csv.dictreader和dictwriter通过字典操作提升csv读写效率。1. dictreader按字段名读取，支持手动指定表头、处理缺失或多余列；2. dictwriter写入时需调用writeheader()，注意newline=''避免空行，并可控制缺失键行为；3. 中文处理推荐utf-8或utf-8-sig编码；4. 可结合字段映射实现重命名与数据清洗，增强代码可维护性。
在处理 CSV 文件时，csv.DictReader 和 csv.DictWriter 是 Python 标准库中非常实用的工具。它们以字典形式读写数据，让操作更直观、易维护。下面介绍一些常见且高效的使用技巧。
1. 使用 DictReader 按字段名读取数据
DictReader 将每行数据转换为字典，键是表头（第一行），值是对应列的内容。这样无需关心列的顺序，代码更具可读性。
基本用法：
import csv
<p>with open('data.csv', 'r', encoding='utf-8') as file:
reader = csv.DictReader(file)
for row in reader:
print(row['姓名'], row['年龄'])</p>技巧提示：
立即学习“Python免费学习笔记（深入）”；
- 若 CSV 文件无表头，可通过 fieldnames 参数手动指定字段名。
- 使用 restval 设置缺失字段的默认值。
- 用 restkey 接收多余列（当行数据列数多于表头）。
2. 使用 DictWriter 写入带表头的字典数据
DictWriter 可将字典列表写入 CSV，并自动处理表头。适合从 JSON 或数据库导出结构化数据。
Dbsite企业网站管理系统1.5.0
下载
Dbsite企业网站管理系统V1.5.0 秉承"大道至简 邦达天下"的设计理念,以灵巧、简单的架构模式构建本管理系统。可根据需求可配置多种类型数据库（当前压缩包支持Access）.系统是对多年企业网站设计经验的总结。特别适合于中小型企业网站建设使用。压缩包内包含通用企业网站模板一套，可以用来了解系统标签和设计网站使用。QQ技术交流群：115197646 系统特点：1.数据与页
import csv
<p>fieldnames = ['姓名', '年龄', '城市']
data = [
{'姓名': '张三', '年龄': 25, '城市': '北京'},
{'姓名': '李四', '年龄': 30, '城市': '上海'}
]</p><p>with open('output.csv', 'w', encoding='utf-8', newline='') as file:
writer = csv.DictWriter(file, fieldnames=fieldnames)
writer.writeheader()
writer.writerows(data)</p>关键注意点：
- 必须调用 writeheader() 才能写入表头。
- newlin='' 是必需的，防止在 Windows 上出现空行。
- 如果某字典缺少某个 fieldname 的键，会写入空白；可通过 extrasaction='raise' 或 'ignore' 控制异常行为。
3. 处理中文与编码问题
CSV 文件常涉及中文，编码设置不当会导致乱码。
- 读写时统一使用 encoding='utf-8'。
- 如需兼容 Excel，可使用 encoding='utf-8-sig' 避免打开时乱码。
- 确保文件实际编码与指定一致，特别是从不同系统导出的数据。
4. 数据清洗与字段映射
实际应用中，原始字段名可能不规范。可在读取后做字段重命名或筛选。
# 读取时重命名字段
field_mapping = {'Name': '姓名', 'Age': '年龄', 'City': '城市'}
<p>with open('raw.csv', 'r', encoding='utf-8') as f:
reader = csv.DictReader(f)
cleaned_data = []
for row in reader:
cleaned_row = {field_mapping.get(k, k): v for k, v in row.items()}
cleaned_data.append(cleaned_row)</p>写入时也可动态控制输出字段，只保留需要的列。
基本上就这些核心技巧。掌握好 DictReader 和 DictWriter 的参数和上下文管理，能大幅提升 CSV 处理效率和代码清晰度。
