基于CSV手机号条件过滤数据的Python代码异常排查

原代码存在的问题 #

1. 数据库读取器被耗尽：database_reader是一次性迭代器，第一次遍历后就没有数据了，后续的unsubscribed_row循环无法再读取数据库内容。
2. 类型不匹配的比较：db_row[4]是字符串类型的手机号，但unsubscribed_row是csv.reader返回的列表（比如['+41620984573']），直接比较永远不会相等。
3. 逻辑效率低下且错误：嵌套循环会导致数据库行被多次写入（每次不匹配退订项时都写一次），而且没有过滤退订列表中的邮箱。

修正后的代码 #

import csv

if __name__ == '__main__':
    # 收集所有需要退订的手机号（忽略邮箱）
    unsubscribed_phones = set()
    with open('EMRG_Unsubscribed.csv', newline='') as unsubscribed_file:
        reader = csv.reader(unsubscribed_file)
        next(reader)  # 跳过表头
        for row in reader:
            entry = row[0].strip()  # 获取退订项并去除首尾空格
            # 根据格式判断是否为手机号（示例中以+开头，可按需调整规则）
            if entry.startswith('+'):
                unsubscribed_phones.add(entry)
    
    # 处理数据库，移除匹配手机号的行
    with open('EMRG_ Database.csv', newline='') as database_file, \
         open('EMRG_Updated_Database.csv', 'w', newline='') as updated_file:
        db_reader = csv.reader(database_file)
        db_writer = csv.writer(updated_file)
        
        # 写入表头
        header = next(db_reader)
        db_writer.writerow(header)
        
        # 遍历数据库每一行
        for row in db_reader:
            phone = row[4].strip()  # 获取当前行手机号并去除空格
            if phone not in unsubscribed_phones:
                db_writer.writerow(row)

代码说明 #

• 集合存储退订手机号：集合的查找操作是O(1)，比循环遍历效率高很多。
• 过滤退订列表中的邮箱：通过判断是否以+开头（可根据实际手机号格式调整规则），只保留有效手机号到集合中。
• 一次性读取数据库：避免迭代器耗尽问题，确保每一行只被处理一次。
• 处理表头：明确跳过退订列表的表头，并将数据库表头写入输出文件。
• 去除空格：使用strip()避免因首尾空格导致的匹配失败（比如文件中存在多余空格的情况）。

内容的提问来源于stack exchange，提问作者joo