最稳妥的导出方式是显式指定字段而非使用SELECT *。需注意权限、字段顺序、NULL处理、特殊字符转义，并通过视图或配置化管理字段清单，确保可维护性与安全性。
用 SELECT 指定字段导出，别用 *
直接写死要导出的列名，是最稳妥、最可控的方式。用 * 看似省事，但表结构一变（比如新增敏感字段或大文本列），导出文件就可能暴增、失败，甚至泄露数据。
常见错误是导出脚本里还留着 SELECT *，尤其在定时备份或交接给他人维护时容易被忽略。
-
mysqldump -u user -p db_name table_name --where="1=1" --fields-enclosed-by='"' --tab=/tmp/这类命令不支持只选列，得靠SELECT ... INTO OUTFILE或客户端工具 - PostgreSQL 用
psql -c "COPY (SELECT col1, col2 FROM t) TO '/path/out.csv' WITH CSV HEADER;" - MySQL 命令行：先连上，再执行
SELECT col_a, col_b, created_at FROM orders WHERE status = 'paid' INTO OUTFILE '/tmp/orders_light.csv' FIELDS TERMINATED BY ',' ENCLOSED BY '"' LINES TERMINATED BY ' '; - 注意权限：
INTO OUTFILE要求 MySQL 有写入目标目录的权限，且路径必须是服务端本地路径，不是你本地机器
用 pg_dump 或 mysqldump 配合视图导出
当需要长期复用某几列的导出逻辑（比如每月财务报表固定字段），建个视图比每次拼 SQL 更可靠。
视图把字段选择、过滤、类型转换都固化下来，导出命令就能保持稳定，也不怕手误漏列。
- MySQL 创建视图：
CREATE VIEW export_orders AS SELECT id, amount, currency, DATE(created_at) as date FROM orders WHERE deleted = 0; - 然后用
mysqldump -u u -p db_name export_orders > export_orders.csv（需配合--tab或用SELECT ... INTO OUTFILE导出为 CSV） - PostgreSQL 直接
pg_dump -t export_orders -F csv -f export.csv db_name不行，pg_dump不支持按视图导出 CSV；得用psql -c "COPY export_orders TO STDOUT WITH CSV HEADER" - 视图不会提升导出性能，但能避免重复写错字段名或条件，特别适合多人协作或自动化脚本
导出 CSV 时字段顺序和 NULL 处理容易翻车
字段顺序不是“看着顺眼就行”，它直接影响下游系统解析——尤其是用 Excel 打开或 Python pandas.read_csv() 加载时，列对不上就全乱了。
NULL 值默认导出为空字符串，但有些系统要求显示为 N 或 NULL 字符串，不统一就会报错或数据错位。
- MySQL
INTO OUTFILE中用FIELDS TERMINATED BY ',' ENCLOSED BY '"' LINES TERMINATED BY ' '是基础配置，但若字段含换行符或双引号，必须加ESCAPED BY '\'，否则 CSV 格式会崩 - PostgreSQL 的
COPY ... WITH CSV默认把 NULL 输出为空，加NULL 'NULL'可改成字符串NULL，如：COPY t TO STDOUT WITH (FORMAT CSV, HEADER, NULL 'NULL') - 如果字段里有逗号、换行、引号，又不想加转义，更稳妥的是导出为 TSV（制表符分隔）：
FIELDS TERMINATED BY ' '，Excel 和多数分析工具都支持
Python 脚本导出时别硬编码字段列表
写脚本导出时，把字段名写死在代码里（比如 ['name', 'email', 'updated_at']）看似简单，但表结构一改，脚本就静默少导字段，问题很难发现。
真正省心的做法是让字段定义和业务逻辑绑定，而不是和 SQL 字符串耦合。
- 用 SQLAlchemy 的
inspect(table).c.keys()获取列名，再按白名单过滤：[c for c in cols if c not in ['password_hash', 'raw_log']] - 或者把字段清单单独提成配置项，比如 YAML 文件：
export_fields: [user_id, order_total, shipped_at]，代码只读配置、不碰字段名 - 如果用
pd.read_sql()，务必加columns=...参数限定返回列，避免 DataFrame 里混进不需要的大字段（如 JSON blob），拖慢内存和导出速度 - 别依赖
df.to_csv()默认行为——它默认不处理 NaN，也不强制字符串字段加引号，导出后 Excel 可能自动转数字或科学计数，要用quoting=csv.QUOTE_NONNUMERIC和na_rep=''
