Python 读取 CSV：避免乱码、列名异常和编号丢失前导零

CSV 看起来只是逗号分隔的文本，实际导入时却常遇到乱码、表头多出奇怪字符，或编号 0012 变成 12。用 Python 标准库 csv 和 pathlib 读取时，先把编码、换行和字段校验处理好，能避免不少意外。

例如，文件可能是这样：

编号,姓名,城市
0012,林晓,杭州
0045,周宁,成都

可以用 DictReader 按列名读取：

import csv
from pathlib import Path


path = Path("data.csv")
required = {"编号", "姓名", "城市"}


with path.open("r", encoding="utf-8-sig", newline="") as file:
    reader = csv.DictReader(file)
    headers = reader.fieldnames
    if not headers:
        raise ValueError("CSV 缺少表头")


    headers = [name.strip() for name in headers]
    if len(headers) != len(set(headers)):
        raise ValueError("清理空格后出现重复列名")
    reader.fieldnames = headers


    missing = required - set(headers)
    if missing:
        raise ValueError(f"缺少必需列：{', '.join(sorted(missing))}")


    for record, row in enumerate(reader, start=1):
        for column in required:
            if row.get(column) is None or not row[column].strip():
                raise ValueError(f"第 {record} 条记录的“{column}”为空")
        identifier = row["编号"]
        print(identifier)  # 输出 0012，而不是 12

encoding="utf-8-sig" 会兼容带 UTF-8 BOM 的文件，并去掉文件开头的 BOM，避免它混进首列表名；它不能把 GBK 文件转换成 UTF-8。若文件实际为 GBK，应确认来源后使用 encoding="gbk"，而不是盲目替换编码或忽略解码错误。

newline="" 是 csv 文档建议的打开方式，让模块自行处理 CSV 换行。with 则在代码块结束或发生异常时自动关闭文件。DictReader 默认将字段读作字符串，不会自动把编号转成整数，因此 0012 的前导零可以保留；如果后续主动做整数转换，前导零仍会丢失。

代码还检查了表头是否存在、必需列是否齐全，以及每条记录的必需字段是否为空或只有空格。这里按数据记录计数；字段内包含换行时，记录编号不等于文件的物理行号。不同来源的 CSV 可能有额外列、分隔符或编码差异；遇到异常时，应先核对文件格式和数据源。

若数据包含个人信息或业务机密，不要把整行内容写入日志；报错时只记录必要的记录编号和列名，并按权限保护原始文件。

官方文档：Python 官方文档中的 csv 模块（CSV File Reading and Writing）。

本文由 AI 辅助撰写，示例数据为虚构。