### 方法概述 可以使用标准库 `csv` 来解析 CSV 文件，并将其转换为字典列表，随后利用 `json` 库将该字典列表序列化为 JSON 对象字符串[^1]。 以下是实现此功能的具体代码： ```python import csv import json def read_csv_and_convert_to_json_string(file_path): with open(file_path, mode='r', encoding='utf-8') as file: reader = csv.DictReader(file) data = [row for row in reader] return json.dumps(data, indent=4) if __name__ == "__main__": csv_file = 'data.csv' json_string = read_csv_and_convert_to_json_string(csv_file) print("CSV 文件已成功转换为 JSON 字符串:") print(json_string) ``` 这段代码定义了一个函数 `read_csv_and_convert_to_json_string`，它接受一个 CSV 文件路径作为参数。通过调用 `csv.DictReader` 将每一行的数据映射为字典形式存储在一个列表中，最后再由 `json.dumps` 函数将这个列表转化为 JSON 格式的字符串[^1]。 如果需要进一步操作比如写入文件或者网络传输，则可以直接使用返回的 JSON 字符串[^1]。 另外一种方法是借助第三方库 Pandas 实现相同的功能[^2]: ```python import pandas as pd def convert_csv_to_json_string_with_pandas(file_path): df = pd.read_csv(file_path) return df.to_json(orient="records", indent=4) if __name__ == "__main__": csv_file = 'data.csv' json_string = convert_csv_to_json_string_with_pandas(csv_file) print("Pandas 转换后的 JSON 字符串:") print(json_string) ``` 这里我们创建了另一个名为 `convert_csv_to_json_string_with_pandas` 的辅助函数，其中先用 `pd.read_csv()` 加载整个 CSV 数据至 DataFrame 中；接着采用 `.to_json()` 方法指定方向为记录模式(`"records"`), 并设置缩进级别(indent)，从而得到易于阅读的 JSON 表达式[^2]。 两种方式各有优劣，在简单场景下推荐前者，而对于复杂数据结构或大数据集则更适合后者。