textfieldparser 是 windows forms/.net framework 中最稳妥的内置 csv 解析方案，能正确处理引号、换行符、转义逗号等复杂场景，需启用 hasfieldsenclosedinquotes=true 并调用 readfields()。
用 TextFieldParser 读取 CSV 是最稳妥的内置方案
Windows Forms 或 .NET Framework 项目中，Microsoft.VisualBasic.FileIO.TextFieldParser 是唯一能正确处理带引号、换行符、转义逗号等复杂 CSV 场景的原生类。它不依赖第三方包，且对编码（如 UTF-8 BOM）、字段截断、空行有明确行为。
常见错误是直接用 string.Split(',') —— 遇到 "Smith, John",42,"123 Main St\nApt 4" 这类数据会彻底解析错。
- 必须指定
TextFieldType = FieldType.Delimited并调用SetDelimiters(",") - 务必启用
HasFieldsEnclosedInQuotes = true，否则引号内逗号无法识别为分隔符的一部分 - 用
ReadFields()获取字符串数组，不要用ReadLine()后再手动切分 - 注意：该类位于
Microsoft.VisualBasic.dll，需添加引用（即使项目是 C#）
using Microsoft.VisualBasic.FileIO;
// ...
using (var parser = new TextFieldParser("data.csv"))
{
parser.TextFieldType = FieldType.Delimited;
parser.SetDelimiters(",");
parser.HasFieldsEnclosedInQuotes = true;
parser.TrimWhiteSpace = true;
<pre class='brush:php;toolbar:false;'>while (!parser.EndOfData)
{
string[] fields = parser.ReadFields(); // 自动处理引号、换行、转义
Console.WriteLine(string.Join("|", fields));
}}
在 .NET Core / .NET 5+ 中优先选 System.Text.Json + 自定义 CSV 解析器
.NET Core 起不再默认包含 TextFieldParser（虽可通过 NuGet 引入 Microsoft.VisualBasic.Core），但更推荐轻量可控的自定义逻辑——尤其当 CSV 结构固定、无嵌套换行时。
关键点不是“能不能读”，而是“怎么避免分配爆炸”和“如何应对空值/类型转换”。比如逐行 Split 后对每个字段调用 int.TryParse 比全加载进 List<string></string> 再批量转换更省内存。
- 用
StreamReader逐行读取，避免一次性File.ReadAllLines占满内存 - 字段去引号逻辑必须手动实现：
field.StartsWith("\"") && field.EndsWith("\"") ? field.Substring(1, field.Length-2) : field - 若需强类型映射（如转成
Person对象），建议配合Span<char></char>做零分配解析，而非正则或 LINQ - 警惕 BOM：UTF-8 文件开头可能有
\xEF\xBB\xBF，StreamReader默认能识别，但自行FileStream.Read时要跳过
Microsoft.Data.Analysis.DataFrame 适合分析型场景，但别用于通用解析
如果你的目标是做数据清洗、统计或对接 ML.NET，Microsoft.Data.Analysis 提供了类似 pandas 的 DataFrame 和内置 CSV 加载器。但它会把整张表加载进内存，且列类型推断不可控（比如把全数字 ID 列误判为 int，遇到空值就崩）。
典型报错：System.InvalidOperationException: Unable to convert column 'id' to type Int32 because of invalid value '' at row 123。
- 仅在明确需要后续调用
df.Filter、df.GroupBy等操作时才引入 - 必须传入
new DataFrameLoadOptions { HasHeader = true, InferTypes = false }关闭自动类型推断 - 列名含空格或特殊字符时，
df["User Name"]可用，但df.User Name会编译失败 - 不支持流式读取，无法处理 GB 级 CSV
第三方库 CsvHelper 的坑比功能还多
CsvHelper 功能强大，但默认行为极易引发静默错误：比如忽略首行标题却不报错、字段数不匹配时悄悄丢弃末尾列、空字符串转 DateTime 直接抛异常而非返回 null。
真实项目里，90% 的 “CsvHelper 读不出来” 问题都源于没配 CsvConfiguration。
- 必须显式设置
Configuration.Delimiter = ","和Configuration.Quote = '"'，不能依赖默认 - 映射类属性名与 CSV 列名不一致？得用
[Name("user_id")]或Map(m => m.UserId).Name("user_id") - 空值处理：对可空类型（
int?,DateTime?）它能自动跳过，但对string字段，空字符串不会被转成null，得靠ConvertUsing手动干预 - 性能敏感场景慎用：反射绑定 + 大量字符串分配，比手写
Span<char></char>解析慢 3–5 倍
真正难的从来不是“怎么读”，而是“怎么确保第 100001 行的引号没漏掉、空值没崩、编码没乱、内存没爆”。选方案前，先看你的 CSV 里有没有 "O'Reilly, Inc.", "C# \"Best Practices\"", 2024-04-01 这种数据 —— 有，就老实用 TextFieldParser；没有，手写几行 StreamReader + Span 更省心。
