Python 中使用 eval 动态执行 CSV 数据查询的轻量级方案-Python教程-PHP中文网

Python 中使用 eval 动态执行 CSV 数据查询的轻量级方案

本文介绍一种仅依赖标准库、无需第三方包的动态数据查询方法：通过安全封装 eval() 实现类似 SQL 的灵活条件过滤，适用于 CSV 解析后的列表数据，支持任意字段索引与混合比较运算符。

本文介绍一种仅依赖标准库、无需第三方包的动态数据查询方法：通过安全封装 `eval()` 实现类似 sql 的灵活条件过滤，适用于 csv 解析后的列表数据，支持任意字段索引与混合比较运算符。

在缺乏 Pandas 或 SQLite 等外部库的受限环境中（如嵌入式脚本、沙箱环境或严格合规场景），仍需对结构化数据（如 CSV 解析后的行列表）执行动态条件查询——例如“筛选第2列等于2且第4列不为5的行”，或“第7列是字符串‘Bob’且第13列大于等于0”。这类需求本质上要求运行时解析并执行用户定义的布尔逻辑，而 Python 标准库中的 eval() 正是解决该问题的核心工具。

以下是一个生产就绪的轻量级查询函数：

from collections.abc import Sequence
from typing import Any, Tuple

def query_data(
    data: Sequence[Tuple[Any, ...]],
    condition: str,
    *,
    allow_callables: bool = False
) -> Sequence[Tuple[Any, ...]]:
    """
    基于动态条件表达式过滤数据行。

    Args:
        data: 元组序列（如 csv.reader 输出），每行代表一条记录
        condition: 以 'row' 为行变量的合法 Python 表达式，返回布尔值
        allow_callables: 是否允许调用内置函数（如 isinstance, len, str.startswith）

    Returns:
        满足条件的行组成的列表
    """
    # 限制可用命名空间，提升安全性
    safe_globals = {"__builtins__": {}}
    if allow_callables:
        safe_globals.update({
            "isinstance": isinstance,
            "len": len,
            "str": str,
            "int": int,
            "float": float,
            "bool": bool,
            "None": None,
        })

    return [
        row for row in data
        if eval(condition, safe_globals, {"row": row})
    ]

✅ 使用示例（模拟 CSV 数据）：

QuickBooks Mileage CSV

使用 qbo-mileage CLI 及用户凭证，从 Airtable、Outlook 或 Google Calendar 记录生成 QuickBooks Online 里程 CSV 文件。

下载

csv_data = [
    (1, 2, 3, 4, 5),
    (1, 2, 3, 5, 5),
    (10, 9, 8, 7, 6),
    ("Alice", None, "Bob", 0, -1),
    ("Bob", "Alice", "Charlie", 0, 1),
    ("Daniel", None, "Evan", 1, 0),
]

# 多样化查询
print(query_data(csv_data, "row[1] == 2 and row[3] != 5"))
# → [(1, 2, 3, 4, 5)]

print(query_data(csv_data, "row[0] == 'Bob' and row[1] is not None and row[3] >= 0"))
# → [("Bob", "Alice", "Charlie", 0, 1)]

print(query_data(csv_data, "isinstance(row[0], str) and row[0].startswith('A')"))
# → [("Alice", None, "Bob", 0, -1)]

⚠️ 关键注意事项：

安全性第一：eval() 默认可执行任意代码，必须严格限制 globals 和 locals。本实现默认禁用所有内置函数，仅当显式启用 allow_callables=True 时才开放少数安全函数。
None 比较：务必使用 is None 或 is not None 判断空值（而非 == None），避免自定义类重载 __eq__ 导致意外行为。
字段索引越界：若条件中访问 row[100] 而某行长度不足，将抛出 IndexError。建议预处理数据确保行列一致性，或在外层添加异常捕获。
性能考量：对大数据集，此方法为 O(n×m) 时间复杂度（n 行 × m 条件解析开销）。若性能敏感，应考虑预编译条件（如 compile(condition, '', 'eval') 复用 code object）。

该方案本质是将“查询逻辑”从硬编码解耦为字符串配置，配合 CSV 解析器（如 csv.reader）即可快速构建可配置的数据筛选管道，兼顾灵活性、可维护性与标准库兼容性。