Python3 csv 模块

CSV（逗号分隔值）是数据处理中最常用的文本格式之一，小到日志导出、大到批量数据交换，都能见到它的身影。Python3 内置的 csv 模块无需额外安装，专门用于处理 CSV 文件的读写、解析与格式化，相比手动拆分字符串，它能优雅处理分隔符、引号嵌套、换行符等边缘场景，是处理 CSV 数据的首选工具。

一、核心优势：为何不用手动处理？

手动通过 split(',') 处理 CSV 存在诸多问题：

 

• 字段包含逗号（如 "张三,男,25"）时，拆分结果错误；
• 字段含换行符、引号时，手动处理易出错；
• 不同系统的换行符（\n/\r\n）、编码差异需额外兼容。

 

而 csv 模块原生解决以上问题，支持自定义分隔符、引号规则，适配多编码格式，且内存友好，适合处理大文件。

二、基础用法：核心对象与读写操作

csv 模块的核心是 4 个基础对象：reader（读取）、writer（写入）、DictReader（字典形式读取）、DictWriter（字典形式写入），以下是最常用的基础操作。

1. 基础读取：csv.reader

适用于无表头 / 仅需按列索引读取的 CSV 文件，返回可迭代的行对象（每行是字符串列表）。

示例：读取本地 CSV 文件

假设有 user.csv 文件内容如下：

姓名,年龄,城市
张三,25,北京
李四,30,上海
王五,28,广州

 

 

读取代码：

 

import csv

# 打开文件时指定编码（建议utf-8），newline=''避免空行
with open('user.csv', 'r', encoding='utf-8', newline='') as f:
    # 创建reader对象
    csv_reader = csv.reader(f)
    # 跳过表头（如需读取表头可直接next(csv_reader)）
    header = next(csv_reader)
    print("表头：", header)
    
    # 遍历读取每一行
    for row in csv_reader:
        name = row[0]  # 第1列：姓名
        age = int(row[1])  # 第2列：年龄（转换为整数）
        city = row[2]  # 第3列：城市
        print(f"姓名：{name}，年龄：{age}，城市：{city}")

 

 

输出结果：

 

表头： ['姓名', '年龄', '城市']
姓名：张三，年龄：25，城市：北京
姓名：李四，年龄：30，城市：上海
姓名：王五，年龄：28，城市：广州

 

2. 基础写入：csv.writer

用于将数据写入 CSV 文件，支持自定义分隔符、引号规则。

示例：写入数据到 CSV 文件 

import csv

# 待写入的数据（表头+行数据）
data = [
    ['姓名', '年龄', '城市'],
    ['赵六', 32, '深圳'],
    ['钱七', 27, '杭州']
]

# 写入文件，newline=''避免行尾空行
with open('new_user.csv', 'w', encoding='utf-8', newline='') as f:
    # 创建writer对象，delimiter指定分隔符（默认逗号）
    csv_writer = csv.writer(f, delimiter=',')
    # 批量写入（也可用writerow逐行写入）
    csv_writer.writerows(data)
    # 单行写入示例：csv_writer.writerow(['孙八', 29, '成都'])

 

 

生成的 new_user.csv 内容：

 

姓名,年龄,城市
赵六,32,深圳
钱七,27,杭州

 

三、进阶用法：字典形式读写（更易用）

DictReader/DictWriter 以字典形式处理 CSV，无需记列索引，直接通过表头名访问字段，适合有表头的场景。

1. DictReader：按表头读取 

import csv

with open('user.csv', 'r', encoding='utf-8', newline='') as f:
    # 创建DictReader对象，自动将第一行作为表头（key）
    csv_dict_reader = csv.DictReader(f)
    # 遍历每行（每行是字典，key为表头，value为字段值）
    for row in csv_dict_reader:
        name = row['姓名']
        age = int(row['年龄'])
        city = row['城市']
        print(f"【字典读取】姓名：{name}，年龄：{age}，城市：{city}")

 

