第3章 3.5 综合实战：CSV 导入导出工具

📖 这是「PHP 从入门到精通」系列教程的第 15 章。上章我们学了文件读写与目录遍历，现在你已经有能力读取文件内容了。但如果让你处理 1000 行数据，手动读就不现实了——这一章，我们用 CSV 导入导出工具，把文件操作和数据处理串起来，做一个真正能跑的小工具。

🎯 开场 3 分钟：为什么要学这个？

你有没有遇到过这些情况？

• 运营给你发了一份 500 行的用户数据表，让你筛出「北京地区」「3 月份注册」的用户——你是打算一行行复制粘贴，还是用 Excel 表格一顿操作？
• 数据导出来是乱码，打开 Excel 发现全是 锟斤拷？
• 想把程序里的数据保存下来，下次程序启动还能用——却不知道该存成什么格式？

CSV 就是解决这些问题的。 它本质上就是一个「用逗号分隔的表格文件」，Excel 能直接打开，Python 读起来也特别简单。

这一章结束，你会有一个能导入 CSV、筛选数据、导出结果的完整小工具，运营给你的表格丢进去，3 秒出结果\n\n\n\n\n\n。

🧱 基础 25 分钟：核心概念

什么是 CSV？为什么不用 Excel？

先说个生活类比：

• Excel 就像一个精装修的房子，功能强大但文件笨重（.xlsx 其实是压缩包）
• CSV 就像一张白纸，上面用「表格的形式」写字，轻量、快速、任何设备都能打开

CSV 的格式长这样：

name,age,city
张三,25,北京
李四,30,上海
王五,28,广州

第一行是表头，后面每一行是一条数据，用逗号分隔。简单吧？

Python 怎么读 CSV？

Python 读取 CSV 依赖内置的 csv 模块，不需要额外安装。读取的思路很简单：

import csv

# 打开文件（用 with 保证不漏关）
with open('users.csv', 'r', encoding='utf-8') as f:
reader = csv.reader(f)      # 创建一个"阅读器"
for row in reader:          # 逐行读取
    print(row)

运行结果：

['name', 'age', 'city']
['张三', '25', '北京']
['李四', '30', '上海']
['王五', '28', '广州']

每行变成了一个列表，row[0] 是姓名，row[1] 是年龄，row[2] 是城市。说白了就是帮你把逗号去掉，把每行变成数组。

读成字典格式（更直观）

上面的写法需要记住「第 0 列是姓名，第 1 列是年龄」，很容易搞混。用 csv.DictReader 可以把每行变成字典：

import csv

with open('users.csv', 'r', encoding='utf-8') as f:
reader = csv.DictReader(f)       # 读成字典格式
for row in reader:
    print(row['name'], row['age'], row['city'])

输出结果：

张三 25 北京
李四 30 上海
王五 28 广州

这样读的好处是：看到 row['name'] 就知道是姓名，不用数列的位置。

Python 怎么写 CSV？

光读不够，最终要把处理完的数据保存下来。用 csv.writer 写文件：

import csv

# 准备数据（列表里套列表）
data = [
['name', 'age', 'city'],      # 表头
['张三', '25', '北京'],
['李四', '30', '上海']
]

# 写入文件
with open('output.csv', 'w', encoding='utf-8', newline='') as f:
writer = csv.writer(f)        # 创建一个"写入器"
writer.writerows(data)        # 一次写入多行

⚠️ 注意：newline='' 这个参数很重要！Windows 系统不加这个会导致行间距变大。

写字典格式的 CSV

有时候你想指定列名，或者某些列不想要：

import csv

# 用字典格式写入
data = [
{'name': '张三', 'age': 25, 'city': '北京'},
{'name': '李四', 'age': 30, 'city': '上海'}
]

with open('output.csv', 'w', encoding='utf-8', newline='') as f:
fieldnames = ['name', 'age', 'city']    # 指定按这个顺序写列
writer = csv.DictWriter(f, fieldnames=fieldnames)
writer.writeheader()                    # 先写表头
writer.writerows(data)                  # 再写数据

这样输出的文件 Excel 打开就是标准的表格。

CSV 和 JSON 的区别（什么时候用哪个？）

说白了：表格类数据用 CSV，配置类数据用 JSON。

🔥 实战 35 分钟：3 个递进的小项目

项目 1：5 分钟 → 读取并显示 CSV 内容

场景：你有一个 students.csv 文件，想看看里面有什么数据。

import csv

# 读取学生成绩表
with open('students.csv', 'r', encoding='utf-8') as f:
reader = csv.DictReader(f)

print("=" * 40)
print("📋 学生成绩单".center(30))
print("=" * 40)

for i, row in enumerate(reader):
    print(f"第{i+1}行: 姓名={row['name']}, 数学={row['math']}, 语文={row['chinese']}")

# 预期输出：
# ========================================
#           📋 学生成绩单
# ========================================
# 第1行: 姓名=张三, 数学=85, 语文=92
# 第2行: 姓名=李四, 数学=78, 语文=88
# ...

