找出给定字体支持哪些字符

如何在Linux上从TrueType或嵌入式OpenType字体中提取受支持的Unicode字符列表？

我是否可以使用工具或库来处理.ttf或.eot文件并构建字体提供的代码点列表（如U + 0123，U + 1234等）？

这是使用FontTools模块的方法（可以使用来安装pip install fonttools）：

#!/usr/bin/env python
from itertools import chain
import sys

from fontTools.ttLib import TTFont
from fontTools.unicode import Unicode

ttf = TTFont(sys.argv[1], 0, verbose=0, allowVID=0,
                ignoreDecompileErrors=True,
                fontNumber=-1)

chars = chain.from_iterable([y + (Unicode[y[0]],) for y in x.cmap.items()] for x in ttf["cmap"].tables)
print(list(chars))

# Use this for just checking if the font contains the codepoint given as
# second argument:
#char = int(sys.argv[2], 0)
#print(Unicode[char])
#print(char in (x[0] for x in chars))

ttf.close()

该脚本将字体路径作为参数：

python checkfont.py /path/to/font.ttf

X程序xfd可以执行此操作。要查看“ DejaVu Sans Mono”字体的所有字符，请运行：

xfd -fa "DejaVu Sans Mono"

它包含在Debian / Ubuntu的x11-utils软件包，Fedora / RHEL的xorg-x11-apps和Arch Linux的xorg-xfd中。

fc-query my-font.ttf将为您提供支持的字形的地图以及该字体适合的所有语言环境（根据fontconfig

由于几乎所有现代linux应用程序都是基于fontconfig的，因此它比原始unicode列表有用得多

此处讨论了实际的输出格式 http://lists.freedesktop.org/archives/fontconfig/2013-September/004915.html

这些fontconfig命令可以将字形列表输出为范围的紧凑列表，例如：

$ fc-match --format='%{charset}\n' OpenSans
20-7e a0-17f 192 1a0-1a1 1af-1b0 1f0 1fa-1ff 218-21b 237 2bc 2c6-2c7 2c9
2d8-2dd 2f3 300-301 303 309 30f 323 384-38a 38c 38e-3a1 3a3-3ce 3d1-3d2 3d6
400-486 488-513 1e00-1e01 1e3e-1e3f 1e80-1e85 1ea0-1ef9 1f4d 2000-200b
2013-2015 2017-201e 2020-2022 2026 2030 2032-2033 2039-203a 203c 2044 2070
2074-2079 207f 20a3-20a4 20a7 20ab-20ac 2105 2113 2116 2120 2122 2126 212e
215b-215e 2202 2206 220f 2211-2212 221a 221e 222b 2248 2260 2264-2265 25ca
fb00-fb04 feff fffc-fffd

使用fc-query的.ttf文件和fc-match已安装的字体名称。

这可能不涉及安装任何额外的软件包，也不涉及翻译位图。

使用fc-match --format='%{file}\n'检查正确的字体是否被匹配。

ttf / otf字体的字符代码点存储在CMAP表中。

您可以ttx用来生成CMAP表的XML表示形式。看这里。

您可以运行命令ttx.exe -t cmap MyFont.ttf，它应该输出一个文件MyFont.ttx。在文本编辑器中将其打开，它应显示在字体中找到的所有字符代码。

这是一个POSIX [1] shell脚本，可以fc-match在Neil Mayhew的答案中提到（它甚至可以处理最多8个十六进制的Unicode），以一种很好的方式轻松地打印代码点和字符。

#!/bin/sh
for range in $(fc-match --format='%{charset}\n' "$1"); do
    for n in $(seq "0x${range%-*}" "0x${range#*-}"); do
        n_hex=$(printf "%04x" "$n")
        # using \U for 5-hex-digits
        printf "%-5s\U$n_hex\t" "$n_hex"
        count=$((count + 1))
        if [ $((count % 10)) = 0 ]; then
            printf "\n"
        fi
    done
done
printf "\n"

您可以传递字体名称或任何fc-match可接受的名称：

$ ls-chars "DejaVu Sans"

更新内容：

我了解到子外壳非常耗时（printf脚本中的子外壳）。因此，我设法编写了一个改进的版本，速度提高了5到10倍！

#!/bin/sh
for range in $(fc-match --format='%{charset}\n' "$1"); do
    for n in $(seq "0x${range%-*}" "0x${range#*-}"); do
        printf "%04x\n" "$n"
    done
done | while read -r n_hex; do
    count=$((count + 1))
    printf "%-5s\U$n_hex\t" "$n_hex"
    [ $((count % 10)) = 0 ] && printf "\n"
done
printf "\n"

