本文介绍当CSV文件结构不规则（如列数不一致、含空行或嵌套HTML）时，为何Pandas读取会失败，并提供使用Python标准库csv模块配合openpyxl安全转换的完整解决方案。
本文介绍当csv文件结构不规则（如列数不一致、含空行或嵌套html）时，为何pandas读取会失败，并提供使用python标准库`csv`模块配合`openpyxl`安全转换的完整解决方案。
Pandas 的 read_csv() 默认假设输入是结构化的表格数据：每行字段数相同、以统一分隔符（如逗号）分隔、且无嵌套内容。而您提供的 CSV 文件本质上是键值对日志式文本，并非标准表格——例如第3行 "Tool Name","v2.1" 有2列，第4行 "Name:","MATT B" 也有2列，但第5行包含带双引号和HTML标签的复杂邮箱字段，且存在空行与标题行（"==CNAME=="），导致Pandas在解析时因字段数预期不一致而抛出 Error tokenizing data. C error: Expected 1 fields in line 3, saw 2。
直接强制指定 delimiter 或 quotechar 并不能解决根本问题，因为该文件缺乏行间语义一致性：它不是“N行×M列”的矩阵，而是半结构化元数据记录。此时应放弃 pandas.read_csv()，改用更底层、更灵活的解析方式。
推荐使用 Python 内置的 csv 模块逐行读取原始文本，它能稳健处理引号包裹、换行符转义等基础CSV规范，且不预设列对齐逻辑；再结合 openpyxl 直接写入 Excel，避免 Pandas 的中间转换开销与格式约束：
诊断并修复涉及公式、命名范围、Power Query 刷新、数据透视表、VBA/宏保存等问题的 Microsoft Excel XLSX 工作簿
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'
# 安全读取原始CSV（不依赖列结构）
with open(csv_file_path, 'r', encoding='utf-8') as f:
reader = csv.reader(f)
# 创建Excel工作簿
wb = Workbook()
ws = wb.active
ws.title = "Raw Data"
# 逐行写入，保留原始行列结构
for row in reader:
ws.append(row)
wb.save(excel_file)
print(f"✅ 成功导出为: {excel_file}")
return excel_file
# 使用示例
convert_csv_to_xlsx(r"C:\Users\aztec\Desktop\del.csv")
⚠️ 注意事项：
- 确保已安装 openpyxl：pip install openpyxl（Pandas 导出 Excel 也依赖此库）；
- 若CSV含中文或特殊字符，请显式指定 encoding='utf-8'（Windows系统常见GBK编码需调整）；
- csv.reader 自动处理双引号包围的字段（如 "a,b","c" → ["a,b", "c"]），但不会解析HTML或转义字符——这恰是优势：保持原始内容不变；
- 如需后续结构化处理（如提取“Name:”后的值），应在写入Excel后，用 openpyxl 或 pandas 对生成的Excel文件按业务逻辑清洗，而非强行用 read_csv 解析源文件。
总结：面对非标准CSV，与其反复调试Pandas参数，不如回归本质——用合适工具做合适的事：csv 模块负责轻量、鲁棒的文本解析，openpyxl 负责精准的Excel写入。这种组合既规避了Pandas的强结构假设，又保证了数据完整性与可维护性。
