\_csv模块是python标准库中用c实现的底层csv处理模块，性能高但需手动处理编码、引号、换行等；日常开发应优先使用其上层封装csv模块。
Python 的 _csv 模块是标准库中用于高效读写 CSV（逗号分隔值）文件的核心底层模块，它由 C 语言实现，性能高、内存占用低。但注意：日常开发中不建议直接使用 _csv 模块，而应优先使用其封装更友好、功能更完整的高层接口——csv 模块（它正是基于 _csv 构建的）。本文聚焦于理解 _csv 的定位、关键类与典型使用场景，帮你避开误用陷阱。
为什么一般不用 _csv 模块？
_csv 是纯底层 C 扩展模块，暴露的是原始解析器/生成器对象，没有自动处理引号、换行、编码、字段映射等常见需求。它面向的是需要极致性能或自定义解析逻辑的高级用户，例如：
- 构建自定义 CSV 流处理器（如边读边过滤、流式转 JSON）
- 嵌入式或资源受限环境中精简依赖
- 调试
csv模块行为或扩展其功能
普通读写 CSV 推荐始终用 import csv —— 它已为你处理好编码、Dialect 自动推断、DictReader/DictWriter 等关键便利特性。
_csv 模块的核心类与函数
该模块主要提供以下底层组件：
立即学习“Python免费学习笔记（深入）”；
本文档主要讲述的是Python之模块学习；python是由一系列的模块组成的，每个模块就是一个py为后缀的文件，同时模块也是一个命名空间，从而避免了变量名称冲突的问题。模块我们就可以理解为lib库，如果需要使用某个模块中的函数或对象，则要导入这个模块才可以使用，除了系统默认的模块（内置函数）不需要导入外。希望本文档会给有需要的朋友带来帮助；感兴趣的朋友可以过来看看
-
_csv.reader：接受可迭代对象（如文件对象），返回逐行解析的迭代器，每行是字符串列表 -
_csv.writer：接受可写文件对象，提供writerow()和writerows()方法写入序列 -
_csv.Dialect：描述 CSV 格式规则的类（如分隔符、引号字符、是否跳过空行），可通过子类或register_dialect()注册 -
_csv.Error：CSV 解析错误的基类异常
⚠️ 注意：_csv 不处理文本编码转换——你必须确保传入的是已解码的 str（读取时用 open(..., encoding='utf-8')），或已编码的 bytes（写入时需注意模式为 'wb'）。
一个安全使用的 _csv 示例（读取）
以下代码演示如何正确配合 open() 使用 _csv.reader：
import _csv
<p>with open('data.csv', encoding='utf-8') as f:
reader = _csv.reader(f, delimiter=',', quotechar='"', skipinitialspace=True)
for row in reader:
print(row) # row 是 list[str]，如 ['Alice', '25', 'Engineer']</p>关键点：
- 必须显式指定
encoding，否则默认按系统编码（易出错） -
delimiter、quotechar等参数需与文件实际格式严格匹配 - 不支持自动类型转换（所有字段都是字符串），需手动
int(row[1])等 - 无表头识别能力，若需列名映射，请自行处理首行或改用
csv.DictReader
何时考虑用 _csv 而非 csv？
仅在满足以下至少一项时才值得深入 _csv：
- 单文件处理超百万行，且 profiling 显示
csv.reader成为瓶颈（通常不会） - 需绕过
csv的某些默认行为，比如禁用引号解析、自定义空白处理逻辑 - 在 C 扩展中嵌入 Python CSV 处理能力（如 PyO3 或 cpyext 场景）
绝大多数项目中，csv 模块 + 正确的 encoding 和 dialect 配置，已足够健壮高效。盲目替换为 _csv 可能引入编码错误、丢失异常信息、增加维护成本。
