实现前端.ttf字体包的压缩

news2025/3/20 16:53:00

前言

  • 平常字体包都有1M+的大小,所以网络请求耗时会比较长,所以对字体包的压缩也是前端优化的一个点。
  • 但是前端如果想要特点字符打包成字体包,网上查阅资料后,都是把前端代码里面的字符获取,但是对于动态的内容,是没有进行处理的。

思路

获取到前端所有的字符,以及数据库所有的字符,对这些字符打包成字体包
每次上线前检查字符是否与之前的一致,不一致则重新打包

  • 最开始的思路是通过nodejsfontmin依赖包去实现,但是该包对有的字体包没有作用(如:PingFangSC-Regular.ttf字体),而有的也有作用(如:Alimama_ShuHeiTi.ttf字体)。
    • 在使用fontmin的时候也要注意,如果使用require引入,版本需要控制在v1内
  • 后面选取了python技术栈fontTools
    • 没有对单个字体包考虑使用了什么字符,这样有点麻烦,所以在一样的字符集上处理。

环境

  • 如果代码运行有问题,可以考虑是不是版本不匹配
  • 版本
Python 3.9.6
fontTools 4.56.0
mysql.connector 9.2.0
  • 依赖安装
pip install fontTools
pip install mysql-connector-python

python代码

import os
import re
import fontTools
from fontTools import subset
print("fontTools ", fontTools.__version__)
import mysql.connector
print("mysql.connector ", mysql.connector.__version__)

# 获取数据库字符集
def obtain_mysql_characters(config) -> set:
    # 建立数据库连接
    cnx = mysql.connector.connect(**config)
    cursor = cnx.cursor()
    # 获取所有表名
    cursor.execute("SHOW TABLES")
    tables = cursor.fetchall()
    # 初始化字符集合
    all_characters = set()
    # 遍历每个表获取字符数据
    for table in tables:
        table_name = table[0]
        cursor.execute(f"SELECT * FROM {table_name}")
        rows = cursor.fetchall()
        for row in rows:
            for column in row:
                if isinstance(column, str):
                    for char in column:
                        all_characters.add(char)
    # 关闭数据库连接
    cursor.close()
    cnx.close()
    print("数据库字符数量 ", len(all_characters))
    return all_characters


# 获取前端项目字符集合
def obtain_font_characters(font_path_dir) -> set:
    # 初始化字符集合
    all_characters = set()
    # 遍历前端项目文件
    for root, dirs, files in os.walk(font_path_dir):
        for file in files:
            # 处理Vue文件,使用者可根据实际情况修改
            if file.endswith(('.vue')):  
                file_path = os.path.join(root, file)
                try:
                    with open(file_path, 'r', encoding='utf-8') as f:
                        content = f.read()
                        # 过滤注释
                        content = re.sub(r'//.*?\n|/\*.*?\*/', '', content, flags=re.DOTALL)
                        for char in content:
                            all_characters.add(char)
                except Exception as e:
                    print(f'读取文件 {file_path} 时出错: {e}')
    print("前端项目字符数量 ", len(all_characters))
    return all_characters

# 对单个字体包进行子字符集提取
def obtain_font_characters_single(font_path, text, store_dir) -> set:
    # 通过font_path获取字体名称
    font_name = os.path.basename(font_path)
    # 嵌入代码中,实现生成字体子集
    options = subset.Options()
    # 加载字体
    font = subset.load_font(font_path, options)
    subsetter = subset.Subsetter(options=options)
    subsetter.populate(text=str(text))
    subsetter.subset(font)
    # 保存字体子集,存放在store_dir下,字体名称为font_name
    subset.save_font(font, os.path.join(store_dir, font_name), options)

# 获取目录下,所有的ttf字体文件
def obtain_font_files(font_path_dir) -> list:
    font_files = []
    for root, dirs, files in os.walk(font_path_dir):
        for file in files:
            if file.endswith(('.ttf')):
                font_files.append(os.path.join(root, file))
    return font_files


# 主函数
if __name__ == "__main__":
    # 数据库配置
    mysqlConfig = {
        'user': 'user',
        'password': 'password',
        'host': 'localhost',
        'database': 'database',
        'port': '3306'
    }
    # 根据实际情况修改为前端项目的根目录,使用正斜杠或者双斜杠避免转义问题 e.g. E:\\xx\\xx\\src
    vue_project_dir = 'D:\\xxx\\src'
    # 字体文件目录
    font_dir = 'D:\\xxx\\src\\assets\\fonts-original'
    # 字体文件存放目录
    store_dir = 'D:\\xxx\\src\\assets\\fonts'


