使用 python 抓取使用自定义字体的网页

Question

我正在尝试抓取这个webpage，它使用自定义字体以梵文呈现文本。我有网页中使用的字体的 ttf 文件。

我是否可以使用 ttf 文件抓取该网站并使用 Python（如果没有，任何语言）将内容编码为 un​​icode？

他们使用的字体是iitmsans.ttf from http://www.acharya.gen.in:8080/fonts/iitmfonts.php

Answer 1

不，您可能需要做一些手动工作才能为 Python 创建编码。 TTF 文件不包含有关 Unicode 映射 (it could 的信息，但它并不常见，而这个不包含）。

查看http://bluejamesbond.github.io/CharacterMap/ 中的字体，我看到许多梵文字形，但我不知道它们的名称，也不知道在绘制它们时有哪些常见或允许的变体，因此我可能无法轻松地在 Unicode 中为您找到相同的字形。但我认出了字符代码 65 (0x41) 上的“om”字形 U+0950，因此我可以贡献您编码中的第一项：

{
 # ...
 0x41: '\u0950',
 # ...
}

对字体中的所有其他字形执行此操作，您就有了可以在 Python 中使用的映射。一般指南在标准 codecs 模块的文档中，但您可能也想找到像 Custom Python Charmap Codec 这样的示例。