如何从a.csv移除b.csv已存在的记录以生成含11.5k条的c.csv？

当然可以实现这个需求！说白了就是从a.csv里把b.csv已有的记录全部剔除，剩下的就是你要的c.csv，刚好对应20k-8.5k=11.5k条记录。下面给你几个不同场景下的实用方案，按需选就行：

如果你懂点Python，这个方法最靠谱，尤其是当你需要按特定字段（比如用户ID、订单号）匹配，而不是整行完全一致的时候。给你个现成的脚本示例：

import csv

# 这里假设用第一列作为匹配的唯一标识，要是匹配其他列，改row的索引就行
def get_match_key(row):
    return row[0]

# 先把b.csv里的所有匹配键存到集合里，查起来快
b_records = set()
with open('b.csv', 'r', newline='', encoding='utf-8') as b_file:
    b_reader = csv.reader(b_file)
    next(b_reader)  # 跳过表头，要是没有表头就删掉这行
    for row in b_reader:
        b_records.add(get_match_key(row))

# 遍历a.csv，把不在b里的记录写入c.csv
with open('a.csv', 'r', newline='', encoding='utf-8') as a_file, \
     open('c.csv', 'w', newline='', encoding='utf-8') as c_file:
    a_reader = csv.reader(a_file)
    c_writer = csv.writer(c_file)
    # 保留表头
    header = next(a_reader)
    c_writer.writerow(header)
    
    for row in a_reader:
        if get_match_key(row) not in b_records:
            c_writer.writerow(row)

要是你需要整行完全匹配，直接把get_match_key(row)改成tuple(row)就好，非常灵活。

如果你平时用命令行，不用写代码，用sort加comm就能搞定：

1. 先把两个文件排序（comm要求输入文件是排序后的）：

sort a.csv > a_sorted.csv
sort b.csv > b_sorted.csv

2. 提取a独有的记录：

comm -23 a_sorted.csv b_sorted.csv > c.csv

解释一下：-23参数的意思是，只保留第一个文件里有、第二个文件里没有的内容，刚好符合你的需求。要是CSV有表头，注意如果b的表头和a一样，可能会被误删，这时候可以先手动把表头复制到c.csv，再处理内容行。

要是你更习惯用办公软件，也能轻松实现：

1. 把a.csv和b.csv分别导入Excel的两个工作表（比如Sheet1放a的内容，Sheet2放b的）。
2. 在Sheet1的空白列（比如最后一列）输入公式：=ISERROR(VLOOKUP(A1, Sheet2!A:A, 1, FALSE))，这里假设A列是用来匹配的唯一列（比如ID），按回车后，显示TRUE就代表这条记录不在b里，FALSE则表示在b里。
3. 把公式下拉到所有行，然后筛选出该列为TRUE的行，复制粘贴到新工作表，最后导出成CSV文件就是c.csv了。

内容的提问来源于stack exchange，提问作者Oluf Nielsen