OpenType - 两个高棉字符在映射到字形 ID 之前变为三个答案

【问题标题】：OpenType - Two Khmer chars become three before mapping to glyph IdsOpenType - 两个高棉字符在映射到字形 ID 之前变为三个
【发布时间】：2021-06-13 22:15:49
【问题描述】：

我在处理高棉文本时遇到了一个有趣的问题。

文本“កើ”是 Unicode 中长度为 2 的字符串。有关字符代码，请参见下面的片段。

let textbox = document.getElementById('textbox');
let info = document.getElementById('info');

let text = "កើ"

textbox.setAttribute('value', text);

info.innerHTML = "length: " + text.length + "<br>codes: " + text.split('').map(c => c.charCodeAt(0))

<input id="textbox" type="text" style="font-size:80px; width: 2em;"/>
<div id="info"></div>

文本渲染器似乎由三个字形组成这个文本，或者用连字替换这三个字符。到目前为止，这很奇特，但并不出人意料。

这是令人费解的事情：当我使用Khmer font from Google Fonts 在http://www.corvelsoftware.co.uk/crowbar/ 的Crowbar 文本整形调试器中键入此文本时，可以看到这两个字符映射到三个字形。但这两个字符似乎在映射之前就变成了三个字符。角色 6081 凭空出现。

我深入研究了字体文件的内部结构，cmap 表中只有一个子表，它将字符代码映射到 glpyh id。此表的格式为 4，非常标准，只允许一对一映射，因此在 cmap 处理期间没有插入额外的字形。

此外，如果仅将两个原始字符代码映射到字形，则生成的文本看起来会有所不同，因此第三个字符似乎是必要的。

我在这里遗漏了哪一步将字符之前的第三个字符添加到字形 id 映射？似乎对文本进行了一些我不知道的预处理。

【问题讨论】：

这似乎是一门科学。这里有一篇文章详细描述了如何创建高棉字体：docs.microsoft.com/en-us/typography/script-development/khmer 这实际上是在进行一些预处理，例如在元音之前添加一个字符。
我不知道所有细节，但第一阶段是规范化字符串。 Unicode 代码点有不同的规范化。他们很可能只是做一个分解，因为单独处理变音符号要好得多（他们遵循其他规则）
@GiacomoCatenazzi 谢谢，我会调查的。字符串有一个 Javascript normalize() 函数。但到目前为止，我无法做到我所希望的。
你应该检查整形引擎，例如harfbuzz.github.io（很少有其他：Microsoft 之一，Mac 和 SIL 之一）。这些翻译字符串（和字体信息）的位置和字形。这是一个复杂的话题，我还没有掌握。
我还建议在typedrawers.com 上询问这个问题，因为这是所有字体人都在闲逛的地方。

标签： unicode character-encoding truetype opentype

【解决方案1】：

正如@Waruyama 所建议的，答案记录在https://docs.microsoft.com/en-us/typography/script-development/khmer 中。它被埋在词汇表中“元音”的条目中，并说

整形引擎将负责前置音节，字形块的形状类似于 U+17C1。

“音节”，规范表示这些元音的第一部分，其形状与 U+17C1 KHMER VOWEL SIGN E 相同。因此，HarfBuzz 将输入字符串从扩展为。在这一点上，字体已经被咨询，只是为了确认它有高棉脚本的 GSUB 指令。接下来，它从字体应用 cmap 表。

【讨论】：