件
with open("students.csv", mode="r", encoding="utf-8", newline="") as f:
    reader = csv.reader(f)
    for row in reader:
        print(row)

4. 常见错误避免

  1. 缩进错误：确保 with 语句块内的代码正确缩进
  2. 变量名不一致：读取时使用的变量名要与写入时一致
  3. 编码不匹配：写入用 utf-8-sig，读取用 utf-8

5. 最佳实践

  • 始终使用 newline="" 参数
  • 写入时使用 utf-8-sig 编码
  • 读取时使用 utf-8 编码
  • 使用有意义的变量名
  • 添加适当的注释和错误处理

掌握这些要点后，你就能轻松处理各种 CSV 文件，避免常见的格式问题和兼容性问题。

发生错误的原因

这个错误的核心在于 Python 代码的缩进不一致。让我们仔细分析你的代码：

with open("simple_CSV.csv", mode="w", encoding='utf-8-sig', newline="") as f:
    ...
  
  with open("simple_CSV.csv", mode="r", encoding='utf-8', newline="") as f:
      ...

问题分析

  1. 缩进层级混乱：

    • 第一个 with 语句后面应该跟一个缩进块
    • 第二个 with 语句被多缩进了两个空格（ with 前面有两个空格）
    • 这导致 Python 解释器无法确定第二个 with 语句的缩进层级

  2. Python 的缩进规则：

    • Python 使用缩进来定义代码块结构
    • 同一层级的语句必须有相同的缩进量
    • 通常使用 4 个空格作为标准缩进（PEP 8 规范）

  3. 错误信息解读：

    IndentationError: unindent does not match any outer indentation level
    • unindent：表示"取消缩进"或"减少缩进"
    • 这个错误说明 Python 遇到了一个缩进减少，但这个减少没有匹配到任何外层的缩进级别

正确的代码结构

# 正确写法：两个 with 语句在同一缩进层级
with open("simple_CSV.csv", mode="w", encoding='utf-8-sig', newline="") as f:
    # 写入操作
    writer = csv.writer(f)
    writer.writerow(["姓名", "年龄", "城市"])
    writer.writerow(["张三", "25", "北京"])

with open("simple_CSV.csv", mode="r", encoding='utf-8', newline="") as f:
    # 读取操作
    reader = csv.reader(f)
    for row in reader:
        print(row)

如何避免这类错误

  1. 使用代码编辑器：推荐使用 VS Code、PyCharm 等 IDE，它们会自动处理缩进
  2. 开启显示空白字符：在编辑器中显示空格和制表符
  3. 遵循 PEP 8：统一使用 4 个空格缩进，不要混用空格和制表符
  4. 使用格式化工具：如 black、autopep8 自动格式化代码

快速检查方法

如果你不确定缩进是否正确，可以：

  1. 复制代码到 Python 交互环境
  2. 使用编辑器的"格式化文档"功能
  3. 运行 python -m py_compile your_script.py 检查语法

记住：在 Python 中，缩进不是风格问题，而是语法要求。正确的缩进是代码正常运行的前提。

4. 正确写法：保持一致的缩进与编码规范

下面是一个完整的、符合Python编码规范的CSV读写示例。请注意代码中的缩进一致性、编码设置和newline=""参数的使用：

import csv

# 示例数据：包含中英文混合内容
csv_content = [
    ["姓名", "年龄", "城市", "职业"],
    ["张三", 28, "北京", "软件工程师"],
    ["李四", 32, "上海", "数据分析师"],
    ["John Doe", 35, "New York", "Product Manager"],
    ["王五", 29, "深圳", "前端开发工程师"]
]

# 1. 写入CSV文件（使用utf-8-sig编码解决Excel中文乱码问题）
with open("employees.csv", mode="w", encoding='utf-8-sig', newline="") as f:
    writer_csv = csv.writer(f)
    writer_csv.writerows(csv_content)
    print("✅ CSV文件写入成功！")

# 2. 读取并验证写入的内容
print("\n📋 读取CSV文件内容：")
with open("employees.csv", mode="r", encoding='utf-8', newline="") as f:
    reader_rw = csv.reader(f)
    for row in reader_rw:
        print(row)

