本文介绍为何Pandas无法直接读取含不规则行列结构（如标题行、空行、字段数不一致）的CSV文件，并提供使用Python标准库csv模块配合openpyxl安全、可靠地完成CSV到XLSX转换的专业方案。
本文介绍为何pandas无法直接读取含不规则行列结构（如标题行、空行、字段数不一致）的csv文件，并提供使用python标准库`csv`模块配合`openpyxl`安全、可靠地完成csv到xlsx转换的专业方案。
Pandas 的 read_csv() 函数默认假设输入文件是结构化表格数据：每行具有相同数量的字段，字段间以统一分隔符（如逗号）分隔，且语义对齐（即第1列始终代表同一类信息）。而您提供的CSV文件本质上并非表格数据，而是带标记的文本报告——它包含标题行（"==CNAME=="）、空行、键值对形式的元数据（如 "Name:","MATT B"），且各“记录”字段数不一致（第3行2字段，第4行2字段，但第1、2、5行仅1字段）。当 Pandas 在解析时遇到第3行（"Tool Name","v2.1"）后，紧接着的第4行（"Name:","MATT B"）看似正常，但后续第5行（"E-Mail:","<a ...>"）中HTML标签内的逗号会被误识别为分隔符，导致实际解析出超过2个字段，从而触发 Error tokenizing data. C error: Expected 1 fields in line 3, saw 2 —— 这一报错提示本身存在误导（实际问题常出现在后续行），根源在于Pandas的CSV解析器无法容忍嵌套逗号与结构跳跃。
因此，不应强行用 pd.read_csv() 适配此类非表格式数据。正确的做法是绕过Pandas的高层抽象，改用底层、更灵活的解析方式：
✅ 推荐方案：csv.reader + openpyxl
csv.reader 以逐行字符串列表形式忠实还原原始CSV结构（自动处理引号转义、保留空字段），不做强制列对齐；openpyxl 则可直接将每行列表写入Excel工作表，完美保留原始布局。
import csv
import os
from openpyxl import Workbook
def convert_csv_to_xlsx(csv_file_path):
# 构建输出Excel路径
excel_file = os.path.splitext(csv_file_path)[0] + '.xlsx'
# 读取CSV（原样解析，不校验结构）
with open(csv_file_path, 'r', encoding='utf-8') as f:
reader = csv.reader(f)
# 创建Excel工作簿与工作表
wb = Workbook()
ws = wb.active
ws.title = "Raw Data"
# 逐行写入，保持原始行列结构
for row in reader:
ws.append(row)
# 保存文件
wb.save(excel_file)
print(f"✅ 转换完成：{excel_file}")
return excel_file
# 使用示例
convert_csv_to_xlsx(r"C:\Users\aztec\Desktop\del.csv")⚠️ 关键注意事项：
- 确保已安装依赖：pip install openpyxl（Pandas自身依赖的Excel引擎，无需额外安装xlsxwriter等）；
- 若CSV含中文或特殊字符，请显式指定 encoding='utf-8'（Windows系统常见ANSI编码需改为'gbk'）；
- 此方案不尝试解析语义（如自动提取“Name”或“E-Mail”），而是1:1保留原始格式——这恰是处理非结构化报告文件的正确姿态；
- 如需后续结构化处理（例如提取键值对），应在Excel生成后，用Pandas读取该Excel文件（此时格式已规整），再按业务逻辑清洗。
总结：面对不规则CSV，放弃“用Pandas硬读”的思维定式，回归Python标准库的稳健性与控制力，是高效、可维护的工程实践。
