on_bad_lines参数仅支持"error"（默认报错）、"warn"（警告并跳过）、"skip"（静默跳过）三个值，且必须配合engine="python"使用，C引擎不支持该参数。
on_bad_lines参数在pandas.read_csv中到底支持哪些值
on_bad_lines 是 pandas 3.0+ 新增的关键字参数，用于控制 CSV 解析遇到格式异常行（比如字段数不匹配、引号未闭合）时的行为。它只在 engine="python" 下生效（默认 engine="c" 不支持该参数，强行传入会报 ValueError: Invalid parameter "on_bad_lines" for engine "c"）。
可用值只有三个："error"（默认，抛 ParserError）、"warn"（打印警告并跳过）、"skip"（静默跳过）。注意：没有 "ignore" 或 "continue" 这类别名，写错会直接报 ValueError: on_bad_lines must be 'error', 'warn', or 'skip'。
为什么设了on_bad_lines="skip"还是报错
最常见原因是没显式指定 engine="python"。pandas 默认用 C 引擎解析，而 C 引擎完全不识别 on_bad_lines 参数——它要么成功，要么崩溃，没有“跳过”逻辑。
必须同时满足两个条件才真正生效：
立即学习“Python免费学习笔记（深入）”；
-
on_bad_lines设为"warn"或"skip" -
engine="python"显式传入
示例正确写法：
df = pd.read_csv("data.csv", on_bad_lines="skip", engine="python")漏掉 engine="python" 就会触发报错而非跳过。
用on_bad_lines="skip"时，哪些异常行真能被跳过
engine="python" + on_bad_lines="skip" 能处理的仅限于“行结构错误”，典型包括：
使用 qbo-mileage CLI 及用户凭证，从 Airtable、Outlook 或 Google Calendar 记录生成 QuickBooks Online 里程 CSV 文件。
- 某行字段数与表头不一致（如 header 有 5 列，某行只写了 3 个逗号分隔值）
- 某行存在未闭合的双引号（
"value1","unterminated value） - 换行符出现在 quoted 字段内（但文件本身用 \n 分割行）
它**不能**处理以下情况：
- 编码错误（如文件是 GBK 却用 utf-8 打开 → 报
UnicodeDecodeError） - 空文件或首行为空 → 报
EmptyDataError - 列名重复 → 报
DuplicateLabelError（发生在解析后，不在on_bad_lines管辖范围）
也就是说，on_bad_lines 只管“这行能不能拆成字段”，不管“这行能不能解码”或“拆完字段合不合逻辑”。
跳过异常行后如何知道丢了多少数据
on_bad_lines="warn" 会在终端输出类似这样的警告：
ParserWarning: Skipping line 42: expected 5 fields, saw 7但它不会告诉你总共跳了几行，也不提供回调钩子。
如果需要精确统计，得自己封装一层：
import pandas as pd
from io import StringIO
<p>def safe_read_csv(filepath, **kwargs):
with open(filepath, "r", encoding=kwargs.get("encoding", "utf-8")) as f:
lines = f.readlines()</p><pre class="brush:php;toolbar:false;">good_lines = []
bad_count = 0
for i, line in enumerate(lines, 1):
try:
# 用 StringIO 模拟单行读取，复用 pandas 解析逻辑
pd.read_csv(StringIO(line), nrows=1, **{k: v for k, v in kwargs.items() if k != "on_bad_lines"})
good_lines.append(line)
except Exception:
bad_count += 1
print(f"Skipped {bad_count} bad lines")
return pd.read_csv(StringIO("".join(good_lines)), **kwargs)
不过这种做法性能差很多，仅适合小文件或调试阶段。生产环境建议先用 on_bad_lines="warn" 跑一次看警告，再决定是否清洗源数据。