关键要点解析：

  1. 缩进一致性：所有代码块都使用4个空格的缩进，这是Python官方的PEP 8编码规范要求。

  2. 编码选择：

    • 写入时使用utf-8-sig：添加BOM（字节顺序标记），确保Excel能正确识别中文
    • 读取时使用utf-8：兼容性更好，避免BOM干扰

  3. newline=""参数：

    • 写入和读取时都设置newline=""，防止跨平台换行符问题
    • 避免Windows/Linux/macOS系统间的兼容性问题

  4. 文件操作最佳实践：

    • 使用with语句自动管理文件资源
    • 清晰的变量命名（writer_csv、reader_rw）
    • 添加适当的输出提示，便于调试

运行结果示例：

✅ CSV文件写入成功！

📋 读取CSV文件内容：
['姓名', '年龄', '城市', '职业']
['张三', '28', '北京', '软件工程师']
['李四', '32', '上海', '数据分析师']
['John Doe', '35', 'New York', 'Product Manager']
['王五', '29', '深圳', '前端开发工程师']

这个示例展示了从数据准备、文件写入到读取验证的完整流程，每个步骤都有明确的注释说明。

额外提示

你还应该注意这两处问题：

  • for readCSV in reader_csv: 应该是 for readCSV in reader_rw:，因为你读的是 reader_rw
  • print(reader_csv) 也应改成 print(readCSV)，否则每次会打印错误变量

所以主要答案是：因为你的第二个 with 语句缩进不对，导致 Python 看不懂代码块结构。

with open("simple_CSV.csv",mode="w",encoding='utf-8-sig',newline="") as f:
    writer_csv = csv.writer(f)
    header_writer =["学号", "姓名", "年龄", "班级"]
    #写入csv表头
    csv_content = [    ["2025006", "小宇", 17, "高一3班"],
    ["2025007", "小琪", 18, "高一4班"]]
    writer_csv.writerow(header_writer)#表头只有一行，所以这里只需要调用一次单行写入就可以了
    #接下来写入内容，由于是写入多行，所以需要执行多行写入
    writer_csv.writerows(csv_content)
    print("文件写入成功")
    #写下来读取一下
  
with open("simple_CSV.csv",mode="r",encoding='utf-8',newline="") as f:
      reader_rw = csv.reader(f)
      for readCSV in reader_csv:
          print(readCSV)

报错为：---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
Cell In[20], line 15
13 with open(“simple_CSV.csv”,mode=“r”,encoding=‘utf-8’,newline=“”) as f:
14 reader_rw = csv.reader(f)
—> 15 for readCSV in reader_csv:
16 print(readCSV)

ValueError: I/O operation on closed file.

with open("simple_CSV.csv",mode="w",encoding='utf-8-sig',newline="") as f:
    writer_csv = csv.writer(f)
    header_writer =["学号", "姓名", "年龄", "班级"]
    #写入csv表头
    csv_content = [    ["2025006", "小宇", 17, "高一3班"],
    ["2025007", "小琪", 18, "高一4班"]]
    writer_csv.writerow(header_writer)#表头只有一行，所以这里只需要调用一次单行写入就可以了
    #接下来写入内容，由于是写入多行，所以需要执行多行写入
    writer_csv.writerows(csv_content)
    print("文件写入成功")
    #写下来读取一下
  
with open("simple_CSV.csv",mode="r",encoding='utf-8',newline="") as f:
      reader_rw = csv.reader(f)
      for readCSV in reader_rw:
          print(readCSV)

输出为：文件写入成功
[‘\ufeff学号’, ‘姓名’, ‘年龄’, ‘班级’]
[‘2025006’, ‘小宇’, ‘17’, ‘高一3班’]
[‘2025007’, ‘小琪’, ‘18’, ‘高一4班’]
但是打开文件为什么看到文件没有被实际修改？## 为什么看起来文件内容没改？

你的代码已经成功写入并读取了新数据：

  • 控制台输出显示新的 CSV 行：
    • ['\ufeff学号', '姓名', '年龄', '班级']
    • ['2025006', '小宇', '17', '高一4班']
  • 说明 open(..., mode="w", ...) 已经成功写入到一个 simple_CSV.csv 文件中了

可能原因

1. 你查看的不是同一个文件

with open("simple_CSV.csv", ...) 使用的是相对路径，它会基于当前 Python 进程的工作目录 os.getcwd()，而不一定是你当前 notebook 文件所在的文件夹。

所以你可能写入的是：

  • d:\python_code_test\simple_CSV.csv

但你查看的是：

  • simple_CSV.csv

2. 编辑器没有刷新文件内容

即使文件被外部更改，VS Code 编辑器窗口也可能没有自动刷新。你需要：

  • 重新打开该 CSV 文件
  • 或点击“刷新”
  • 或运行 os.getcwd() 检查工作目录

如何确认

在 notebook 里加这段：

import os
print(os.getcwd())