    # 获取数据库字符集
    mysql_characters = obtain_mysql_characters(mysqlConfig)
    # 获取前端项目字符集合
    font_characters = obtain_font_characters(vue_project_dir)
    # 计算并集
    intersection = mysql_characters | font_characters
    # 输出结果
    print("交集字符数量 ", len(intersection))
    # 字体文件列表
    font_files = obtain_font_files(font_dir)
    # 输出字体文件列表
    print("字体文件列表 ", font_files)
    # 对每个字体文件进行子字符集提取
    for font_file in font_files:
        obtain_font_characters_single(font_file, intersection, store_dir)

效果

  • 目录下面7个字体包
    font

出现的问题

meta NOT subset; don’t know how to subset; dropped

  • AI的解释(字体包亲测使用没有异常):在字体子集化过程中,meta表无法被处理,因此被丢弃。这通常不会影响字体的核心功能,但可能会导致某些元数据丢失。建议检查pyftsubset工具的版本和字体文件的完整性。

参考资料

  • github仓库fonttools
  • fonttools官方文档

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2318483.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

uni-app集成保利威直播、点播SDK经验FQ(二)|小程序直播/APP直播开发适用

通过uniapp集成保利威直播、点播SDK来开发小程序/APP的视频直播能力,在实际开发中可能会遇到的疑问和解决方案,下篇。更多疑问请咨询19924784795。 1.ios不能后台挂起uniapp插件 ios端使用后台音频播放和画中画功能,没有在 manifest.json 进…

Sensodrive机器人力控关节模组SensoJoint在海洋垃圾清理机器人中的拓展应用

海洋污染已成为全球性的环境挑战,其中海底垃圾的清理尤为困难。据研究,海洋中约有2600万至6600万吨垃圾,超过90%沉积在海底。传统上,潜水员收集海底垃圾不仅成本高昂,而且充满风险。为解决这一问题,欧盟资助…

Git的基本指令

一、回滚 1.git init 在项目文件夹中打开bash生成一个.git的子目录,产生一个仓库 2.git status 查看当前目录下的所有文件的状态 3.git add . 将该目录下的所有文件提交到暂存区 4.git add 文件名 将该目录下的指定文件提交到暂存区 5.git commit -m 备注信…

Vitis 2024.1 无法正常编译custom ip的bug(因为Makefile里的wildcard)

现象:如果在vivado中,添加了自己的custom IP,比如AXI4 IP,那么在Vitis(2024.1)编译导出的原本的.xsa的时候,会构建build失败。报错代码是: "Compiling blank_test_ip..."…

Elasticsearch 在航空行业:数据管理的游戏规则改变者

作者:来自 Elastic Adam La Roche 数字化客户体验不再是奢侈品,而是欧洲航空公司必不可少的需求。它推动了客户满意度,提升了运营效率,并创造了可持续的竞争优势。随着行业的不断发展,优先投资前沿数字技术和平台的航空…

DeepSeek 模型的成本效益深度解析:低成本、高性能的AI新选择

网罗开发 (小红书、快手、视频号同名) 大家好,我是 展菲,目前在上市企业从事人工智能项目研发管理工作,平时热衷于分享各种编程领域的软硬技能知识以及前沿技术,包括iOS、前端、Harmony OS、Java、Python等…

利用knn算法实现手写数字分类

利用knn算法实现手写数字分类 1.作者介绍2.KNN算法2.1KNN(K-Nearest Neighbors)算法核心思想2.2KNN算法的工作流程2.3优缺点2.4 KNN算法图示介绍 3.实验过程3.1安装所需库3.2 MNIST数据集3.3 导入手写数字图像进行分类3.4 完整代码3.5 实验结果 1.作者介…

基于springboot+vue的调查问卷平台

一、系统架构 前端:vue | element-ui | echarts 后端:springboot | mybatis-plus 环境:jdk1.8 | mysql | maven 二、代码及数据 三、功能介绍 01. 注册 02. 登录 03. web端-问卷中心 04. web端-文章中心 05. 管理端-…

美摄接入DeepSeek等大模型,用多模态融合重构视频创作新边界!

