如何让csv.DictReader逐行处理内存受限环境下的大压缩CSV文件？

我在内存受限的环境中需要解压一个非常大的CSV文件，因此采用逐行解压的方式，代码如下：

with zipfile.ZipFile(temp_file.name) as zip_content:
    filename = zip_content.namelist()[0]
    with zip_content.open(filename, mode="r") as content:
        for line in content:
            print(line)

该代码可正确输出每行的字节数组，示例如下：

b'name,age,city\n'
b'John,12,Madrid\n'
...

我希望使用csv.DictReader来处理这些行，以便可靠地访问每个字段。但显然不能在循环内为每行创建一个新的DictReader。我想过自行解析表头并生成字典，但想知道是否有便捷方法可以利用csv.DictReader。请问如何在不将整个文件读入内存的前提下实现这一需求？

核心是把ZIP文件打开返回的二进制流包装成文本模式的类文件对象，这样csv.DictReader就能直接处理，且全程逐行读取，不会加载整个文件到内存。

具体实现代码如下：

import zipfile
import csv
import io

with zipfile.ZipFile(temp_file.name) as zip_content:
    filename = zip_content.namelist()[0]
    # 打开ZIP内的文件，得到二进制流
    with zip_content.open(filename, mode="r") as binary_content:
        # 将二进制流包装为文本流，编码可根据CSV实际情况调整
        text_content = io.TextIOWrapper(binary_content, encoding="utf-8")
        # 直接用DictReader处理文本流，自动读取表头并逐行生成字典
        reader = csv.DictReader(text_content)
        for row in reader:
            # 直接通过字段名访问数据，比如row["name"]、row["age"]
            print(row["name"], row["age"], row["city"])

说明： #

• io.TextIOWrapper负责将二进制字节流解码为文本，适配csv模块的文本输入要求，同时支持逐行读取，内存占用极低。
• csv.DictReader会自动读取第一行作为表头，后续每行都会生成对应的字典，完全复用它的字段解析能力，不用手动处理分隔符、引号等边缘情况。
• 整个流程没有一次性加载整个文件到内存，完全符合内存受限环境的需求。

内容的提问来源于stack exchange，提问作者Edy Bourne