Python使用csv.DictReader读取CSV文件的三个常见疑问

尝试用csv.DictReader将CSV文件内容读取到变量中，先后测试了两种实现方案：

# option 1
dna = []
with open(sys.argv[1], "r") as file:
    dna = csv.DictReder(file) # 注：此处存在笔误，正确类名为csv.DictReader
print(dna)
# 输出结果: <csv.DictReader object at 0x123...>

# option 2
dna = []
with open(sys.argv[1], "r") as file:
    reader = csv.DictReader(file)
    for row in reader:
        dna.append(row)
print(dna)
# 输出结果: 解析后的CSV行内容组成的数组

对应三点技术疑问：

1. 为什么第一种方案执行print(dna)时输出的是csv.DictReader对象的内存地址，而非实际的CSV文件内容？
2. 为什么第二种方案中需要定义reader变量并逐行遍历，才能将CSV内容正确存入dna列表？
3. 部分同类实现代码中open函数没有传入"r"模式参数，运行效果却完全一致，这是什么原因？

关于疑问1 #

csv.DictReader根本不是用来存数据的容器，它是个惰性迭代器。你把它直接赋值给dna的时候，程序只做了最基础的初始化：给这个读取器绑定了要读的文件句柄、存了CSV解析的规则，半行实际内容都没读。
Python里普通自定义类的实例，直接打印的时候默认输出格式就是「类名+内存地址」，它不会自动触发迭代器去读文件内容，所以你看到的就是一串对象标识，不可能直接出来CSV内容。
额外提一句：你贴的option1代码里类名拼错了，正确写法是csv.DictReader，少个a写成DictReder运行会直接报NameError，能拿到对象地址的输出说明你实际运行的时候是拼对的，只是贴代码手滑。

关于疑问2 #

还是惰性迭代器的设计逻辑：这种设计是为了处理超大体积的CSV文件——如果文件有几个G大，一次性把所有内容读进内存很容易把程序搞崩，惰性迭代器只会在你明确要拿某一行数据的时候，才去读对应位置的文件内容、解析成字典格式返回。
你写的for循环遍历的过程，就是主动告诉迭代器“我要拿所有行数据”，它才会逐行读、逐行解析，你每拿到一行就append到dna列表里，最后列表里存的才是真正解析完成的所有CSV内容。
嫌手动写循环麻烦的话，直接写dna = list(csv.DictReader(file))就能实现和option2完全一样的效果，list()接收迭代器当参数的时候，内部自动就会做逐行遍历、收集元素的操作，不用自己写循环。

关于疑问3 #

因为Python内置open()函数的默认打开模式就是只读文本模式'r'，你不显式传"r"的时候，底层自动就按只读模式开文件，和你手动写了参数的逻辑没有任何区别，所以运行效果完全一致。
不过实际写代码还是建议显式把模式参数写上，一是别人看你代码一眼就知道你是要读还是要写，可读性好；二是避免极端场景下默认参数变动带来的兼容问题。

内容的提问来源于stack exchange，提问作者beginner