解释：这 10 行代码干了一件事——把 CSV 文件里的每一行读出来，打印成人类能看懂的格式。核心就是 csv.DictReader 这一个 API。

项目 2：15 分钟 → 筛选数据并导出

场景：运营给你一份用户注册表，要你筛选出「北京用户」并且「年龄大于 25 岁」的，导出成新文件。

import csv

# 1. 读取原始数据
source_file = 'users.csv'
target_file = 'filtered_users.csv'

filtered_data = []

with open(source_file, 'r', encoding='utf-8') as f:
reader = csv.DictReader(f)

for row in reader:
    # 筛选条件：城市是北京 AND 年龄大于 25
    if row['city'] == '北京' and int(row['age']) > 25:
        filtered_data.append(row)

# 2. 写入筛选后的数据
with open(target_file, 'w', encoding='utf-8', newline='') as f:
fieldnames = ['name', 'age', 'city', 'register_date']
writer = csv.DictWriter(f, fieldnames=fieldnames)

writer.writeheader()
writer.writerows(filtered_data)

print(f"✅ 筛选完成！共找到 {len(filtered_data)} 条符合条件的数据")
print(f"📁 结果已保存到: {target_file}")

# 预期输出：
# ✅ 筛选完成！共找到 3 条符合条件的数据
# 📁 结果已保存到: filtered_users.csv

解释：
- 第 1 部分是读，用 csv.DictReader 把每行变成字典
- 第 2 部分是筛选，加了一个 if 判断
- 第 3 部分是写，用 csv.DictWriter 按指定列顺序写入

这其实就是 ETL（Extract-Transform-Load） 的简化版：读数据 → 转换 → 存数据。

项目 3：15 分钟 → 做一个小工具：成绩统计器

场景：做一个命令行工具，输入成绩 CSV 文件路径，自动输出：总分、平均分、最高分、最低分。

import csv
import sys


def calculate_scores(file_path):
"""计算成绩统计"""
scores = []
students = []

with open(file_path, 'r', encoding='utf-8') as f:
    reader = csv.DictReader(f)
    for row in reader:
        math_score = int(row['math'])
        chinese_score = int(row['chinese'])
        total = math_score + chinese_score
        scores.append(total)
        students.append({
            'name': row['name'],
            'math': math_score,
            'chinese': chinese_score,
            'total': total
        })

# 统计
avg = sum(scores) / len(scores)
max_score = max(scores)
min_score = min(scores)

return students, avg, max_score, min_score

def main():
if len(sys.argv) < 2:
    print("使用方法: python score_tool.py <成绩文件路径>")
    return

file_path = sys.argv[1]

try:
    students, avg, max_score, min_score = calculate_scores(file_path)

    print("=" * 45)
    print("📊 成绩统计报告".center(35))
    print("=" * 45)

    for s in students:
        print(f"{s['name']}: 数学={s['math']}, 语文={s['chinese']}, 总分={s['total']}")

    print("-" * 45)
    print(f"📈 平均分: {avg:.1f}")
    print(f"🏆 最高分: {max_score}")
    print(f"📉 最低分: {min_score}")

except FileNotFoundError:
    print(f"❌ 文件不存在: {file_path}")
except KeyError as e:
    print(f"❌ CSV 格式错误，缺少列: {e}")

if __name__ == '__main__':
main()

使用方式：

python score_tool.py students.csv

预期输出：

=============================================
      📊 成绩统计报告
=============================================
张三: 数学=85, 语文=92, 总分=177
李四: 数学=78, 语文=88, 总分=166
王五: 数学=92, 语文=85, 总分=177
---------------------------------------------
📈 平均分: 173.3
🏆 最高分: 177
📉 最低分: 166

解释：
- 用 sys.argv 接收命令行参数，让程序可以重复使用
- 把「读取-计算-输出」封装成函数，结构更清晰
- 加了异常处理，文件不存在或格式错误时不会崩溃

💪 进阶 20 分钟：常见坑 + 性能小贴士

坑 1：Windows 写入 CSV 行间距变大

❌ 错误写法：

with open('output.csv', 'w', encoding='utf-8') as f:
writer = csv.writer(f)
writer.writerows(data)

✅ 正确写法：

with open('output.csv', 'w', encoding='utf-8', newline='') as f:
writer = csv.writer(f)
writer.writerows(data)

原因：Windows 的换行符是 \r\n，CSV 模块会自动帮你处理，但如果你不传 newline=''，它会多加一个空行。

坑 2：CSV 有中文乱码

❌ 错误写法：

with open('users.csv', 'r') as f:  # 没指定编码

✅ 正确写法：

with open('users.csv', 'r', encoding='utf-8') as f:

