Python 标准库实现 CSV 到 JSON 转换的高效做法

在 AI Agent 脚本或数据预处理环节中，用纯 Python 完成 CSV 到 JSON 的转换可以避免引入任何外部依赖。核心思路是借助 csv.DictReader 读取结构化数据，再通过 json.dump 输出为标准的 JSON 格式，既保证了执行效率，也维持了代码的轻量与可移植性。

使用 csv.DictReader 直接读取文件，能够自动把首行识别为字典的键，后续每一行都映射为一个字典对象，省去了手动按逗号拆分字段的麻烦。字段内部即使包含逗号也不会被错误切割，配合 newline="" 参数打开文件，还能避免在 Windows 与 Linux 之间出现多余的空行。读取完成后若用 list(reader) 包裹，就能方便地统计记录总数或传给后续处理逻辑。

输出 JSON 时，建议开启 indent=2 参数让文件结构更直观，方便调试阶段快速定位问题。同时必须设置 ensure_ascii=False，否则中文字符会被转义成 \uXXXX 格式，导致生成的文件失去可读性。写入过程指定 encoding="utf-8"，可以确保多语言文本正确保存。

将读取和写入整合成一个函数，能直接返回处理的记录数，无需额外检查输出文件即可确认数据完整性。不过 list(reader) 会把所有数据一次性加载到内存中，实测 5 万行、10 个字段的 CSV 大约占用 40-60MB 内存，耗时约 0.8 秒。面对 GB 级别的大文件，应放弃 list() 改为逐行写入，但这样每行都会成为独立的 JSON 对象，不再保持标准的数组结构。

几个实际使用中容易踩坑的地方值得留意。Excel 导出的 CSV 常带有 BOM 头或使用 gbk 编码，如果直接以 utf-8 读取可能抛出 UnicodeDecodeError，这时把编码参数调整为 utf-8-sig 可以兼容 BOM 头。大文件处理时务必避免全量载入，否则可能引发内存溢出。此外，DictReader 依赖唯一的首行作为字段名，若表头缺失或重复，会导致生成的 JSON 中键被覆盖或数据丢失，对于非标准 CSV 需要提前清洗表头或手动指定字段名。

在团队协作中，Python 环境配置和依赖同步常常成为效率瓶颈。2025 年出现的 uv 工具正在改变这一现状，它由 Astral 开发，用 Rust 语言编写，能够快速安装任意 Python 版本、管理虚拟环境并解决依赖冲突，且不会影响已有的 Python 安装。在处理大规模数据转换任务时，借助 uv 统一团队的运行环境，可以减少因环境差异导致的脚本行为不一致问题。