字体unicode图元映射到实际字符

Question

我想展示字体中的所有字形，我使用GetFontUnicodeRanges获取可用字符，然后创建一个位图，其中包含所有可用字符和它们的索引。 我使用"Wingdings 2"字体作为测试案例，并与Windows的charmap.exe进行了比较。 我发现虽然所有字符都出现了，但某些字符出现了多次（在该非unicode字体中总共有480个字形），而且位置与charmap中的位置不同（例如，charmap中的中等大小圆形字形位于0x97，而在字体中，它是字形0xF097，我认为它也是0x2014中的字形）。 我想像“常规”方式一样使用字体，这意味着我想看到与charmap.exe相同的数据（顺便提一下，我还想知道字体是unicode字体还是ascii字体，就像charmap显示的那样）。 基本上，你可以说我正在尝试从头编写自己的charmap。 我该如何填充缺失的数据？ 我查看了Windows的字体和文本API，但找不到任何帮助我的内容，所以我必须缺失一些相关的API。 它们是什么？

- Itai Bar-Haim

Answer 1

经过对GetFontData的艰辛尝试以及文档缺少（并不是完全没有，但是组织得很不好，确实有一些数据缺失），我发现了自己编写CharMap的方法。以下是我在开发过程中发现的内容：

1. 文档会告诉你使用一个“技巧”，因为字形位置数据紧跟在表中的数组之后。这并不意味着它在表中。实际上，它们在表中。
2. 您还需要阅读表以获取位置格式标志（偏移量34）和表中的字符数字段（偏移量4）。
3. 在符号字体中似乎添加了0xF000到其实际索引的字符（如果cmap头部编码ID为0，则可以确定字体是符号字体，至少在TTF格式4中，这是Microsoft格式），因此您会得到Unicode值在Unicode表的远端而不是常规ASCII代码。我从每个字符代码减去了0xF000并在Wingdings[2,3]和Webdings字体上进行了测试，结果很好。

我经常使用官方文档：www.microsoft.com/typography/tt/ttf_spec/ttch02.doc，以及参考代码：http://support.microsoft.com/kb/241020。

参考代码是用C写的，因此为了在C#中编写它，我将所有数据读入缓冲区，并从中“手动”读取每个元素。

- Itai Bar-Haim

Answer 2

我几年前也经历了这场噩梦，现在我对这些东西非常了解。我想提供一些帮助。

1) 你不能假设“loca”跟随“cmap”。顺序可能因字体而异。每个块的位置由OffsetTable定义，该表通常从字体文件的第0字节开始。（http://www.microsoft.com/typography/otspec/otff.htm）

2) 不能假设“cmap header encoding id is 0, at least in TTF format 4”表示符号字体。我确信某些旧的阿拉伯字体也使用该编码。到目前为止，我仍然不知道如何区分它们。Windows可以做到这一点，但我不知道如何做到。我不知道如何确定一个字体是否是符号字体。即使检查代码页位32的OS/2表，在许多情况下也不足够。

3) 你不能简单地使用神奇的0xF000数字并将其加到你的小型0-255数字上，以获得你要进行的字形映射的字符。那是因为这些小的0到255的“ASCII”代码将根据你的系统区域设置而变化。

符号字体在Windows处理中是特殊的。

与普通字体不同，符号字体的映射在于系统默认代码页（非Unicode应用程序，即CP_ACP）。

例如，假设你的符号字体有这个字形：'%'。如果你的系统默认使用CP 1252，则要呈现此字形，例如，你必须呈现字符值'0xC2'。

如果你的系统默认使用CP 1251，则要呈现此字形，例如，你必须呈现字符值“0x416”，这是完全不同的。

换句话说，字体的Unicode范围因默认的非Unicode代码页而异！

经过调查，我们发现字体的有效字符值是通过将0到255转换为它们的CP_ACP值而获得的unicode值。

这是什么意思？这意味着你需要使用MultiByteToWideChar和CP_ACP来获取值0到255的映射，以根据你的系统区域设置（CP_ACP）获得它们的本地化Unicode值。

所以，这样做会给你一个像这样的映射：

ASCII -> localized non-static UNICODE
0x00 -> 0x00
0x01 -> 0x01
0x02 -> 0x02
...
0xC2 -> 0x416 <----- This is correct : the value will be different in some cases.
...
0xE3 -> 0xE3

0xF000到0xF0FF是静态的UNICODE值：它们永远不会改变。

因此，要获取“本地化的非静态UNICODE”字形ID，您首先需要使用上面的映射来查找相应的ASCII值，然后将其加上0xF000，然后获取该值的字形ID。

当然，微软没有记录这些荒谬的内容...或者我找不到它。

- Claude Peloquin

Answer 3

我从未详细查看过"WingDings 2"，但是字符的重用对于不同的字符来说很常见。例如，大写罗马字母A和大写希腊字母α经常是相同的字形。

然而，我猜0x97、0xF097和0x2014的相等性是某种处理windows-1252的黑客方式。在windows-1252代码页中，0x97是一个em-dash，它在Unicode中是0x2014。0xF097处于专用区域；我想它提供了一种兼容Unicode（且可逆）的方法来编码windows-1252的0x97。

根据我的经验，获取字体支持的unicode字符列表的最可靠方法是解析ttf文件中的cmap表。这有点烦人（cmap支持大约六种不同的编码），但可以在线上找到文档。您可以使用GetFontData函数获取原始数据，或直接解析ttf文件。

charmap使用GetFontData函数，代码中包含字符串“cmap”，这表明charmap也在执行此操作。

Windows SDK调试工具包括logger.exe，记录应用程序使用的所有API。如果您想确切知道charmap正在做什么，可以使用它。

- arx

---

谢谢。我现在正在尝试使用GetFontData，遵循http://support.microsoft.com/kb/241020上的文章，但我发现很难获得任何有意义的数字。是否有更好的解释和/或C#代码（或任何其他代码）可以作为参考？ - Itai Bar-Haim

我意识到为什么我得到了错误的数字-我没有查看正确的索引。然而，这些索引实际上指向了我使用GetFontData读取的数组之外。当我读取字体“Wingdings 2”时，我得到了一个322字节的'cmap'表，其中实际上包含了除字形索引表之外的所有索引（根据www.microsoft.com/typography/tt/ttf_spec/ttch02.doc）。那么我该如何读取额外的数据呢？ - Itai Bar-Haim

使用十六进制编辑器，我发现下一个块实际上是“loca”表。微软在文档中写这个有那么难吗？;-) - Itai Bar-Haim