Pandas支持多行CSV文件如果文件被正确转义和引用。如果你不能使用pandas或csv模块在Python中读取CSV文件，也不能在Excel中打开它，那么它可能是一个格式错误的“CSV”文件。
可以逐行处理CSV文件并使用一些自定义代码解析字段，或者需要修复CSV文件以使其成为有效的CSV格式文件。这意味着带有双引号（“）的值或新行将用双引号（“）引起来，嵌入的引号将被转义（“”）。
对于任何一种方法，都需要首先隔离导致问题的行，然后创建一个包含其中一些行和一些正常行的小型示例CSV文件，以制定出适用于好行和坏行的解决方案。
建议手动编辑CSV文件的示例并使其工作，以便它可以使用Excel和Pandas打开。然后重新创建步骤，以在Python中以编程方式将其规范化，以处理大文件。
使用此代码创建一个示例CSV文件，将前100行复制到新文件中。

with open('bigfile.csv', "r") as csvin, open('test.csv', "w") as csvout:
    line = csvin.readline()
    count = 0
    while line and count < 100:
        csvout.write(line)
        count += 1
        line = csvin.readline()

字符串
现在你有一个小的测试文件。如果原始CSV文件有数百万行，并且在文件中很晚才发现“坏”行，那么你需要添加一些逻辑来找到“坏”行。例如，如果“\n”出现在列“A”的值中。
例如，如果pandas在第123456行失败，那么可以尝试这样的方法来捕获前100行和第123456行的行，其中row before and after。

with open('bigfile.csv', "r") as csvin, open('test.csv', "w") as csvout:
    for idx, line in enumerate(csvin):
        if idx < 100:
            csvout.write(line)        
        elif idx in [123455, 123456, 123457]:
            csvout.write(line)
            if idx == 123457:
                break

型