今年以来,DeepSeek凭借其强大的深度推理分析能力,在AI领域掀起新的热潮。美摄科技快速响应市场需求,迅速接入以DeepSeek、通义千问、商汤、文心一言为代表的大模型,为企业视频创作生产带来全新体验。 传统视频创作面临着同质化、…

网络编程之客户端聊天(服务器加客户端共三种方式)

最终效果&#xff1a; serve.c #include <stdio.h> #include <stdlib.h> #include <string.h> #include <unistd.h> #include <arpa/inet.h> #include <sys/select.h>#define MAX_CLIENTS 2 // 只允许两个客户端 #define BUF_SIZE 1024i…

图莫斯TOOMOSS上位机TCANLINPro使用CAN UDS功能时 编写、加载27服务dll解锁算法文件

【本文发布于https://blog.csdn.net/Stack_/article/details/146303690&#xff0c;未经许可不得转载&#xff0c;转载须注明出处】 软件安装目录下找到如下压缩包&#xff0c;此为dll文件示例工程 使用VisualStudio打开工程GenerateKeyExImpl.vcxproj&#xff0c;可能会提示版…

vue+echarts实现饼图组件(实现左右联动并且数据量大时可滚动)

pieChart.vue(直接cv即可) <template><div class"rBox1"><div id"rBox1"></div></div> </template><script> export default {name: "pieChart",dicts: [],props: {subtext: {type: String,default…

Linux vim mode | raw / cooked

注&#xff1a;机翻&#xff0c;未校。 vim terminal “raw” mode Vim 终端 “raw” 模式 1. 原始模式与已处理模式的区别 We know vim puts the terminal in “raw” mode where it receives keystrokes as they are typed, opposed to “cooked” mode where the command…

IMX8MP Android 10系统编译SDK

概述&#xff1a; 本文描述了在Ubuntu 20.04操作系统上搭建IMX8MP Android10系统编译环境。 ubuntu主机端设置 1. ubuntu 20.04 1. 450G Free Disk space 2. 16GB RAM以上 3. 安装 sudo apt-get install uuid uuid-dev zlib1g-dev liblz-dev liblzo2-2 liblzo2-dev lzop …

ICLR 2025 机器人智能灵巧操作更进一步DexTrack

现实世界的机器人距离科幻小说里的机器人世界还有多远&#xff1f;通用灵巧操控何时才能实现&#xff1f;朝着这一伟大的目标&#xff0c;研究通用灵巧操控轨迹跟踪的 DexTrack 便应运而生。 论文地址&#xff1a;https://arxiv.org/abs/2502.09614代码地址&#xff1a;https:/…

Golang开发

Golang 文章目录 Golang预备技术一、算法与数据结构第1章&#xff1a;基础算法第2章&#xff1a;数据结构第3章&#xff1a;搜索与图论第4章&#xff1a;数论第5章&#xff1a;动态规划第6章&#xff1a;贪心第7章&#xff1a;算法竞赛入门 二、Linux操作系统与Shell编程三、计…

AI入门7:python三种API方式调用本地Ollama+DeepSeek

回顾 书接上篇&#xff1a;各种方式搭建了本地知识库&#xff1a; AI入门&#xff1a;AI模型管家婆ollama的安装和使用-CSDN博客 AI入门2&#xff1a;本地AI部署&#xff0c;用ollama部署deepseek&#xff08;私有化部署&#xff09;-CSDN博客 AI入门3&#xff1a;给本地d…

《线程池:Linux平台编译线程池动态库发生的死锁问题》

关于如何编译动态库可以移步《Linux&#xff1a;动态库动态链接与静态库静态链接》-CSDN博客 我们写的线程池代码是闭源的&#xff0c;未来想提供给别人使用&#xff0c;只需要提供so库和头文件即可。 系统默认库文件路径为&#xff1a; usr/lib usr/loacl/lib 系统默认头文件…

Python Bug修复案例分析:Python 中常见的 IndentationError 错误 bug 的修复

在 Python 编程的世界里&#xff0c;代码的可读性和规范性至关重要。Python 通过强制使用缩进来表示代码块的层次结构&#xff0c;这一独特的设计理念使得代码更加清晰易读。然而&#xff0c;正是这种对缩进的严格要求&#xff0c;导致开发者在编写代码时&#xff0c;稍有不慎就…

OpenCV旋转估计(1)用于估计图像间仿射变换关系的类cv::detail::AffineBasedEstimator

操作系统&#xff1a;ubuntu22.04 OpenCV版本&#xff1a;OpenCV4.9 IDE:Visual Studio Code 编程语言&#xff1a;C11 算法描述 基于仿射变换的估计器。 这种估计器使用匹配器估算的成对变换来为每个相机估算最终的变换。 cv::detail::AffineBasedEstimator 是 OpenCV 库中…