本文介绍当CSV文件包含不规则行（如混合标题、空行、字段数不一致）导致pandas读取失败时，应放弃pd.read_csv()，转而使用Python标准库csv模块配合openpyxl逐行解析并写入Excel，确保数据完整无损。
本文介绍当csv文件包含不规则行（如混合标题、空行、字段数不一致）导致pandas读取失败时，应放弃`pd.read_csv()`，转而使用python标准库`csv`模块配合`openpyxl`逐行解析并写入excel，确保数据完整无损。
Pandas 的 read_csv() 默认假设输入是结构化的表格数据：每行字段数一致、具有明确的列对齐关系，并支持统一分隔符与引号规则。而您提供的 CSV 文件本质上并非“表格”，而是类日志或报告式文本——它包含标题标记（如 "==CNAME=="）、空行、键值对（如 "Name:","MATT B"），且各行列数高度不一致（第1行1列，第3行2列，第4行2列……）。这种“非矩形”结构会直接触发 pandas.errors.ParserError: Expected 1 fields in line 3, saw 2，因为 pandas 在解析时严格校验字段数量一致性，无法容忍动态列宽。
因此，正确的处理思路是：不强行将非结构化文本当作表格加载，而是以纯文本行视角逐行读取、原样保留。推荐采用标准库 csv.reader（能正确处理带引号的字段和转义，比手动 split(',') 更健壮）搭配 openpyxl 直接写入 Excel——既规避了 pandas 的结构约束，又保持了原始格式完整性。
以下是稳定可靠的转换实现：
import csv
import os
from openpyxl import Workbook
def convert_csv_to_xlsx(csv_file_path):
excel_file = os.path.splitext(csv_file_path)[0] + '.xlsx'
# 使用 csv.reader 安全解析（自动处理引号、逗号嵌套等）
with open(csv_file_path, 'r', newline='', encoding='utf-8') as f:
reader = csv.reader(f)
wb = Workbook()
ws = wb.active
ws.title = "Raw Data"
# 逐行写入，完全保留原始结构
for row in reader:
ws.append(row)
wb.save(excel_file)
print(f"✅ Successfully converted '{csv_file_path}' → '{excel_file}'")
return excel_file
# 调用示例
convert_csv_to_xlsx(r"C:\Users\aztec\Desktop\del.csv")
⚠️ 注意事项：
- 不要尝试用 pd.read_csv(..., on_bad_lines='skip') 或 error_bad_lines=False（旧版）强行跳过错误：这会导致关键行丢失（如 "E-Mail:" 行被跳过），且无法保证后续行对齐；
- 避免手动 line.split(',')：原始数据中邮箱字段含 HTML 和 data-cfemail 属性，逗号可能出现在引号内，手动分割极易出错；
- 编码需显式指定：建议使用 encoding='utf-8'，尤其当 CSV 含中文或特殊符号时；
- openpyxl 需提前安装：运行 pip install openpyxl；
- 若需进一步结构化（如提取键值对为两列），可在 for row in reader: 循环中添加逻辑判断（例如 if len(row) == 2 and row[0].endswith(':'):），但原始转换务必优先保证数据零丢失。
该方案本质是“忠实搬运”而非“智能解析”，适用于所有非规范文本型 CSV——它不假设语义，只尊重格式，是处理脏数据最稳健的第一步。