说白了：读中文文件必须指定 encoding='utf-8'，不然就是乱码，这是规矩。

坑 3：把数字读成了字符串

CSV 读出来全是字符串，哪怕那一列全是数字：

row['age']  # 这是字符串 '25'，不是整数 25
int(row['age'])  # 需要手动转成整数才能做计算

坑 4：CSV 有空行

如果源 CSV 文件有些行是空的，csv.reader 会读出空列表 []。记得加个判断：

for row in reader:
if not row:  # 跳过空行
    continue

坑 5：列名有空格

有时候 CSV 表头是 name, age, city，列名后面有空格：

{'name': '张三', ' age': '25', ' city': '北京'}  # 注意空格！

用 strip() 清理一下：

row = {k.strip(): v for k, v in row.items()}

性能小贴士：大文件怎么读？

如果 CSV 文件有几万行，不要一次性全部读进内存。用生成器逐行处理：

import csv

def read_large_csv(file_path):
with open(file_path, 'r', encoding='utf-8') as f:
    reader = csv.DictReader(f)
    for row in reader:
        yield row  # 一次只吐出一行，不占内存

# 使用时：
for row in read_large_csv('big_data.csv'):
process(row)  # 处理完就扔掉，内存占用始终很低

调试技巧：print 大法

写 CSV 处理代码时，最实用的调试方法就是 print：

for row in reader:
print(f"原始数据: {row}")           # 看看读出来是什么
if row['city'] == '北京':
    print(f"✅ 命中北京: {row}")    # 看看有没有匹配上

别小看这个方法，90% 的 bug 都是靠 print 发现的。

✏️ 练习题

练习 1（3 分钟）：改个筛选条件

• 输入：在项目 2 中，把筛选条件从「北京 + 25岁以上」改成「上海用户」
• 预期输出：「上海」的所有用户被筛选出来
• 提示：只改 if 判断那一行

练习 2（2 分钟）：加一个判断

• 输入：在项目 1 基础上，添加判断：如果数学成绩低于 60 分，显示「❌ 不及格」
• 预期输出：低于 60 分的学生行尾有「❌ 不及格」标记
• 提示：加一个 if int(row['math']) < 60 判断

练习 3（5 分钟）：处理新数据

• 输入：有一份商品 CSV（name, price, stock），筛选出「库存小于 10」的商品
• 预期输出：库存告急的商品列表
• 提示：复用项目 2 的代码结构，把筛选条件换成 int(row['stock']) < 10

练习 4（5 分钟）：串两个项目

• 输入：用项目 2 的筛选逻辑 + 项目 3 的统计逻辑，做一个「筛选后统计」的工具
• 预期输出：筛选出符合条件的行后，统计这些行的平均分/最高分/最低分
• 提示：先筛选到 filtered_data 列表，再对这个列表做统计

练习 5（5 分钟）：看报错修 bug

• 输入：下面代码运行时报错 KeyError: 'ag'：

import csv
with open('users.csv', 'r', encoding='utf-8') as f:
reader = csv.DictReader(f)
for row in reader:
    print(row['name'], row['ag'])  # 想打印年龄，但打错了

• 预期输出：修复后正确打印年龄
• 提示：把 row['ag'] 改成 row['age']，检查列名拼写

作业：做一个「数据导入导出工具」

需求描述：
做一个命令行工具，能实现：
1. 读取任意 CSV 文件，按指定列筛选数据
2. 把筛选结果导出成新的 CSV 文件
3. 统计筛选结果的行数

功能点：
1. python tool.py import <源文件> - 查看 CSV 文件的前 5 行
2. python tool.py filter <源文件> <列名> <值> -o <输出文件> - 按条件筛选
3. python tool.py stats <文件> - 统计行数

加分项：
1. 支持多个筛选条件（AND 逻辑）
2. 支持按范围筛选（如：年龄大于 20）

验收标准：
- 能跑起来，不报错
- 输出结果和预期一致
- 代码有注释

提交方式：评论区贴代码或 GitHub 链接

📚 总结 + 资源

这一章学了 3 个核心点：

• CSV 读写：用 csv.reader/DictReader 读，用 csv.writer/DictWriter 写
• 数据筛选：遍历 + if 判断，把符合条件的行存到新列表
• 工具化：把重复操作封装成函数，用命令行参数让它可以重复使用

延伸学习资源：

1. Python 官方 csv 模块文档 - 权威参考
2. 《Python编程：从入门到实践》第 14 章 - 有几个实战项目
3. Pandas 入门 - 处理大数据用这个库更方便

互动钩子：

📊 你在工作中需要处理 CSV 数据吗？有没有遇到过头疼的乱码或者大文件？评论区聊聊你的场景，老粉优先回复！

下章预告：

学完这章，你已经能读写文件、处理数据了。但如果想做一个「用户填表单」的网页，网页上填的数据怎么传给 PHP 处理？下一章，我们来聊 $_GET 和 $_POST，做你的第一个「表单交互」功能。