如果你想确保写到指定文件夹，改成绝对路径：

with open(r"d:\python_code_test\CSV_learn\simple_CSV.csv", mode="w", encoding="utf-8-sig", newline="") as f:

结论

你写入的文件已经修改了，但你看到的文件内容可能是：

  • 另一个路径下的 simple_CSV.csv
  • 或者当前打开的文件视图还没刷新

所以主要不是写入失败，而是文件路径/视图问题。
接下来是如何按照字典的形式来写入
之前的写入是将数据封装在列表之中，每一个数据单元都是一个列表

header_writer =["学号", "姓名", "年龄", "班级"]
    #写入csv表头
csv_content = [    ["2025006", "小宇", 17, "高一3班"],
    ["2025007", "小琪", 18, "高一4班"]]
with open("simple_CSV.csv",mode="w",encoding='utf-8-sig',newline="") as f:
    writer_obj = csv.DictWriter(f,fieldnames=header_writer)
    writer_obj.writeheader()
    writer_obj.writerows(csv_content)
    print(f"以字典的形式写入成功")

with open("simple_CSV.csv",mode="r",encoding='utf-8',newline="") as f:
      reader_rw = csv.DictReader(f)
      for readCSV in reader_rw:
          print(readCSV)

错误原因

你这段代码用的是 csv.DictWriter：

writer_obj = csv.DictWriter(f, fieldnames=header_writer)
writer_obj.writeheader()
writer_obj.writerows(csv_content)

但是 writerows 传进去的 csv_content 是一个由「列表」组成的列表：

[
  ["2025006", "小宇", 17, "高一3班"],
  ["2025007", "小琪", 18, "高一4班"]
]

DictWriter 需要的是「字典」行对象，每一行应该像这样：

{"学号": "2025006", "姓名": "小宇", "年龄": 17, "班级": "高一3班"}

所以报错的原因是：

  • DictWriter.writerows 内部要访问每行的 .keys()
  • 但你传入的是 list，list 没有 .keys()
  • 因此出现 AttributeError: 'list' object has no attribute 'keys'

解决方法

方法 1：用 csv.writer

如果你已经有列表格式的数据，就直接用普通 csv.writer：

with open("simple_CSV.csv", mode="w", encoding="utf-8-sig", newline="") as f:
    writer_csv = csv.writer(f)
    header_writer = ["学号", "姓名", "年龄", "班级"]
    csv_content = [
        ["2025006", "小宇", 17, "高一3班"],
        ["2025007", "小琪", 18, "高一4班"]
    ]
    writer_csv.writerow(header_writer)
    writer_csv.writerows(csv_content)

方法 2：用 csv.DictWriter，改成字典数据

如果你要用 DictWriter，数据要改成字典：

header_writer = ["学号", "姓名", "年龄", "班级"]
csv_content = [
    {"学号": "2025006", "姓名": "小宇", "年龄": 17, "班级": "高一3班"},
    {"学号": "2025007", "姓名": "小琪", "年龄": 18, "班级": "高一4班"}
]

with open("simple_CSV.csv", mode="w", encoding="utf-8-sig", newline="") as f:
    writer_obj = csv.DictWriter(f, fieldnames=header_writer)
    writer_obj.writeheader()
    writer_obj.writerows(csv_content)

结论

错误是因为你用 DictWriter 写了「列表行」，而它需要「字典行」。只要改成 csv.writer，或把数据转成字典，就能正常写入。

header_writer = ["学号", "姓名", "年龄", "班级"]
    #写入csv表头
csv_content =  [
    {"学号": "2025006", "姓名": "小宇", "年龄": 17, "班级": "高一3班"},
    {"学号": "2025007", "姓名": "小琪", "年龄": 18, "班级": "高一4班"}
]
with open("simple_CSV.csv",mode="w",encoding='utf-8-sig',newline="") as f:
    writer_obj = csv.DictWriter(f,fieldnames=header_writer)
    writer_obj.writeheader()
    writer_obj.writerows(csv_content)
    print(f"以字典的形式写入成功")

with open("simple_CSV.csv",mode="r",encoding='utf-8',newline="") as f:
      reader_rw = csv.DictReader(f)
      for readCSV in reader_rw:
          print(readCSV)

输出为：
以字典的形式写入成功
{‘\ufeff学号’: ‘2025006’, ‘姓名’: ‘小宇’, ‘年龄’: ‘17’, ‘班级’: ‘高一3班’}
{‘\ufeff学号’: ‘2025007’, ‘姓名’: ‘小琪’, ‘年龄’: ‘18’, ‘班级’: ‘高一4班’}
csv在数据清洗中非常有用
接下来是自定义分隔符：
假设以 \t作

