这是我多年来一直在使用的解决方案。我有一个针对Python 2.7的解决方案，还有一个针对Python 3.5（可能也适用于3.6）。
Python 2.7：
import csv
from dbfpy import dbf
def dbf_to_csv(out_table):#Input a dbf, output a csv
csv_fn = out_table[:-4]+ ".csv" #Set the table as .csv format
with open(csv_fn,'wb') as csvfile: #Create a csv file and write contents from dbf
in_db = dbf.Dbf(out_table)
out_csv = csv.writer(csvfile)
names = []
for field in in_db.header.fields: #Write headers
names.append(field.name)
out_csv.writerow(names)
for rec in in_db: #Write records
out_csv.writerow(rec.fieldData)
in_db.close()
return csv_fn
Python 3.5：
import csv
from dbfread import DBF
def dbf_to_csv(dbf_table_pth):#Input a dbf, output a csv, same name, same path, except extension
csv_fn = dbf_table_pth[:-4]+ ".csv" #Set the csv file name
table = DBF(dbf_table_pth)# table variable is a DBF object
with open(csv_fn, 'w', newline = '') as f:# create a csv file, fill it with dbf content
writer = csv.writer(f)
writer.writerow(table.field_names)# write the column name
for record in table:# write the rows
writer.writerow(list(record.values()))
return csv_fn# return the csv name
你可以通过pip install获取dbfpy和dbfread。
import sys
import dbf
for arg in sys.argv[1:]:
dbf.export(arg)
这将创建一个与每个dbf文件同名的.csv文件。如果您将该代码放入名为dbf2csv.py的脚本中，则可以通过以下方式调用它：
python dbf2csv.py dbfname dbf2name dbf3name ...
在网上搜索，有几个选项：
使用 simpledbf：
dbf = Dbf5('fake_file_name.dbf')
df = dbf.to_dataframe()
这是从Gist调整过来的：
import pysal as ps
def dbf2DF(dbfile, upper=True):
"Read dbf file and return pandas DataFrame"
with ps.open(dbfile) as db: # I suspect just using open will work too
df = pd.DataFrame({col: db.by_col(col) for col in db.header})
if upper == True:
df.columns = map(str.upper, db.header)
return df
__exit__ 在 with 块中是必需的，也许由于某种原因它们被弃用了？尝试使用 db = ps.open(dbfile) 和 dedent。 - Andy Hayden首先，您应该知道Dbf版本，因此请阅读文件的第一个字节：
path = "/path/to/dbf/file.dbf"
with open(path, "rb") as f:
byte = f.read(1)
print(f"You have a DBF {int.from_bytes(byte)} file.")
示例:
> 你有一个DBF 3文件。
如果你有一个Dbf 5文件，那么一切都会很好，但是，大多数情况下，就像我的情况一样，你有一个Dbf 3文件，那么你需要使用simpledbf对@andy-hayden解决方案进行微调：
根据此问题，基本上你应该创建一个继承自Dbf5的类Dbf3，但是你需要向_get_recs方法添加一个新的条件。
import struct
from simpledbf import Dbf5
class Dbf3(Dbf5):
def __init__(self, dbf, codec='utf-8'):
super().__init__(dbf, codec)
def _get_recs(self, chunk=None):
#[...copy the code from the original class up until line 664...]
elif typ == 'M':
value = self._na
#[...copy the code from the original class after 664...]
然后你的新类Dbf3将能够轻松读取和转换Dbf3文件：
dbf = Dbf3(filename, codec="iso-8859-1") #codec specific to this dataset
dbf.to_csv("converted_dbf.csv")
编辑#2:
可以使用dbfread按行读取dbf文件，无需将其转换为csv（只需使用pip install dbfread进行安装）：
>>> from dbfread import DBF
>>> for row in DBF('southamerica_adm0.dbf'):
... print row
...
OrderedDict([(u'COUNTRY', u'ARGENTINA')])
OrderedDict([(u'COUNTRY', u'BOLIVIA')])
OrderedDict([(u'COUNTRY', u'BRASIL')])
OrderedDict([(u'COUNTRY', u'CHILE')])
OrderedDict([(u'COUNTRY', u'COLOMBIA')])
OrderedDict([(u'COUNTRY', u'ECUADOR')])
OrderedDict([(u'COUNTRY', u'GUYANA')])
OrderedDict([(u'COUNTRY', u'GUYANE')])
OrderedDict([(u'COUNTRY', u'PARAGUAY')])
OrderedDict([(u'COUNTRY', u'PERU')])
OrderedDict([(u'COUNTRY', u'SURINAME')])
OrderedDict([(u'COUNTRY', u'U.K.')])
OrderedDict([(u'COUNTRY', u'URUGUAY')])
OrderedDict([(u'COUNTRY', u'VENEZUELA')])
我的更新参考资料：
官方项目网站：http://pandas.pydata.org
官方文档：http://pandas-docs.github.io/pandas-docs-travis/
dbfread: https://pypi.python.org/pypi/dbfread/2.0.6
geopandas: http://geopandas.org/
使用geopandas读取shp和dbf文件：https://gis.stackexchange.com/questions/129414/only-read-specific-attribute-columns-of-a-shapefile-with-geopandas-fiona