本文介绍如何不依赖 csv 等外部模块，仅用内置函数将 CSV 文件解析为以表头为键、对应单元格为值的字典列表，适用于初学者理解文件处理与数据结构映射的核心逻辑。
本文介绍如何不依赖 `
csv
` 等外部模块，仅用内置函数将 csv 文件解析为以表头为键、对应单元格为值的字典列表，适用于初学者理解文件处理与数据结构映射的核心逻辑。
在 Python 中，将 CSV 文件转换为结构化字典是常见需求——尤其当需要逐行处理表格数据，且希望每行都以可读性强的键值对形式呈现时。关键在于：
分离表头行与数据行，并建立字段名（header）与字段值（value）之间的位置映射关系
。以下方案完全基于 Python 内置功能（open()、next()、strip()、split() 和 zip()），简洁、高效、无依赖。
✅ 核心实现步骤
打开文件并读取首行作为表头
：使用 next(f) 安全获取第一行，避免将其纳入循环；
清洗并分割表头
：调用 .strip() 去除换行符等空白字符，再用 .split(',') 得到字段名列表；
逐行处理剩余数据
：对每一行重复清洗与分割，得到值列表；
用 zip() 与 dict() 构建字典
：zip(headers, values) 将同位置的键与值配对，dict() 直接生成所需字典。
? 完整可运行示例
假设 data.csv 文件内容如下：
执行以下代码：
输出结果为：
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
下载
立即学习
“
Python免费学习笔记（深入）
”；
? 提示：若需将所有字典收集为列表（而非逐行打印），可初始化 result = []，并在循环内执行 result.append(row_dict)。
⚠️ 注意事项与最佳实践
编码兼容性
：务必显式指定 encoding="utf-8"（尤其在 Windows 或含中文字段/值时），避免 UnicodeDecodeError；
空行与异常处理
：上述代码未处理空行或列数不匹配的情况。生产环境建议添加校验：
内存效率
：该方法按行流式处理，适合大文件；如需全部加载到内存，仍保持低开销；
不支持复杂 CSV 特性
：如带逗号的字段（"A,B",C）、引号转义、换行符等——此时应改用标准 csv 模块。
✅ 总结
本方案以最少代码实现了 CSV 到字典的精准映射，其本质是利用 zip() 的“并行迭代”特性完成键值对齐。它不仅解决了原始问题中“表头作键、单元格作值”的核心诉求，更体现了 Python 内置函数组合使用的优雅性。掌握这一模式，有助于深入理解数据解析的底层逻辑，也为后续学习 pandas 或 csv.DictReader 打下坚实基础。
Name,Age,City
Alice,28,Beijing
Bob,35,Shanghai
Charlie,22,Guangzhouwith open("data.csv", "r", encoding="utf-8") as f:
headers = next(f).strip().split(",")
for line in f:
values = line.strip().split(",")
row_dict = dict(zip(headers, values))
print(row_dict){'Name': 'Alice', 'Age': '28', 'City': 'Beijing'}
{'Name': 'Bob', 'Age': '35', 'City': 'Shanghai'}
{'Name': 'Charlie', 'Age': '22', 'City': 'Guangzhou'}if not values or len(values) != len(headers):
continue # 或抛出警告/异常