Avro反序列化时保留空格的技术求助

首先得从根源上排查空格丢失的原因，这比事后写解析方法靠谱得多：

1. 检查Avro Schema定义 #

确保地址字段的类型明确设为string，别用自定义压缩格式或错误类型。如果Schema字段类型有误，生成的Java实体类处理字符串时很可能丢失空格。示例正确Schema片段：

{
  "name": "address",
  "type": "string",
  "doc": "完整地址信息，保留原始空格"
}

2. 确认avro-maven-plugin配置 #

插件生成Java类时，确保stringType参数配置为String，避免使用Utf8或其他可能异常处理字符串的类型。插件配置示例：

<plugin>
  <groupId>org.apache.avro</groupId>
  <artifactId>avro-maven-plugin</artifactId>
  <version>${avro.version}</version>
  <executions>
    <execution>
      <phase>generate-sources</phase>
      <goals>
        <goal>schema</goal>
      </goals>
      <configuration>
        <stringType>String</stringType>
        <!-- 其他配置 -->
      </configuration>
    </execution>
  </executions>
</plugin>

3. 排查生产者端序列化逻辑 #

确认Kafka生产者使用标准Avro序列化器（比如io.confluent.kafka.serializers.KafkaAvroSerializer），且业务代码没有在发送前对地址字符串做去空格、压缩空格操作——很多时候空格丢失并非消费端问题，而是生产者已移除空格。

如果以上源头问题都排查完毕，只能做事后解析补救，别只依赖数字开头、Road/Way结尾的窄规则，需覆盖更多场景：

• 识别特殊前缀：PO Box、APT、Unit这类前缀后需保留空格
• 处理方位词：N/S/E/W这类方位标识要单独拆分（比如123 N Main St不能合并成123NMainSt）
• 用成熟工具替代手动正则：比如用Apache Commons Lang的StringUtils做灵活字符串处理，或专门的地址解析库，避免自己写复杂正则遗漏边界情况。

优先解决源头问题才是最优方案，事后解析只是权宜之计，很难覆盖所有地址格式的异常情况。

内容的提问来源于stack exchange，提问作者KICKER_OF_ROCKS