🎯 总结与进阶建议

通过本文的学习，你已经掌握了 Python 处理 CSV 文件的核心技能。让我们回顾一下关键要点：

📋 核心知识点回顾

  1. 基础读取：使用 csv.reader 进行简单读取，或使用 csv.DictReader 按列名访问数据
  2. 正确写入：理解 csv.writer 与 csv.DictWriter 的区别，避免数据类型不匹配的错误
  3. 编码处理：使用 utf-8-sig 编码解决 Excel 打开时的乱码问题
  4. 换行符处理：newline="" 参数的重要性，避免写入时产生空行
  5. 分隔符定制：使用 delimiter 参数自定义字段分隔符（如制表符 \t）

🔧 常见问题解决方案

问题 原因 解决方案
Excel 打开乱码 编码问题 使用 encoding='utf-8-sig'
写入后有空行 换行符问题 添加 newline="" 参数
DictWriter 报错 数据类型不匹配 确保传入字典数据或改用 csv.writer
读取分隔符错误 读写分隔符不一致 读写时使用相同的 delimiter 参数

🚀 进阶学习建议

  1. 大数据处理：对于大型 CSV 文件，考虑使用 pandas 库的 read_csv() 和 to_csv() 方法
  2. 性能优化：使用 chunksize 参数分块读取大文件，避免内存溢出
  3. 数据验证：结合 pydantic 或 marshmallow 进行数据验证和类型转换
  4. 异步处理：使用 aiofiles 进行异步 CSV 文件操作
  5. 数据库集成：学习使用 sqlalchemy 将 CSV 数据导入数据库

💡 最佳实践清单

✅ 编码规范：始终明确指定文件编码，推荐 utf-8-sig
✅ 换行处理：写入时使用 newline="" 参数
✅ 错误处理：使用 try-except 包装文件操作
✅ 资源管理：使用 with 语句确保文件正确关闭
✅ 数据验证：写入前验证数据类型和格式
✅ 路径安全：使用 os.path 处理文件路径，避免硬编码

📚 推荐学习资源

  1. 官方文档：Python csv 模块文档
  2. 进阶库：pandas 数据处理
  3. 实战项目：CSV 数据清洗实战
  4. 性能优化：处理大型 CSV 文件的技巧

🌟 写在最后

CSV 作为最常用的数据交换格式，掌握其处理技巧是每个 Python 开发者的必备技能。从基础的读写操作到高级的性能优化，希望本文能为你提供全面的指导。记住，良好的编码习惯和错误处理机制比复杂的技巧更重要。

实践是最好的老师——尝试处理真实的数据集，解决实际遇到的问题，你的技能会得到真正的提升。如果在学习过程中遇到任何问题，欢迎在评论区留言讨论！

# python # 开发语言
Logo
亚马逊云科技技术品牌专区

更多推荐

open-code-review Codex 插件教程：对话式调用评审技能指南

本文是一份面向新手的 **open-code-review Codex 插件教程**，教你在 Codex 中通过对话式方式调用 open-code-review 的 AI 代码评审技能。open-code-review 是阿里巴巴开源的 AI 代码评审工具，采用"确定性流水线 + LLM Agent"混合架构，内置多语言评审规则（NPE、线程安全、XSS、SQL 注入等），可在 Codex 里用一

avatar 亚马逊云科技技术品牌专区

OBS Studio 完整指南：免费开源录屏与直播软件从零上手

想做一场像模像样的直播，或者把屏幕内容录成教程视频，但一想到商用软件的订阅费就有些犹豫？其实你不需要花一分钱。OBS Studio 是一款免费开源的直播与录屏软件，支持 Windows、macOS 和 Linux，采集、混音、编码、推流、录制，一条流水线全包了。## 先搞清楚 OBS Studio 是什么OBS Studio 是一个"场景化"的采集合成工具：你把摄像头、窗口、浏览器、图片、

avatar 亚马逊云科技技术品牌专区

如何用MediaCrawler爬取小红书抖音数据？7大平台爬虫从安装到实战完整指南

MediaCrawler 是一个支持小红书、抖音、快手、B站、微博、百度贴吧、知乎的开源自媒体数据采集工具。它能按关键词、按帖子、按创作者主页三种方式抓取笔记/视频内容、评论甚至二级评论，并把结果存成 JSON、CSV、Excel 或数据库。适合做市场调研、竞品监控、内容选题的运营人员，以及想要现成爬虫框架而不想从零写 JS 逆向的开发者。## 从一次"手动抄数据"说起想象这个场景：你负责

avatar 亚马逊云科技技术品牌专区