python - 生成字体名称无法正确解码的字符图像

Question

我正在创建中文图像 seal script .我为此任务准备了三种真字体( Jin_Wen_Da_Zhuan_Ti.7z 、 Zhong_Guo_Long_Jin_Shi_Zhuan.7z 、 Zhong_Yan_Yuan_Jin_Wen.7z ，仅用于测试目的)。以下是 Microsoft Word 中的外观

汉字“我”(I/me)。这是我的 Python 脚本:

import numpy as np
from PIL import Image, ImageFont, ImageDraw, ImageChops
import itertools
import os


def grey2binary(grey, white_value=1):
    grey[np.where(grey <= 127)] = 0
    grey[np.where(grey > 127)] = white_value
    return grey


def create_testing_images(characters,
                          font_path,
                          save_to_folder,
                          sub_folder=None,
                          image_size=64):
    font_size = image_size * 2
    if sub_folder is None:
        sub_folder = os.path.split(font_path)[-1]
        sub_folder = os.path.splitext(sub_folder)[0]
    sub_folder_full = os.path.join(save_to_folder, sub_folder)
    if not os.path.exists(sub_folder_full):
        os.mkdir(sub_folder_full)
    font = ImageFont.truetype(font_path,font_size)
    bg = Image.new('L',(font_size,font_size),'white')

    for char in characters:
        img = Image.new('L',(font_size,font_size),'white')
        draw = ImageDraw.Draw(img)
        draw.text((0,0), text=char, font=font)
        diff = ImageChops.difference(img, bg)
        bbox = diff.getbbox()
        if bbox:
            img = img.crop(bbox)
            img = img.resize((image_size, image_size), resample=Image.BILINEAR)

            img_array = np.array(img)
            img_array = grey2binary(img_array, white_value=255)

            edge_top = img_array[0, range(image_size)]
            edge_left = img_array[range(image_size), 0]
            edge_bottom = img_array[image_size - 1, range(image_size)]
            edge_right = img_array[range(image_size), image_size - 1]

            criterion = sum(itertools.chain(edge_top, edge_left, 
                                           edge_bottom, edge_right))

            if criteria > 255 * image_size * 2:
                img = Image.fromarray(np.uint8(img_array))
                img.save(os.path.join(sub_folder_full, char) + '.gif')

核心片段在哪里

        font = ImageFont.truetype(font_path,font_size)
        img = Image.new('L',(font_size,font_size),'white')
        draw = ImageDraw.Draw(img)
        draw.text((0,0), text=char, font=font)

例如，如果您将这些字体放在文件夹 ./fonts 中，并用

调用它

create_testing_images(['我'], 'fonts/金文大篆体.ttf', save_to_folder='test')

脚本会在你的文件系统中创建./test/金文大篆体/我.gif。

现在的问题是，虽然它适用于第一种字体金文大篆体.ttf(在 Jin_Wen_Da_Zhuan_Ti.7z 中)，但脚本不适用于其他两种字体，即使它们可以在 Microsoft Word 中正确呈现:对于中国龙金石篆.ttf(在Zhong_Guo_Long_Jin_Shi_Zhuan.7z)，它什么都不画，所以bbox将是None；对于中研院金文.ttf(在Zhong_Yan_Yuan_Jin_Wen.7z中)，它会在图片中画一个没有字符的黑框。

因此未能通过 criterion 的测试，其目的是测试全黑输出。我用了FontForge查看字体属性，发现第一个字体金文大篆体.ttf(在Jin_Wen_Da_Zhuan_Ti.7z中)使用了UnicodeBmp

而另外两个使用 Big5hkscs

这不是我系统的编码方案。这可能是字体名称在我的系统中无法识别的原因:

其实我也尝试通过获取字体名称困惑的字体来解决这个问题。我在安装这些字体后尝试了 pycairo:

import cairo

# adapted from
# http://heuristically.wordpress.com/2011/01/31/pycairo-hello-world/

# setup a place to draw
surface = cairo.ImageSurface(cairo.FORMAT_ARGB32, 100, 100)
ctx = cairo.Context (surface)

# paint background
ctx.set_source_rgb(1, 1, 1)
ctx.rectangle(0, 0, 100, 100)
ctx.fill()

# draw text
ctx.select_font_face('金文大篆体')
ctx.set_font_size(80)
ctx.move_to(12,80)
ctx.set_source_rgb(0, 0, 0)
ctx.show_text('我')

