本文介绍一种安全、高效的方法，通过读取原始csv、条件分流写入两个新文件（“已用”与“未用”），再用“未用”文件覆盖原文件，实现数据行的精准迁移与清理。
本文介绍一种安全、高效的方法，通过读取原始csv、条件分流写入两个新文件（“已用”与“未用”），再用“未用”文件覆盖原文件，实现数据行的精准迁移与清理。
在实际数据处理流程中（如批量邮件发送、任务队列消费、ETL抽取等），常需将已处理的记录从源CSV中“移出”，既保留操作痕迹（存入 used.csv），又确保后续运行只处理剩余数据。CSV本身不支持原地删除行，因此必须采用“读–分–写–替换”的策略：一次性读取全部内容，按业务逻辑分流写入两个独立文件，最后用“未用数据”文件安全覆盖原始文件。
以下是一个完整、健壮的实现示例。假设我们希望将所有 Department == "Marketing" 的员工记录移至 used.csv，其余保留在更新后的 data.csv 中：
maven使用方法 中文WORD版
下载
本文档主要讲述的是maven使用方法；Maven是基于项目对象模型的（pom），可以通过一小段描述信息来管理项目的构建，报告和文档的软件项目管理工具。Maven将你的注意力从昨夜基层转移到项目管理层。Maven项目已经能够知道 如何构建和捆绑代码，运行测试，生成文档并宿主项目网页。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
import csv
import shutil
# 定义路径
input_file = "data.csv"
used_file = "used.csv"
temp_file = "data_temp.csv" # 避免直接覆盖时出错
# 步骤1：打开输入与两个输出文件（注意：必须指定 newline=''）
with open(input_file, newline='') as f_in, \
open(used_file, "w", newline='') as f_used, \
open(temp_file, "w", newline='') as f_temp:
reader = csv.reader(f_in)
writer_used = csv.writer(f_used)
writer_temp = csv.writer(f_temp)
# 步骤2：读取并写入表头（如有）
try:
header = next(reader)
writer_used.writerow(header)
writer_temp.writerow(header)
except StopIteration:
# 空文件，直接退出
pass
# 步骤3：逐行判断并分流写入
for row in reader:
if len(row) > 1 and row[1].strip() == "Marketing": # 防止索引越界 + 去空格
writer_used.writerow(row)
else:
writer_temp.writerow(row)
# 步骤4：原子化替换原文件（关键！）
shutil.move(temp_file, input_file)
print(f"✅ 已成功将 {sum(1 for _ in open(used_file))) - (1 if sum(1 for _ in open(used_file)) > 0 else 0)} 条 Marketing 记录移入 '{used_file}'")
print(f"✅ 原始文件 '{input_file}' 已更新为剩余数据。")✅ 关键注意事项：
- 永远使用 newline=''：避免在 Windows 下产生多余空行（Python CSV 模块强制要求）；
- 优先使用 with 语句管理文件：确保异常时自动关闭，提升健壮性（原答案中“无需手动关闭”仅适用于极简脚本，生产环境务必显式管理）；
- 表头处理要安全：用 try/except 处理无表头或空文件场景；
- 字段校验不可少：访问 row[1] 前检查长度，避免 IndexError；
- 替换务必原子化：先写入临时文件，再 shutil.move() 替换，防止中断导致原文件损坏；
- 如需增量处理（每次只移1行）：可封装为函数，配合外部循环调用，并在每次移动后重新加载 data.csv。
该方法不依赖第三方库，兼容 Python 3.6+，逻辑清晰、可审计性强——每条被移走的数据都明确留存于 used.csv，原始文件始终保持有效状态，是自动化数据流水线中的推荐实践。
