Python批量读取CSV合并DataFrame时，如何通过Try-Except捕获错误并跳过异常文件？

你遇到的核心问题是：原来的列表推导式是表达式级别的写法，没法直接在里面加try-except语句块，得把单个CSV的读取逻辑封装成一个带异常处理的函数才行。

具体解决方案 #

首先，我们定义一个安全读取CSV的函数，遇到错误时打印提示并返回None，这样后续可以过滤掉无效的结果：

import pandas as pd
import os

def read_csv_safe(file_path):
    try:
        # 这里可以根据需要添加read_csv的其他参数，比如sep、header等
        return pd.read_csv(file_path)
    except Exception as e:
        # 打印错误信息方便排查哪个文件出了问题
        print(f"⚠️ 无法读取文件 {file_path}: {str(e)}")
        return None

然后，我们用这个函数来批量读取文件，过滤掉读取失败的结果，再合并：

export = "你的目标目录路径"

# 先过滤出目录下所有CSV文件（避免读取非CSV文件导致额外错误）
csv_files = [
    os.path.join(export, filename) 
    for filename in os.listdir(export) 
    if filename.lower().endswith('.csv')  # 用lower()兼容大小写不同的后缀，比如.CSV
]

# 读取所有有效CSV，过滤掉返回None的结果
valid_dataframes = [
    df for df in (read_csv_safe(file) for file in csv_files) 
    if df is not None
]

# 合并所有有效DataFrame
combined_csv = pd.concat(valid_dataframes, ignore_index=True)

为什么这个方案可行？ #

1. 异常处理封装：把pd.read_csv放到函数里，用try-except捕获所有读取时的异常（包括你遇到的UnicodeDecodeError），出错时返回None而不是中断整个程序。
2. 过滤非CSV文件：通过endswith('.csv')过滤文件，避免目录里的临时文件、二进制文件或其他格式文件触发不必要的错误。
3. 高效过滤无效结果：用生成器表达式(read_csv_safe(file) for file in csv_files)读取文件，再用列表推导式过滤掉None，只保留有效DataFrame进行合并。

额外优化建议 #

如果想尝试兼容不同编码的文件（而不是直接跳过），可以在read_csv_safe里尝试多种编码：

def read_csv_safe(file_path):
    encodings = ['utf-8', 'latin-1', 'gbk']
    for encoding in encodings:
        try:
            return pd.read_csv(file_path, encoding=encoding)
        except UnicodeDecodeError:
            continue
    print(f"❌ 所有编码尝试失败，无法读取文件 {file_path}")
    return None

这样会先尝试UTF-8，不行再试Latin-1、GBK，实在不行才跳过，能减少不必要的文件跳过。

内容的提问来源于stack exchange，提问作者RCarmody