pandas.read_csv()报错主因是默认严格解析CSV规范，解决方法包括：①用on_bad_lines='skip'（新版）或error_bad_lines=False（旧版）跳过异常行；②设quoting=csv.QUOTE_NONE配合engine='python'禁用引号解析；③逐块读取+csv.reader异常捕获手动清洗。
直接用 pandas.read_csv() 会报错，不是因为文件“真坏了”，而是它默认按严格 CSV 规范解析——比如某行多了一个逗号、引号没闭合、换行符在字段里，就直接抛 ParserError。解决思路不是“修复文件”，而是让解析器容忍这些不规范。
用 error_bad_lines=False（旧版）或 on_bad_lines='skip'（新版）跳过异常行
这是最常用也最直接的应对方式：让 pandas 主动忽略无法解析的整行，继续读后续内容。注意参数名在 pandas 1.3+ 已改为 on_bad_lines，旧版用 error_bad_lines 会被警告。
常见错误现象：ParserError: Expected 5 fields in line X, saw 6
-
on_bad_lines='skip'：跳过该行，不报错，但你要意识到数据有缺失 -
on_bad_lines='warn'：打印警告并跳过，适合调试时定位坏行位置 - 不能设为
'raise'（默认值），否则一碰到就中断 - 这个参数只对结构错位有效（如列数不一致），对编码错误或空文件无效
用 quoting=csv.QUOTE_NONE 避免引号解析干扰
很多“损坏”其实是人工编辑导致引号不配对或字段含未转义引号，pandas 默认按 RFC 4180 解析引号，一遇到就崩溃。关掉引号解析，让所有内容当纯文本处理，反而更鲁棒。
立即学习“Python免费学习笔记（深入）”；
使用场景：Excel 导出后手动改过、日志拼接生成的 CSV、字段含 JSON 片段
- 必须配合
escapechar='\'或doublequote=False使用，否则反斜杠或双引号可能引发新问题 - 加上
engine='python'，因为 C 引擎不支持QUOTE_NONE - 示例：
pd.read_csv('bad.csv', quoting=csv.QUOTE_NONE, engine='python', on_bad_lines='skip')
逐块读取 + 异常捕获，手动清洗每行
当文件大、坏行分布杂、且你清楚坏数据的模式（比如某列总是多一个逗号），靠跳过或关引号不够——得自己控制解析逻辑。
性能影响：比直接 read_csv 慢 3–5 倍，但可控性强
- 用内置
csv.reader逐行读，捕获csv.Error，对单行做字符串切分或正则清理 - 对含嵌入换行符的字段（如备注列含
），先用
open(..., newline='')打开，否则csv.reader会误判行数 - 不要用
str.split(',')替代csv.reader，它无法处理带逗号的 quoted 字段 - 示例关键片段：
with open('bad.csv', newline='') as f: reader = csv.reader(f) for i, row in enumerate(reader): try: # 尝试转成 DataFrame 行或存入 list pass except csv.Error as e: # 记录第 i 行错误，按需修复字符串再 parse fixed = fix_malformed_line(f.readline())
真正难的不是跳过坏行，而是判断哪一行该跳、哪一行该修、哪一行其实只是编码不对（比如 GBK 文件用 UTF-8 打开）。建议先用 file -i bad.csv 或 Python 的 chardet.detect() 确认编码，再决定解析策略。否则 on_bad_lines='skip' 可能把你本想保留的中文行全跳了。
