LOAD DATA INFILE是MySQL最快最稳的CSV导入方式，但需满足secure_file_priv路径限制、正确设置字段分隔符与引号、跳过标题行、处理日期格式及授权FILE权限；PostgreSQL用COPY（服务器端）或\copy（客户端）；SQLite用.import需注意模式、编码和换行；跨平台推荐pandas+SQLAlchemy并优化chunksize和method参数。
MySQL用LOAD DATA INFILE直接导入CSV
只要CSV文件在数据库服务器本地，LOAD DATA INFILE 是最快最稳的方式。它绕过客户端解析，由MySQL服务端直接读取文件，百万行数据通常几秒完成。
常见错误是报错 ERROR 1290 (HY000): The MySQL server is running with the --secure-file-priv option —— 这说明MySQL只允许从特定目录读文件。先查允许路径：
SHOW VARIABLES LIKE 'secure_file_priv';返回结果为空或
/var/lib/mysql-files/这类路径，你就得把CSV拷到那个目录下，再用绝对路径引用。
- 字段分隔符默认是制表符，CSV要用
FIELDS TERMINATED BY ','，带引号的字段还得加OPTIONALLY ENCLOSED BY '"' - 首行是标题？加
IGNORE 1 ROWS跳过 - 日期字段格式不匹配（比如CSV里是
2024-03-15但表定义为DATETIME）会静默转成0000-00-00 00:00:00，建议先用SELECT验证格式 - 权限必须有
FILE权限，普通应用账户通常没有，得让DBA授权：GRANT FILE ON *.* TO 'user'@'host';
PostgreSQL用COPY命令导入CSV
COPY是PostgreSQL原生命令，性能和LOAD DATA INFILE相当，但要求文件在数据库服务器上，且连接用户需有pg_read_server_files角色（或超级用户）。
容易卡在路径问题：用COPY table_name FROM '/path/to/file.csv'时，路径是服务器视角，不是你本地机器。如果没权限访问文件，会报ERROR: could not open file "/xxx.csv" for reading: Permission denied。
- 客户端导入可用
\copy（psql元命令），文件路径是你本地的，但速度稍慢，适合万级以下数据 - 字段含逗号或换行？确保CSV用双引号包裹字段，并声明
CSV HEADER QUOTE '"' DELIMITER ',' - 目标列顺序必须和CSV列顺序一致，除非显式指定列名：
COPY t(a,b,c) FROM '/x.csv' ... - 遇到类型转换失败（如字符串往
INT插空值），默认整行失败；加ON ERROR CONTINUE（v15+）或提前用NULL AS ''定义空值映射
SQLite用.import命令处理小批量CSV
.import是SQLite CLI内置命令，不走SQL解析，纯文本逐行导入，适合本地开发、测试或单机工具场景。注意它不校验约束、不触发触发器，也不支持事务回滚——出错就得删表重来。
Miller (mlr) 是一个命令行工具，用于查询、整形和重新格式化名称索引数据，如 CSV、TSV、JSON 和 JSON Lines。它将 awk、sed、cut、join 和 sort 的功能整合到一个专为结构化数据处理而构建的单一工具中。
典型翻车点是编码和分隔符：默认按制表符切分，CSV得先设.mode csv，否则所有字段挤进第一列。另外Windows写的CSV常用CRLF换行，Linux下可能多出^M字符，导致最后一列异常。
- 执行前务必
.headers on确认头行是否被当数据读了；若CSV有标题，加--skip 1（3.37+版本）或手动删头行 - 字段含双引号？CLI默认用
"做引号，但不会自动转义内部"，得确保CSV符合RFC 4180规范（即内部引号写成""） - 数值型字段插入字符串会静默转成0，无法像PostgreSQL那样
ON CONFLICT兜底，得靠预处理清洗
跨平台通用方案：用Python pandas + SQLAlchemy
当CSV在你本地、数据库远程，或者需要清洗/转换逻辑时，pandas.read_csv() + df.to_sql() 是最灵活的选择。但它本质是循环INSERT，大数据量（>10万行）会明显变慢，且默认不启用execute_many模式。
性能坑主要在默认参数：不设chunksize直接读GB级CSV会爆内存；不用method='multi'或method='batch'（SQLAlchemy 2.0+）就只能单条提交，速度差10倍以上。
- MySQL推荐：
to_sql(..., method='multi', chunksize=10000)，配合engine = create_engine('mysql+pymysql://...', echo=False) - PostgreSQL更稳：
method='multi'或直接用psycopg2.extras.execute_batch手写批量插入 - 注意
if_exists='replace'会先DROP TABLE，别误删生产表；'append'才安全 - 中文乱码？读CSV时显式指定
encoding='utf-8-sig'（防BOM），写入前检查df.dtypes避免object列被当成TEXT塞进数字字段
真正麻烦的从来不是“怎么导”，而是CSV字段语义模糊、缺失值标记不一、时间格式混杂——这些得在pandas里用fillna()、pd.to_datetime()、astype()一个个对齐，没法靠一条SQL命令解决。