旧版本：

$ time ls-chars "DejaVu Sans" | wc
    592   11269   52740

real    0m2.876s
user    0m2.203s
sys     0m0.888s

新版本（行号指示5910个字符，在0.4秒内！）：

$ time ls-chars "DejaVu Sans" | wc
    592   11269   52740

real    0m0.399s
user    0m0.446s
sys     0m0.120s

更新结束

样本输出（它在我的st端子better中排列得更好）：

0020    0021 !  0022 "  0023 #  0024 $  0025 %  0026 &  0027 '  0028 (  0029 )
002a *  002b +  002c ,  002d -  002e .  002f /  0030 0  0031 1  0032 2  0033 3
0034 4  0035 5  0036 6  0037 7  0038 8  0039 9  003a :  003b ;  003c <  003d =
003e >  003f ?  0040 @  0041 A  0042 B  0043 C  0044 D  0045 E  0046 F  0047 G
...
1f61a😚 1f61b😛 1f61c😜 1f61d😝 1f61e😞 1f61f😟 1f620😠 1f621😡 1f622😢 1f623😣
1f625😥 1f626😦 1f627😧 1f628😨 1f629😩 1f62a😪 1f62b😫 1f62d😭 1f62e😮 1f62f😯
1f630😰 1f631😱 1f632😲 1f633😳 1f634😴 1f635😵 1f636😶 1f637😷 1f638😸 1f639😹
1f63a😺 1f63b😻 1f63c😼 1f63d😽 1f63e😾 1f63f😿 1f640🙀 1f643🙃

[1]似乎\U在printf不POSIX标准？

我有同样的问题，并提出了HOWTO是更进了一步，烘烤所有支持Unicode代码点的正则表达式。

如果你只是想码点的阵列，你可以在你偷看时使用ttx的镀铬devtools XML，运行后ttx -t cmap myfont.ttf和可能，重新命名myfont.ttx，以myfont.xml调用浏览器的XML模式：

function codepoint(node) { return Number(node.nodeValue); }
$x('//cmap/*[@platformID="0"]/*/@code').map(codepoint);

（如果您使用的是ubuntu系统fonttools，也请参考gilamesh的建议sudo apt-get install fonttools。）

上面Janus的答案（https://stackoverflow.com/a/19438403/431528）起作用。但是python太慢了，特别是对于亚洲字体。在E5计算机上，文件大小为40MB的字体花费几分钟。

所以我写了一个C ++程序来做到这一点。它取决于FreeType2（https://www.freetype.org/）。这是一个vs2015项目，但由于它是一个控制台应用程序，因此很容易移植到linux。

可以在这里找到代码，https：//github.com/zhk/AllCodePoints 对于40MB文件大小的亚洲字体，在我的E5计算机上花费大约30毫秒。

您可以使用Font :: TTF模块在Perl的Linux上执行此操作。

如果您只想“查看”字体，则以下内容可能会有所帮助（如果您的终端支持相关字体）：

#!/usr/bin/env python
import sys
from fontTools.ttLib import TTFont

with TTFont(sys.argv[1], 0, ignoreDecompileErrors=True) as ttf:
    for x in ttf["cmap"].tables:
        for (_, code) in x.cmap.items():
            point = code.replace('uni', '\\u').lower()
            print("echo -e '" + point + "'")

一种不安全但简单的查看方式：

python font.py my-font.ttf | sh

感谢Janus（https://stackoverflow.com/a/19438403/431528）提供了上述答案。

如果要获得字体支持的所有字符，则可以使用以下命令（基于Janus的回答）

from fontTools.ttLib import TTFont

def get_font_characters(font_path):
    with TTFont(font_path) as font:
        characters = {chr(y[0]) for x in font["cmap"].tables for y in x.cmap.items()}
    return characters

FreeType的项目提供了演示应用程序，其中的一个演示称为“ ftdump”。然后，您可以执行以下操作：“ ftdump -V指向字体文件的路径”，您将获得所需的内容。要查看源代码，可以在此处关闭源代码：https : //www.freetype.org/developer.html

在Ubuntu上，可以使用“ sudo apt install freetype2-demos”进行安装。

注意：尝试使用“ -c”而不是“ -V”。我看到args在版本之间已更改。