如何用savReader读取SPSS文件转CSV且避免日期转浮点数

这个问题我之前处理SPSS数据时也碰到过，savReaderWriter在Python 3下的字节/类型处理确实有点棘手，尤其是当数据里混合了字符串、数值和日期的时候。给你两个实用的解决方案：

方案一：手动逐元素解码（适配savReaderWriter） #

核心思路是写一个小函数，逐个检查每行的元素：如果是字节类型就解码成UTF-8字符串，数值、NaN这类非字节类型直接保留，这样既解决了字符串的b''问题，又不会破坏日期和数值的格式。

完整代码如下：

import savReaderWriter
import csv

def decode_item(item):
    # 只解码字节类型，其他类型原样返回
    if isinstance(item, bytes):
        return item.decode('utf-8')
    return item

with savReaderWriter.SavReader('input_filename.sav') as reader:
    # 先解码表头
    decoded_header = [decode_item(h) for h in reader.header]
    with open('output_filename.csv', 'w', newline='', encoding='utf-8') as output:
        writer = csv.writer(output, delimiter=',')
        writer.writerow(decoded_header)
        # 逐行解码数据并写入
        for row in reader:
            decoded_row = [decode_item(item) for item in row]
            writer.writerow(decoded_row)

这个方法的好处是完全基于你原来的代码修改，不需要引入新库，日期会保持SPSS里的原始字符串格式（比如'2017-09-02'），不会变成错误的浮点数。

方案二：用Pandas一键处理（更省心） #

如果可以引入第三方库，Pandas的read_spss方法已经帮我们封装好了所有类型转换逻辑——自动解码字节字符串、正确解析日期格式，代码简洁到离谱：

import pandas as pd

# 读取.sav文件，自动处理类型转换
df = pd.read_spss('input_filename.sav')
# 导出为CSV，na_rep用来处理NaN值（转成空字符串）
df.to_csv('output_filename.csv', index=False, na_rep='', encoding='utf-8')

如果需要自定义日期格式，比如把datetime类型转成YYYY-MM-DD字符串，可以加一行：

# 假设你的日期列名叫"date_col"
df['date_col'] = df['date_col'].dt.strftime('%Y-%m-%d')

顺便解释下你之前踩的坑： #

• ioUtf8=True导致日期变浮点数：SPSS的日期是存储为从特定基准日开始的时间戳数值，开启ioUtf8后，savReaderWriter没有自动解析日期格式，直接返回了原始数值，所以转成datetime才会出现2404年这种错误。
• 用wb打开文件报错：csv.writer默认是面向文本模式的文件，二进制模式下要求所有写入内容都是字节类型，但你的数据里有数值、NaN，转字节会更麻烦，完全没必要这么做。

内容的提问来源于stack exchange，提问作者HalfRyot