本文介绍如何使用纯 python（不导入 csv 或其他模块）将 csv 文件解析为多个字典，其中首行为字段名（作为字典键），后续每行为对应值（作为字典值），并提供简洁、健壮的实现方案。
本文介绍如何使用纯 python（不导入 csv 或其他模块）将 csv 文件解析为多个字典，其中首行为字段名（作为字典键），后续每行为对应值（作为字典值），并提供简洁、健壮的实现方案。
在处理结构化文本数据时，CSV 是最常见格式之一。当无法或不希望依赖 csv 模块（例如受限环境、教学场景或轻量脚本），我们完全可以仅用内置函数完成「以表头为键、每行为值」的字典化转换。
核心思路分为两步：
- 读取并解析表头行 → 提取字段名列表；
- 逐行处理数据行 → 将每行按逗号分割，与表头用 zip() 配对，再通过 dict() 构造映射关系。
以下是完整、可直接运行的示例代码：
with open("data.csv", "r", encoding="utf-8") as f: # 读取第一行作为 headers，并清洗（去除换行符、空格，按逗号切分） headers = next(f).strip().split(",") # 遍历剩余每一行 for line in f: # 清洗并分割当前行，确保与 headers 长度一致 values = line.strip().split(",") # 使用 zip 将 headers 和 values 组合成键值对，转为字典 row_dict = dict(zip(headers, values)) print(row_dict)假设 data.csv 内容如下：
立即学习“Python免费学习笔记（深入）”；
Column A,Column B Cell 1,Cell 2 Cell 3,Cell 4 Cell 5,Cell 6运行后将输出：
{'Column A': 'Cell 1', 'Column B': 'Cell 2'} {'Column A': 'Cell 3', 'Column B': 'Cell 4'} {'Column A': 'Cell 5', 'Column B': 'Cell 6'}✅ 关键优势说明：
- next(f) 精准消费首行，避免手动索引或条件判断；
- strip() 消除行尾 n 及两端空格，防止键或值含意外空白；
- zip(headers, values) 天然对齐，即使字段含空值或逗号（未加引号）也保持位置一一对应（注意：此方案不支持含逗号/换行/引号的复杂 CSV，如需完整解析请改用 csv 模块）；
- dict(zip(…)) 是构建映射最简洁、Pythonic 的方式，远优于循环 update() 或手动赋值。
⚠️ 注意事项：
- 若 CSV 中存在空行，line.strip() 后可能得到空列表 []，导致 zip 生成空字典。建议添加校验：
if values and len(values) == len(headers): row_dict = dict(zip(headers, values)) - 中文字段或内容需指定 encoding=”utf-8″（windows 默认可能是 gbk），否则易出现乱码；
- 此方法适用于标准逗号分隔、无转义的简单 CSV；对于生产级 CSV（含引号包裹、嵌入逗号等），务必使用 import csv 配合 csv.reader。
掌握这一模式，你就能在零依赖前提下，高效、清晰地将表格数据转化为易于操作的字典序列——这是数据预处理中一项基础而实用的核心技能。