用python内置csv模块实现django csv导入导出是轻量可控方案，但需手动处理编码、字段映射、空值及异常；导出时须设响应头、用io.stringio中转并指定utf-8-sig编码；导入时需标准化字段名、校验必填项、手动转换非字符串字段、避免n+1查询与内存溢出。
直接用 Python 内置 csv 模块封装 Django 的 CSV 导入导出，是轻量、可控且无额外依赖的合理选择——前提是你要自己处理编码、字段映射、空值和边界异常，Django 不会替你兜底。
导出 QuerySet 到 CSV 文件时，必须手动处理响应头和编码
Django 的 HttpResponse 默认不设 Content-Type 和 Content-Disposition，浏览器不会识别为可下载文件；同时，csv.writer 只接受 str，不能直接写入 HttpResponse（它是字节流），必须用 io.StringIO 中转并指定 encoding='utf-8-sig' 避免 Excel 打开乱码或丢首列。
实操建议：
- 用
io.StringIO()创建文本缓冲区，传给csv.writer(file_obj) response = HttpResponse(content_type='text/csv; charset=utf-8')response['Content-Disposition'] = 'attachment; filename="data.csv"'- 写完后调用
output.seek(0)，再用response.write(output.read())
导入 CSV 时，csv.DictReader 的字段名必须与模型字段严格对齐
常见错误是 CSV 第一行标题写成中文（如“用户名”）、带空格或大小写混用（如 user_name vs UserName），而 Django 模型字段是英文蛇形命名。一旦键不匹配，model(**row) 会抛 TypeError: unexpected keyword argument。
使用场景：后台管理页上传按钮触发视图函数。
实操建议：
- 先用
csv.Sniffer().sniff()探测分隔符（防制表符、分号等非逗号分隔） - 显式传
fieldnames给DictReader，或用next(reader)读头行后做strip().lower().replace(' ', '_')标准化 - 逐行校验必填字段是否为空字符串或
None，避免IntegrityError - 用
bulk_create(..., ignore_conflicts=True)替代单条save()提升性能
处理日期、布尔、外键等非字符串字段时，不能依赖 csv 自动转换
csv 模块只做字符串读写，所有类型都是 str。比如 CSV 里写 2024-03-15，直接赋给 models.DateField 字段会报 ValidationError；is_active,"true" 里的 "true" 不等于 Python 的 True；外键字段若存的是 ID 而非对象，需手动查库 ForeignKeyModel.objects.get(id=row['category_id'])。
参数差异：datetime.strptime(row['created_at'], '%Y-%m-%d') 必须和 CSV 实际格式一致，否则 ValueError；建议统一用 %Y-%m-%d %H:%M:%S 并配 try/except。
性能影响：每行都查一次外键会 N+1 查询，应提前用 list() 批量取 ID 映射字典缓存。
大文件导入时，csv.reader 本身不占内存，但全加载进列表会 OOM
有人习惯 list(reader) 一次性读完再处理，这在 CSV 超过 10 万行时极易触发内存溢出。Python 的 csv 迭代器本身是流式，关键在后续逻辑别把它转成大列表。
实操建议：
- 用
for row in reader:原生迭代，配合itertools.islice分批（如每 500 行bulk_create） - 上传文件走
request.FILES['file'].file，别用.read()全读进内存 - 用
transaction.atomic()包裹整批，失败时自动回滚，但注意长事务会锁表
最常被忽略的是 Excel 保存为 CSV 时默认用系统区域设置编码（Windows 是 gbk），而代码按 utf-8 解，直接报 UnicodeDecodeError ——得先用 chardet 或尝试 errors='replace' 容错，再决定是否转码。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