# finish up
ctx.stroke() # commit to surface
surface.write_to_png('我.gif')

这再次适用于金文大篆体.ttf(在 Jin_Wen_Da_Zhuan_Ti.7z 中):

但仍然没有和其他人在一起。例如:ctx.select_font_face('中国龙金石篆')(报告_cairo_win32_scaled_font_ucs4_to_index:GetGlyphIndicesW)和ctx.select_font_face('¤¤°êÀsª÷÷ ¥Û½f') (使用默认字体绘制)有效。 (后一个名字就是上图字体查看器中显示的乱码，通过一行Mathematica code ToCharacterCode["中国龙金石篆", "CP950"]//FromCharacterCode 其中CP950是Big5的代码页。)

所以我想我已经尽力解决这个问题，但仍然无法解决。我还提出了其他方法，例如使用 FontForge 重命名字体名称或将系统编码更改为 Big5，但我仍然更喜欢仅涉及 Python 的解决方案，因此用户需要较少的额外操作。任何提示将不胜感激。谢谢。

致stackoverflow的版主:这个问题乍一看可能看起来“过于本地化”，但它可能发生在其他语言/其他编码/其他字体中，解决方案可以概括为其他情况，请勿以此理由关闭。谢谢。

更新:奇怪的是 Mathematica 可以识别 CP936 中的字体名称(GBK，可以认为是我的系统编码)。以中国龙金石篆.ttf(Zhong_Guo_Long_Jin_Shi_Zhuan.7z)为例:

但是设置 ctx.select_font_face('ÖÐøý½ðʯ*') 也不起作用，这将使用默认字体创建字符图像。

Answer 1

Silvia 对 OP 的评论...

You might want to consider specifying the encoding parameter like ImageFont.truetype(font_path,font_size,encoding="big5")

...让您走到一半，但如果您不使用 Unicode 字体，您似乎还必须手动翻译 Unicode 字符。

对于使用“big5hkscs”编码的字体，我必须这样做......

>>> u = u'\u6211'      # Unicode for 我
>>> u.encode('big5hkscs')
'\xa7\xda'

...然后使用 u'\ua7da' 得到正确的字形，这有点奇怪，但它看起来是向 PIL 传递多字节字符的唯一方法。

以下代码适用于我在 Python 2.7.4 和 Python 3.3.1 上使用 PIL 1.1.7...

from PIL import Image, ImageDraw, ImageFont


# Declare font files and encodings
FONT1 = ('Jin_Wen_Da_Zhuan_Ti.ttf',          'unicode')
FONT2 = ('Zhong_Guo_Long_Jin_Shi_Zhuan.ttf', 'big5hkscs')
FONT3 = ('Zhong_Yan_Yuan_Jin_Wen.ttf',       'big5hkscs')


# Declare a mapping from encodings used by str.encode() to encodings used by
# the FreeType library
ENCODING_MAP = {'unicode':   'unic',
                'big5':      'big5',
                'big5hkscs': 'big5',
                'shift-jis': 'sjis'}


# The glyphs we want to draw
GLYPHS = ((FONT1, u'\u6211'),
          (FONT2, u'\u6211'),
          (FONT3, u'\u6211'),
          (FONT3, u'\u66ce'),
          (FONT2, u'\u4e36'))


# Returns PIL Image object
def draw_glyph(font_file, font_encoding, unicode_char, glyph_size=128):

    # Translate unicode string if necessary
    if font_encoding != 'unicode':
        mb_string = unicode_char.encode(font_encoding)
        try:
            # Try using Python 2.x's unichr
            unicode_char = unichr(ord(mb_string[0]) << 8 | ord(mb_string[1]))
        except NameError:
            # Use Python 3.x-compatible code
            unicode_char = chr(mb_string[0] << 8 | mb_string[1])

