哪个系统组件负责在Java应用程序中绑定Unicode连字？

Question

哪个系统组件负责在Java应用程序中绑定Unicode连字？

javaunicodecharacter-encodingrenderingsystem

6

我在寻找另一个问题的更好规范时，遇到了这个“元问题”（在Mac OS X上的Java Swing JComponent中呈现Devanagari连字符（Unicode））。

到目前为止我还不太理解，对于显示Java Unicode文本及其连字的给定系统的哪个“组件”（用另一个更好的词来形容）负责，具体而言如下：

就我所了解的，以下组件影响该过程：

系统字符编码（例如，在Mac OS X 10.6上是UTF-8，在Windows 7上是UTF-16（根据akira在此superuser.com帖子上的评论））。

Java Charset（默认情况下在Mac OS X 10.6上是MacRoman，在Windows 7上是cp1252）。

用于呈现文本的字体及其编码信息（正如Donal Fellows在我的其他问题中建议的那样： "字体包括它们使用的编码信息"：。
显然，要呈现的字符是否存在于相应的Unicode代码点中。

因此，如果一串Unicode字符没有正确显示（如在我的其他问题中所见），问题最可能出现在哪里？也就是说，“组件”（有更好的词吗？）负责“绑定”连字及其组合？

非常感谢您的帮助，请告诉我您是否需要更多信息。

- s.d

我猜测可能是虚拟机，但我在这方面没有证据或专业知识。 - Mr47

@Mr47：好的，谢谢，那就是第二种情况了。这个时候 https://dev59.com/P3RC5IYBdhLWcg3wP-n5 可能会派上用场。我记下来了。我稍微修改了一下我的帖子，以便更明确地指出问题的“入口”供其他人参考。 - s.d

4个回答

3

我不是专家，但希望这些提示能指导您走向正确的方向...

源数据的编码对字体渲染几乎没有影响。Java中的所有字符数据都是UTF-16，只要您将信息从源转换为字符/字符串时正确转码，数据的完整性就应该得到保留。

但请注意：

AWT系统可以使用默认系统编码进行字体映射
这不太可能适用于天城文（我不知道是否有支持它的遗留编码）

AWT通过fontconfig文件来映射字体。在我的Windows系统上，这映射到Mangal字体：

allfonts.devanagari=Mangal

毫无疑问，在Mac OS上使用了不同的字体。

原生文本渲染在Java 6时期引入 - 我不知道这是否对字体支持产生影响，或者只是影响渲染速度/反锯齿等方面。

Java 6 支持的字体文档。

- McDowell

谢谢您的技巧！这非常像是我正在寻找的东西，尽管我描述问题有些困难。我需要一点时间来测试它，但一定会在这里跟进。 - s.d

我刚刚询问了几个Mac用户，他们都有fontconfig.properties映射到Mangal用于“allfonts.devanagari”。老实说，我现在完全不知道如何理解为什么Mac和Windows显示之间应该有差异，因此我会感激任何进一步的提示。 - s.d

@baphomet13 - 假设Mangal字体在两个平台上完全相同（而不是同名的不同实现），那么我怀疑gatkin更接近问题所在 - 问题可能在于字体的渲染方式。 - McDowell

2

如果你严格参考视觉呈现，那么“编码”和相关主题就不再相关：呈现从字符串到视觉显示。字符串有一个定义好（且无法更改）的编码，即UTF-16。因此，所有像“我是否用正确的编码读取了这个二进制流”的问题必须首先解决。

实际文本呈现必须由图形子系统完成。对于“普通”Java，这将是AWT/Swing，而对于SWT或任何其他替代系统都是如此。

第一步（它并非严格属于“呈现”的一部分）是将某些二进制数据转换为字符串。如果代码没有明确指定某种编码，则这可能涉及平台默认编码。这是编码总体上起作用的步骤。之后，我们就进入了快乐纯Unicode领域。

