本文介绍一种健壮、可扩展的方法，使用原生 `csv` 模块解析具有嵌套结构的 csv（如订单主表+明细行），将分散在多行中的字段（如 artikelnummer、styckpris）按逻辑分组并展开为 `artikelnummer_1`, `artikelnummer_2` 等标准化列，完美解决顺序混乱、数量不一、空主键行等实际难题。
在处理某些导出型 CSV（如电商订单报表）时，常见一种“主-子”混合格式：首行为订单头（含 Ordernummer），后续空 Ordernummer 的行则属于该订单的明细项（如多个 Artikelnummer 和对应价格）。这种结构无法直接用 pandas.read_csv() 解析——因为 pandas 默认按行列对齐，而此处逻辑关系是跨行的。
原提问者尝试用 .split(‘;’) 处理单列字符串，但数据实际是物理多行、逻辑一对多，强行切分会导致错位、丢失或崩溃。正确思路是：逐行扫描，识别主记录（非空 Ordernummer）与子记录（空 Ordernummer），动态构建每条订单的完整字段映射。
以下为推荐实现方案，兼顾鲁棒性、可读性与可维护性：
✅ 核心策略
- 使用 python 内置 csv 模块逐行读取（避免 pandas 对不规则结构的误解析）
- 维护一个 out_data 列表，每个元素为 dict，代表一条完整订单记录
- 遇到非空 Ordernummer → 新建记录，拷贝当前行所有字段（主表信息）
- 遇到空 Ordernummer → 向最后一条记录追加子字段（如 Artikelnummer_1, Artikelns styckpris inkl moms_1）
- 自动推断最大子项数，确保输出 CSV 列头完整覆盖所有可能列（如 _1, _2, _3）
? 完整可运行代码
import csv import pandas as pd def parse_nested_csv( input_file: str = 'orderexport_new.csv', output_file: str = 'ny_orderdata.csv', main_key_col: int = 0, # Ordernummer 所在列索引（从0开始） sub_cols: list = [1, 3], # 需要拆分为多列的子字段列索引（如 Artikelnummer, styckpris） sub_col_names: list = ['Artikelnummer', 'Artikelns styckpris inkl moms'] ): """ 解析主-子混合CSV，将子行字段展开为带序号的列（如 Artikelnummer_1, Artikelnummer_2） Args: input_file: 输入CSV路径 output_file: 输出CSV路径 main_key_col: 主键列索引（Ordernummer所在列） sub_cols: 子字段列索引列表（需展开的列） sub_col_names: 对应子字段的基名列表（用于生成列名如 'Artikelnummer_1'） """ out_data = [] max_sub_count = 0 # 记录全局最大子项数 with open(input_file, encoding='utf-8') as f: reader = csv.reader(f) # 跳过两行表头（根据你的示例：第一行为字段名，第二行为单位/说明） try: headers1 = next(reader) # 如 ['Ordernummer', 'Intakt inkl moms', ...] headers2 = next(reader) # 如 ['', 'Artikelnummer', 'Antal', ...] except StopIteration: raise ValueError("CSV 文件至少需要两行表头") for row in reader: if len(row) <= main_key_col or not row[main_key_col].strip(): # 子行：空 Ordernummer → 追加到上一条记录 if not out_data: continue # 忽略开头无主键的孤立子行 # 当前子项序号（从1开始） current_sub_idx = len([k for k in out_data[-1].keys() if k.startswith(sub_col_names[0] + '_')]) + 1 max_sub_count = max(max_sub_count, current_sub_idx) # 为每个指定子列生成带序号的新键值 for i, col_idx in enumerate(sub_cols): if col_idx < len(row): key_name = f"{sub_col_names[i]}_{current_sub_idx}" out_data[-1][key_name] = row[col_idx].strip() else: # 主行：新建记录，初始化主字段 new_record = {headers1[i]: row[i].strip() if i < len(row) else "" for i in range(len(headers1))} out_data.append(new_record) # 构建最终列头：主字段 + 动态生成的子字段（最多 max_sub_count 个） main_headers = [h for h in headers1 if h.strip()] dynamic_headers = [] for name in sub_col_names: for i in range(1, max_sub_count + 1): dynamic_headers.append(f"{name}_{i}") all_headers = main_headers + dynamic_headers # 写入结果CSV with open(output_file, 'w', newline='', encoding='utf-8') as f: writer = csv.DictWriter(f, fieldnames=all_headers) writer.writeheader() for record in out_data: # 补全缺失的动态列（避免 KeyError） padded_record = {k: record.get(k, "") for k in all_headers} writer.writerow(padded_record) print(f"✅ 成功解析 {len(out_data)} 条订单，最大子项数：{max_sub_count}") print(f"? 输出列：{all_headers}") return pd.DataFrame(out_data, columns=all_headers) # --- 使用示例 --- if __name__ == "__main__": # 配置你的字段映射（关键！按实际CSV结构调整） df_result = parse_nested_csv( input_file='orderexport_new.csv', output_file='ny_orderdata.csv', main_key_col=0, # Ordernummer 在第0列 sub_cols=[1, 3], # "Intakt inkl moms"列（索引1）和"Dynamisk valutajusterad"列（索引3）需展开 sub_col_names=['Artikelnummer', 'Artikelns styckpris inkl moms'] ) print(df_result.head())⚠️ 关键注意事项
- 编码兼容性：示例中使用 utf-8，若原始文件为 latin1（如问题中所示），请将 encoding='utf-8' 改为 encoding='latin1'
- 表头处理：代码默认跳过前两行（适配你提供的表格结构）。若你的 CSV 只有一行表头，请删除 headers2 = next(reader) 并调整 headers1 逻辑
- 列索引校准：sub_cols 中的数字必须严格对应 CSV 的实际列索引（用 excel 或文本编辑器确认）。例如 "Artikelnummer" 在第二行显示为第2列，但在数据行中可能是索引 1（0起始）
- 空值安全：自动填充缺失子字段为空字符串，避免 pandas 后续处理报错
- 扩展性：只需修改 sub_cols 和 sub_col_names 即可支持任意数量的子字段（如增加 Antal_1, Antal_2）
? 总结
此方法摒弃了对“单列内分号分割”的错误假设，直击问题本质——结构化解析跨行逻辑关系。它不依赖数据顺序，能自动适应不同订单的子项数量差异，并生成规整的宽表（wide format）供后续分析。对于类似 ERP/CRM 导出的不规则报表，这是最可靠、最易调试的解决方案。
立即学习“Python免费学习笔记（深入）”；