    # Load font using mapped encoding
    font = ImageFont.truetype(font_file, glyph_size, encoding=ENCODING_MAP[font_encoding])

    # Now draw the glyph
    img = Image.new('L', (glyph_size, glyph_size), 'white')
    draw = ImageDraw.Draw(img)
    draw.text((0, 0), text=unicode_char, font=font)
    return img


# Save an image for each glyph we want to draw
for (font_file, font_encoding), unicode_char in GLYPHS:
    img = draw_glyph(font_file, font_encoding, unicode_char)
    filename = '%s-%s.png' % (font_file, hex(ord(unicode_char)))
    img.save(filename)

请注意，我将字体文件重命名为与 7zip 文件相同的名称。我尽量避免在代码示例中使用非 ASCII 字符，因为它们有时会在复制/粘贴时搞砸。

这个例子应该适用于 ENCODING_MAP 中声明的类型，如果需要可以扩展(参见 FreeType encoding strings 了解有效的 FreeType 编码)，但您需要更改一些Python str.encode() 不产生长度为 2 的多字节字符串时的代码。

---

更新

If the problem is in the ttf file, how could you find the answer in the PIL and FreeType source code? Above, you seem to be saying PIL is to blame, but why should one have to pass unicode_char.encode(...).decode(...) when you just want unicode_char?

据我了解，TrueType字体格式是在 Unicode 被广泛采用之前开发的，所以如果你想创建一个当时的中文字体，你必须使用当时正在使用的一种编码，而中国大多使用 Big5自 1980 年代中期以来。

因此，必然有一种方法可以使用 Big5 字符编码从 Big5 编码的 TTF 中检索字形。

使用 PIL 渲染字符串的 C 代码以 font_render() 开头函数，最终调用 FT_Get_Char_Index()找到正确的字形，给定字符代码为 unsigned long。

但是，PIL 的 font_getchar()函数，它产生 unsigned long 只接受 Python string 和 unicode 类型，因为它似乎没有对字符进行任何翻译编码本身，似乎获得 Big5 字符集正确值的唯一方法是利用这一事实将 Python unicode 字符强制转换为正确的 unsigned long 值u'\ua7da' 在内部存储为整数 0xa7da，可以是 16 位还是 32 位，具体取决于您编译 Python 的方式。

TBH，这涉及到相当多的猜测，因为我没有费心去研究 ImageFont.truetype() 的 encoding 参数究竟是什么效果是，但从外观上看，它不应该对字符编码进行任何转换，而是允许单个 TTF 文件支持相同字形的多个字符编码，使用 FT_Select_Charmap()函数在它们之间切换。

所以，据我了解，FreeType 库与 TTF 文件的交互是这样的......

#!/usr/bin/env python
# -*- coding: utf-8 -*-

class TTF(object):
    glyphs = {}
    encoding_maps = {}

    def __init__(self, encoding='unic'):
        self.set_encoding(encoding)

    def set_encoding(self, encoding):
        self.current_encoding = encoding

    def get_glyph(self, charcode):
        try:
            return self.glyphs[self.encoding_maps[self.current_encoding][charcode]]
        except KeyError:
            return ' '


class MyTTF(TTF):
    glyphs = {1: '我',
              2: '曎'}
    encoding_maps = {'unic': {0x6211: 1, 0x66ce: 2},
                     'big5': {0xa7da: 1, 0x93be: 2}}


font = MyTTF()
print 'Get via Unicode map: %s' % font.get_glyph(0x6211)
font.set_encoding('big5')
print 'Get via Big5 map: %s' % font.get_glyph(0xa7da)

...但是由每个 TTF 提供 encoding_maps 变量，并且没有要求 TTF 为 Unicode 提供一个。事实上，在采用 Unicode 之前创建的字体不太可能有。

假设所有这些都是正确的，那么 TTF 没有任何问题 - 问题只是 PIL 使得访问没有 Unicode 映射的字体的字形有点尴尬，并且所需字形的 unsigned long 字符代码大于 255。