- Joachim Sauer

非常感谢术语规范。恐怕我的解释不是很具体。但是，我是否正确地假设正确的连字显示（例如，使用七个Unicode代码点构建的 लक्ष्मी，或者德国的 ﬀ）与字符编码（System Property "file-encoding"）有关? - s.d

另外，我已经根据您的更正修改了标题和文本。 - s.d

@baphomet：不，正确的显示并不是这样的。问题是：你的 Unicode 数据中是否包含 U+FB00 拉丁文小型连字 FF，还是包含 2 个 U+0066 拉丁文小写字母 F？ - Joachim Sauer

我的 String 包含七个代码点 (\u0932\u0915\u094D\u0937\u094D\u092E\u0940)，应该显示梵文连字体 लक्ष्मी (/laksmi/)。我期望像这样编写的 Unicode 数据能够显示为连字体，事实上在 Windows 7 和 Ubuntu 机器上确实如此，但在 Mac OS X 上却不行。由于梵文中的连字通常是单词，因此它们没有像拉丁小型连字 FF 那样的单个代码点。 - s.d

需要注意的是，U+FB00 是一种奇怪的东西：Unicode 通常不会为连字提供单独的代码点（认为这些是渲染决策而不是文本信息）。那个字符（以及类似的字符）只存在于一些广泛使用的遗留编码中，以确保往返正确性。 - Joachim Sauer

1

与Joachim所说的类似，数据的来源是什么？如果您正在从文件或流中读取数据，则绝对不应该信任系统默认编码。在读取数据时，您应该明确设置编码，例如：

BufferedReader br = new BufferedReader( new InputStreamReader( file, "UTF-8" ) );

或者你的流使用的是任何编码方式。

请参阅：

http://download.oracle.com/javase/1.4.2/docs/api/java/io/InputStreamReader.html#InputStreamReader(java.io.InputStream,%20java.lang.String)

- Bill Brasky

好的，我现在知道为什么我引发了Joachim的回应。实际上，我并没有从文件中读取，而是定义了一个带有Unicode字符的String变量（例如，String str = "\u0932\u0915\u094D\u0937\u094D\u092E\u0940"）。这些在Mac系统上不正确显示，但在Windows系统上正确显示，这引发了我的问题。我将删除数字（3），以便它不会触发更多关于读取流的答案。抱歉，我认为我为了完整性而放入了它。 - s.d

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- gatkin · Accepted Answer

那个系统组件被称为字体渲染器或字体光栅化器。它负责根据字体中定义的字形，将一系列字符代码转换为像素。正如其他答案所述，Java可以获得和设置的各种字符编码值是无关紧要的。当JVM给字体渲染器提供一系列字符代码时，它告诉它适用的编码是什么（可能是UTF16，但这对Java程序员来说是透明的）。字体渲染器使用字体文件中指定的字体编码来匹配相应的字形。

当前版本的Windows和Mac OS X都配备了出色的字体渲染器。

第一个混淆点是JRE自带自己的字体渲染器，作为Java2D平台的一部分，Swing使用它。应该有一个选项来控制Java使用自己的渲染器还是系统渲染器。

编辑：正如McDowell在评论中指出的，在OS X上，您可以通过设置Java属性apple.awt.graphics.UseQuartz=true来启用系统渲染器。

第二个令人困惑的点是，连字在英语中是可选的。桌面出版应用程序会在看到像“shuffle”这样的单词时替换为“ffl”连字（字体中的单个字形），但大多数其他应用程序不会费心。根据您对天城文的说法（以及我刚在维基百科上读到的内容），我认为该语言中的连字是不可选的。

默认情况下，Java2D字体渲染器不会执行连字。但是，java.awt.font.TextAttribute.LIGATURES的JavaDoc表示，对于需要它们的书写系统，总是启用连字。如果这不是您的经验，则可能已经发现了Java2D字体渲染器中的错误。与此同时，请尝试使用带有字体属性映射的Font构造函数，包括TextAttribute.LIGATURES。