mongodb导出csv需先将cursor转为列表并预处理：用list(collection.find())生成dataframe，转objectid为str，展平嵌套字段，剔除无关列，导出时指定encoding="utf-8-sig"防乱码。
直接用 pandas.DataFrame.to_csv() 导出 MongoDB 数据是可行的，但必须先正确加载数据——关键不在“怎么导出”，而在“怎么把 cursor 变成能被 pandas 处理的结构”，否则会报 TypeError: 'Cursor' object is not iterable 或空 CSV。
用 list(cursor) 把 MongoDB 查询结果转成 Python 列表
MongoDB 的 collection.find() 返回的是惰性游标（Cursor），pandas 无法直接读取。不能直接传给 pd.DataFrame()，必须先取值。
- ✅ 正确做法：
data = list(collection.find({}))，再传给pd.DataFrame(data) - ❌ 错误写法：
pd.DataFrame(collection.find({}))—— 这会触发TypeError - ⚠️ 注意：如果数据量大（比如 >10 万条），
list()会一次性加载全部到内存，可能 OOM；此时应分批用cursor.batch_size()+ 循环写入 CSV，不经过 pandas
处理 ObjectId 和嵌套字段导致 CSV 写入失败
默认情况下，MongoDB 的 _id: ObjectId("...") 和深层嵌套字典（如 {"user": {"name": "A", "tags": ["x"]}}）会让 to_csv() 报错或生成不可读字段。
- 必须预处理：
df["_id"] = df["_id"].astype(str)，否则 CSV 中该列为空或报TypeError: Object of type ObjectId is not JSON serializable - 嵌套字段不会自动展平——
pandas默认保留为字符串（如"{'name': 'A'}"），若需展开，得用pd.json_normalize() - 示例展平：
df = pd.json_normalize(list(collection.find({})), sep="_")，这样{"addr": {"city": "BJ"}}就变成列addr_city
导出时忽略 MongoDB 元字段或控制字段顺序
CSV 字段顺序混乱、多出不需要的字段（如 _id、__v）很常见，to_csv() 本身不筛选字段，得靠 DataFrame 预处理。
- 排除特定字段：
df.drop(columns=["_id", "__v"], errors="ignore") - 只保留指定字段并排序：
df[["name", "email", "created_at"]]（字段名不存在会报KeyError，加errors="ignore"可跳过） - 注意：MongoDB 文档结构可能不统一（某些文档有
phone，某些没有），pd.DataFrame()会自动补NaN，导出 CSV 后就是空单元格，属正常行为
中文字段名和内容乱码问题（Windows 最常踩坑）
在 Windows 上用 Excel 打开 CSV 中文乱码，几乎全是编码没设对，跟 pandas 无关，而是 to_csv() 的 encoding 参数没配好。
- ✅ 导出时强制用 UTF-8 with BOM：
df.to_csv("out.csv", encoding="utf-8-sig", index=False) - ❌ 不要用
encoding="utf-8"（Excel 打不开中文）、也别用"gbk"（跨平台易出错） - 额外提醒：
index=False必须加，否则第一列是行号，不是原始数据
真正卡住人的往往不是语法，而是游标没转列表、ObjectId 没转字符串、或者 Windows 下忘了 utf-8-sig——这三处一漏，CSV 就要么空，要么乱码，要么打不开。
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！
