使用HiveQL修改Hive外部表分隔符，解决CSV字段含分号的导入问题

核心问题原因：Hive默认的LazySimpleSerDe仅支持按单字符强制拆分字段，无法识别CSV的字段包裹规则，会把第二列内部的分号误判为字段分隔符，最终导致字段错位。

方案1：使用Hive自带CSVSerDe（最推荐） #

CSVSerDe是专门处理标准CSV格式的序列化/反序列化组件，支持自定义分隔符、自动识别字段包裹符、忽略字段内部的分隔符，Hive 0.14及以上版本默认自带无需额外依赖。
建表示例：

CREATE EXTERNAL TABLE your_table_name (
  col1 string,
  col2 string,
  col3 string,
  -- 按需补充剩余字段
)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
WITH SERDEPROPERTIES (
  "separatorChar" = ";",
  "quoteChar" = "\"", -- 若CSV字段用双引号包裹则配置，无则删除
  "escapeChar" = "\\" -- 按需自定义转义字符
)
STORED AS TEXTFILE
LOCATION '/你的HDFS文件存储路径';

注意：OpenCSVSerDe默认返回字段类型为String，若需要数值、日期等类型，可在查询时通过cast函数转换，或通过视图预定义转换规则。Hive 0.14以下版本需要手动引入OpenCSVSerDe的Jar包后再建表。

方案2：使用RegexSerDe正则拆分字段 #

如果你的CSV格式不标准、没有统一的字段包裹符，可以自定义正则匹配规则拆分字段，避免内部分号干扰。
例如总共有4个字段、仅第二列允许包含分号的建表示例：

CREATE EXTERNAL TABLE your_table_name (
  col1 string,
  col2 string,
  col3 string,
  col4 string
)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.RegexSerDe'
WITH SERDEPROPERTIES (
  "input.regex" = "^([^;]*);(.*);([^;]*);([^;]*)$", -- 按需调整正则匹配你的字段结构
  "output.format.string" = "%1$s %2$s %3$s %4$s"
)
STORED AS TEXTFILE
LOCATION '/你的HDFS文件存储路径';

注意：正则规则需要结合你的实际字段数量、字段格式特征调整，测试无误后再正式使用。

方案3：预处理文件后导入 #

如果不想修改Hive建表配置，可以先对CSV文件做预处理：

• 用Spark、Shell脚本、MapReduce等工具，识别CSV字段间的分隔符，将全局分隔符替换为字段内容中不存在的字符（比如|、\u0001等）
• 处理后的文件使用Hive默认的LazySimpleSerDe建表，配置对应新分隔符即可导入

内容的提问来源于stack exchange，提问作者Felipe