专为建筑工程场景设计的CSV处理工具，自动检测编码与分隔符，支持成本/进度数据的清洗、合并与分割，Python + pandas实现。
说明：
## 核心用法
CSV Handler 是针对建筑工程软件导出数据的专业CSV处理工具，基于 Python pandas 生态构建。主要功能包括：
**1. 智能文件识别**
– `detect_encoding()`: 使用 chardet 库自动检测文件编码（支持 UTF-8、Latin-1、CP1252 等）
– `detect_delimiter()`: 基于样本频率分析自动识别分隔符（逗号、分号、制表符、管道符）
– `profile_csv()`: 生成完整的文件画像（编码、分隔符、表头判断、行列数）
**2. 数据清洗 pipeline**
– `clean_dataframe()`: 列名规范化（小写+下划线替换空格）、空行列剔除、字符串去空格
– `convert_types()`: 智能类型转换，自动识别数值列和日期列
**3. 批量操作**
– `merge_csvs()`: 多文件合并，支持基于指定列的 join 或简单 concat
– `split_csv()`: 按列值分组导出独立文件
**4. 专业化子类**
– `ScheduleCSVHandler`: 专门针对进度计划（如 P6 导出），自动识别日期列
– `CostCSVHandler`: 针对成本估算，自动清理货币符号并转为数值
## 显著优点
– **零配置开箱即用**：无需手动指定编码和分隔符，解决欧洲软件常见的分号分隔、中文系统 GBK 编码等痛点
– **健壮的错误处理**：`on_bad_lines=’skip’` 和 `errors=’replace’` 确保脏数据不中断流程
– **建筑领域语义感知**：内置对 “cost/price/amount”、”date/start/end” 等字段的识别规则
## 潜在缺点与局限性
– **依赖较重**：需要 Python3 + pandas + chardet，非轻量环境
– **大文件性能**：`low_memory=False` 和全量行计数可能占用大量内存
– **日期识别有限**：仅基于列名关键词匹配，无法处理非标准日期格式
– **合并策略简单**：仅支持 outer join，无复杂的冲突解决机制
## 适合人群
– 建筑工程师处理 ERP/PM 软件（如 SAP、P6、CostX）导出的数据
– 数据分析师整合多期成本报表或进度更新
– 需要批量规范化历史项目数据的档案管理人员
## 常规风险
– **编码检测误判**：chardet 对短文件或小样本可能返回错误编码，建议关键任务前用 `profile_csv()` 验证
– **类型转换数据丢失**：强制 `to_numeric(errors=’coerce’)` 会将无法解析的值为 NaN，可能丢失原始信息
– **路径注入**：`split_csv` 的输出路径直接拼接用户输入，虽使用 `pathlib` 但仍需确保 `output_dir` 可信
会员专属
