主页 / ubuntu / 问题 / 827193
Accepted
Bernmeister
Asked: 2016-09-20 16:38:24 +0800 CST

检测文本中缺失的字形

  • 772

我编写了一个 Python3 appindicator，它调用fortune并捕获输出以在屏幕通知中显示。

当当前字体中不存在相应的字形时，某些命运包含带有十六进制数字的正方形。每个方块都是丢失字形的十六进制 Unicode 代码点的表示。

我想在向用户显示之前删除十六进制文本。我希望找到一些 Python API，它可以让我逐个字符地检查文本，以确定类似char.isValidCodePoint()或类似的东西，但我找不到这样的东西。

我在这里找到了一个我想研究的可能解决方案，但是通过终端安装后fonttools，我的 Python 程序无法导入fonttools/fontTools.

任何想法 - 使用 Python API 或调用终端？

更新#1：我已经意识到fonttools上面链接中的示例代码对我不起作用，因为它是 Python2。我想如果fonttools可以以某种方式使用，我可以从我的 Python3 脚本中调用 Python2 解释器。

更新#2：经过大量阅读（见下面的参考资料），我发现fc-match但它不能总是唯一地识别正在使用的字体。我在 Python 中获取当前字体：

from gi.repository import Gio
fontName = Gio.Settings( "org.gnome.desktop.interface" ).get_string( "font-name" )

导致Ubuntu 11. 将此结果与十六进制字符一起传递pango-view，我得到一个字体列表，包括Ubuntu. 在我看来，如果字形不是由字体呈现的，那么字体不应该出现在pango-view!

参考：

python

3 个回答

  1. 这是与您使用此方法不同的方法，但也许您可以使用 pythonstr.replace()或re.sub()方法从文本正文中解析出十六进制字符串。IE：

    如果十六进制是可预测的：

    originalText = "\xc3\xa5Test"
filteredText = originalText.replace("\xc3\xa5", "")

    或者，如果您需要使用正则表达式匹配任何十六进制字符：

    import re

originalText = "\xc3\xa5Test"
filteredText = re.sub(r'[^\x00-\x7f]', r'', originalText)

    更多关于这个策略的讨论

    • 0

  2. Unicode 整形引擎

    使用像 Harfbuzz 这样的 Unicode 整形引擎来检测丢失的字形。这是一个工作示例：

    from pyharfbuzz import shape
f = "/usr/local/lib/python3.6/site-packages/werkzeug/debug/shared/ubuntu.ttf"
t = "®"
s = shape(f, t)
print(s[1]['glyph_name'])
t = "რ"
s = shape(f, t)
print(s[1]['glyph_name'])

    输出

    registered
.notdef

    检查时 IDLE3 中的输出如下：

    >>> t = "®"
>>> s = shape(f, t)
>>> s
[{'cluster': 0, 'glyph_name': 'registered', 'x_advance': 29.453125, 'y_advance': 0.0, 'x_offset': 0.0, 'y_offset': 0.0}]
>>> t = "რ"
>>> s = shape(f, t)
>>> s
[{'cluster': 0, 'glyph_name': '.notdef', 'x_advance': 36.0, 'y_advance': 0.0, 'x_offset': 0.0, 'y_offset': 0.0}]

    检查正确的字体路径，我刚刚选择了我在当前机器上看到的第一个。

    笔记：

    • 我很确定 Gtk/Pango 有类似的功能，Pango 已经切换到低级别使用 Harfbuzz。但是，我没有使用此类库的经验。
    • 0
  3. Best Answer

    已经想出了一个解决方案...最初我认为财富文本文件不包含十六进制字符。事实证明这是不正确的。因此，一旦我意识到这一点，我就想出了以下解决方案：

    import codecs
fortune = <call the fortune program>
output = ""
for c in fortune:
    if codecs.encode( str.encode( c ), "hex" ) == b'07':
        continue

    output += c                   

print( output )
    • 0

相关问题