2. DictWriter：按表头写入 

import csv

# 定义表头（必须指定，否则写入失败）
fieldnames = ['姓名', '年龄', '城市']
# 待写入的字典数据
data = [
    {'姓名': '周九', '年龄': 35, '城市': '重庆'},
    {'姓名': '吴十', '年龄': 26, '城市': '南京'}
]

with open('dict_user.csv', 'w', encoding='utf-8', newline='') as f:
    # 创建DictWriter对象，指定表头
    csv_dict_writer = csv.DictWriter(f, fieldnames=fieldnames)
    # 先写入表头（必须先写，否则只有数据无表头）
    csv_dict_writer.writeheader()
    # 批量写入字典数据
    csv_dict_writer.writerows(data)

 

四、实战场景：解决常见问题

1. 自定义分隔符（如制表符、分号）

部分 CSV 文件用制表符（\t）或分号（;）分隔，需指定 delimiter： 

 

# 读取分号分隔的CSV
with open('semicolon.csv', 'r', encoding='utf-8', newline='') as f:
    csv_reader = csv.reader(f, delimiter=';')
    for row in csv_reader:
        print(row)

 

2. 处理含引号 / 换行符的特殊字段

csv 模块自动处理引号嵌套，无需手动转义： 

import csv

# 含引号、换行符的特殊数据
data = [
    ['商品名', '描述', '价格'],
    ['"手机"', '大屏\n超长续航', 2999],
    ['笔记本电脑', '16G内存；512G硬盘', 5999]
]

with open('product.csv', 'w', encoding='utf-8', newline='') as f:
    csv_writer = csv.writer(f, quoting=csv.QUOTE_ALL)  # 所有字段加引号
    csv_writer.writerows(data)

 

3. 筛选 CSV 数据（按条件过滤）

示例：筛选出年龄≥30 的用户并写入新文件： 

 

import csv

with open('user.csv', 'r', encoding='utf-8', newline='') as f_read, \
     open('filter_user.csv', 'w', encoding='utf-8', newline='') as f_write:
    # 读取源文件
    reader = csv.DictReader(f_read)
    # 写入目标文件（复用源表头）
    writer = csv.DictWriter(f_write, fieldnames=reader.fieldnames)
    writer.writeheader()
    
    # 筛选年龄≥30的行
    for row in reader:
        if int(row['年龄']) >= 30:
            writer.writerow(row)

 

4. 处理超大 CSV 文件（逐行读取避免内存溢出）

对于 GB 级超大 CSV，切勿一次性读取所有行，需逐行处理： 

import csv

with open('big_data.csv', 'r', encoding='utf-8', newline='') as f:
    csv_reader = csv.reader(f)
    header = next(csv_reader)  # 读取表头
    for row in csv_reader:
        # 逐行处理（如写入数据库、计算统计值等）
        pass

 

五、常见坑与避坑指南

1. 空行问题：写入时必须指定 newline=''，否则 Windows 系统会每行末尾多出空行；
2. 编码问题：读取 / 写入时明确指定编码（如 utf-8），避免中文乱码（若文件是 GBK 编码，需改为 encoding='gbk'）；
3. 引号规则：默认仅含特殊字符（逗号、换行）的字段加引号，可通过 quoting 参数控制：
   • csv.QUOTE_ALL：所有字段加引号；
   • csv.QUOTE_MINIMAL：仅特殊字段加引号（默认）；
   • csv.QUOTE_NONE：不加引号（需手动处理分隔符冲突）；
4. 表头缺失：DictWriter 必须指定 fieldnames 且先调用 writeheader()，否则无表头；
5. 数据类型：csv 模块读取的所有字段默认是字符串，需手动转换为 int/float 等类型。

六、总结

Python3 csv 模块是处理 CSV 数据的轻量且高效的工具：

 

• 基础场景用 reader/writer，适合无表头或简单读写；
• 复杂场景用 DictReader/DictWriter，按表头操作更易维护；
• 处理特殊格式（分隔符、引号）、超大文件时，利用模块内置参数规避坑点。

 

相比 pandas 等第三方库，csv 模块无需依赖，启动快、内存占用低，是小文件 / 简单场景的最优选择；若需复杂数据分析（如透视表、批量计算），可结合 pandas 进一步处理。