用途：csv-wrangler 面向真实世界中格式混乱的 CSV 文件，提供一套可复用的处理模式，帮助读取、清洗并进一步转换为数据库结构。
主要能力：编码检测（使用 chardet 采样并配合 utf-8、latin-1、cp1252 回退链）；分隔符推断（csv.Sniffer 或统计 , ; \t | 出现次数）；畸形行处理（按列数校验，将异常行单独收集，或使用 pandas 的 on_bad_lines='skip'/'warn'）；带引号字段与内嵌分隔符处理；表头行检测（跳过顶部元数据行）；日期列推断与多格式解析；数值清洗（去除货币符号、逗号、空白，处理括号负数）；列名规范化；Excel 读取与工作表列举；以及 CSV 到 SQL 的转换，包含类型映射、PostgreSQL/MySQL/SQLite 建表与导入语句、Python 分块加载脚本和主键、外键、非空、唯一、CHECK 约束的自动检测建议。
使用方式：以 Python 为主，依赖 pandas、chardet、csv、re、sqlalchemy、openpyxl 等库。典型流程是先检测编码与分隔符，再检测表头行，随后读取并捕获坏行，最后规范化列名、解析日期、清洗数值，并输出处理报告。
适用场景：数据导入前的预处理、数据仓库 ETL、将业务 CSV 快速落库、处理来源不统一的导出文件。
限制：资料未提供安装命令、版本要求、性能基准或收费信息；部分示例使用已弃用的 pandas 参数（如 infer_datetime_format、error_bad_lines），实际使用需按当前 pandas 版本调整；约束检测为启发式建议，需人工确认。