本文介绍当CSV文件列数不一致（如含标题行、空行、单字段行等）导致pandas读取报错时，应避开pd.read_csv()，改用Python标准库csv模块逐行解析，并结合openpyxl直接写入Excel。

本文介绍当csv文件列数不一致（如含标题行、空行、单字段行等）导致pandas读取报错时，应避开`pd.read_csv()`，改用python标准库`csv`模块逐行解析，并结合`openpyxl`直接写入excel。

Pandas 的 read_csv() 默认假设输入是结构化表格：每行字段数相同、存在明确的列对齐关系。而您提供的 CSV 文件本质上是非表格型文本日志——它混合了节标题（"==CNAME=="）、空行、键值对（"Name:","MATT B"）和 HTML 片段，行内字段数从 1 到 2 不等。当 pandas 在第 3 行（即 "Tool Name","v2.1"）期望 1 列却遇到 2 列时，便抛出 Expected 1 fields in line 3, saw 2 错误。强制指定 delimiter 或 header=None 无法根本解决语义混乱问题。

正确的处理思路是：放弃“作为表格加载”的假设，转为“按纯文本行解析”。Python 标准库 csv.reader 能稳健处理引号包围、逗号嵌套等常见格式，并忠实地将每行拆分为字符串列表，无论长度是否一致。

以下为推荐实现方案（需提前安装：pip install openpyxl）：

图片转Excel

从图片中提取表格数据并生成Excel文件。当用户提供截图、照片或扫描件中的表格数据，要求转成Excel/xlsx时触发。支持多张图片批量提取，自动识别列结构，数值类型自动识别（Excel可直接计算）。触发词：图片转Excel、截图转表格、图片提取数据、图片转xlsx、image to xlsx、screenshot to spreadsheet。

下载

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'

    # 以文本模式打开CSV，用csv.reader安全解析每一行
    with open(csv_file_path, 'r', encoding='utf-8') as f:
        reader = csv.reader(f)

        # 创建Excel工作簿与活动工作表
        wb = Workbook()
        ws = wb.active
        ws.title = "Raw Data"

        # 逐行写入——csv.reader返回的每行都是list，ws.append()原样接受
        for row in reader:
            ws.append(row)

    wb.save(excel_file)
    print(f"✅ 成功导出至：{excel_file}")
    return excel_file

# 使用示例
convert_csv_to_xlsx(r"C:\Users\aztec\Desktop\del.csv")

⚠️ 注意事项：

• 不要用 pandas 强行读取此类文件：即使设置 on_bad_lines='skip' 或 engine='python'，仍可能丢失数据或产生不可预测的列对齐；
• 编码需显式指定：Windows 环境下 CSV 常为 gbk 或 utf-8-sig，若出现乱码，请在 open() 中添加 encoding='utf-8-sig'；
• HTML 邮箱标签无需额外解析：csv.reader 会将整段 视为一个字段字符串，保留原始结构，Excel 中可正常显示（如需解码邮箱，再用 cf_email 解密逻辑单独处理）；
• 如需后续结构化分析：建议先用此方法转为 Excel 查看全貌，再人工识别规律，编写专用清洗逻辑（例如提取所有 "Key:" 开头的行构建字典）。

该方法轻量、可靠、无依赖冲突，精准匹配“不规则文本 → 表格存档”的实际需求。