CSV 能读出来还不够：别把空字符串、缺列和字段内换行混在一起

摘要：导入 CSV 时，逗号不一定是分隔符，一行文本也不一定是一条记录。本文用 Python 标准库的本地合成实验，说明引号、换行和字段数量分别影响什么，并给出一个可运行的结构校验示例。

业务明细导入常从 split(",") 开始。样例只有编号、名称、金额时，这种写法似乎够用；名称中一旦出现逗号，列就错位。更隐蔽的是，有些错误不会抛异常，而是悄悄改变数据含义。

先区分物理行和逻辑记录

本次样例中的 "a,b" 是一个字段，"said ""hi""" 则表示包含双引号的文本。标准库 csv.reader 分别读出 a,b 和 said "hi"；直接按逗号切分第一条数据，会得到四段，而预期只有三列。

字段还可以包含换行。本次文件使用 CRLF，一条备注跨两行，因此四个物理行只对应表头和两条数据记录。先调用 splitlines() 再交给解析器，虽然仍能读出记录，却把备注中的换行丢掉，得到 line1line2。解析没有报错，内容已经改变。

读取真实文件时应写 open(path, encoding="utf-8", newline="")，让 CSV 模块处理换行。本次按这种方式读取，字段内保留 \r\n；使用默认的 newline=None，文本层会将它转换为 \n。是否允许规范化应由数据约定决定，不能把两者当作字节完全一致。

空字段有位置，缺字段没有位置

默认读取行为下，1,,10 中间的空字段和 2,"",20 中间的带引号空字段，都会得到空字符串。尾部逗号也有意义：3,tail, 提供三个字段，最后一个为空；6,only_two 只提供两个字段。

本次用 DictReader 读取短行，缺少的金额自动填成 None；多出的列则默认放到键 None 对应的列表里。这是解析器的容纳策略，并没有替导入程序确认结构有效。若再写 value or ""，缺列和明确留空就会被合并。

需要固定三列时，可以先用列表读取，核对表头及每条记录的列数，再映射成字典：

import csv
import io


def load_csv(text):
    expected = ["id", "note", "amount"]
    reader = csv.reader(io.StringIO(text, newline=""), strict=True)
    if next(reader, None) != expected:
        raise ValueError("unexpected header")
    result = []
    for record_no, fields in enumerate(reader, 2):
        if len(fields) != len(expected):
            raise ValueError(
                f"record {record_no}: expected 3 fields, got {len(fields)}"
            )
        result.append(dict(zip(expected, fields)))
    return result


if __name__ == "__main__":
    source = 'id,note,amount\r\n1,"a,b",10\r\n2,"line1\r\nline2",20\r\n'
    for row in load_csv(source):
        print(repr(row["note"]))

输出为 'a,b' 和 'line1\r\nline2'。这里的 record_no 从表头后的第二条逻辑记录开始计数，并非文件物理行号。表头采用精确匹配，列顺序改变、重复列名或空文件都会被拒绝；这是示例的输入契约。

严格模式仍需要业务校验

本次未闭合引号触发 csv.Error，短行、多列及重复表头由示例主动拒绝。但 strict=True 仍接受未加引号字段中的 ab"cd，也接受金额 not_a_number。因此它不能视为所有 CSV 规范的完整验证器，更不会检查金额、必填项或编号唯一性。

实际导入应在结构确认后，再约定空字符串是否有效、各列如何转换和错误如何定位。示例一次收集全部记录，适合解释小型固定格式文件；大文件还需另行设计大小限制、流式处理及失败后的提交规则。

例如，备注可留空而金额必填时，应分别校验这两列，不能只看整行字段数为三就接受。示例在内存中构建列表，遇到异常不会返回部分结果；若改为边读边入库，前面已写入的记录不会因后续解析失败自动撤回，需要另行安排事务或暂存机制。

2026年11月3日，本实验在 Windows、Python 3.12.14 下实际运行五组观察和四组预期拒绝用例，另执行文中代码。五组观察及代码退出0；四组坏输入退出2并产生预期错误，表示拒绝行为符合验收条件。原始输出、退出码和文件指纹已本地保存。全部数据均为合成内容，未调用云服务，也未验证生产导入流程。