[发明专利]一种基于网页的数字出版物裁剪字体的方法及系统

说明书

本发明公开了一种基于网页的数字出版物自动化裁剪字体的方法及系统，方法包括：S1.分析网页页面内的样式规则，确定网页中字体名称与字体文件之间的对应关系；S2.分析网页页面中的文本内容，获取所述文本内容的字体名称属性值，确定所述文本内容对应的字体文件；S3.根据对应为相同字体文件的文本内容生成非重复字符集；S4.从所述字体文件中提取所述非重复字符集中的字体数据，生成裁剪后的字体文件。本发明具有速度快、准确率高等优点。

技术领域

本发明涉及一种电子出版物领域，尤其涉及一种基于网页的数字出版物自动化裁剪字体的方法。

背景技术

在电子图书、电子期刊等数字出版物中，为了视觉上的美观、排版上的规范，通常会使用自定义字体，但是使用非英文（尤其是东南亚语言）字体时存在一个明显的问题：语言包含的字符越多，对应的字体文件越大，导致需要的存储空间越大，网络传输的时间越长。如果能将字体按需裁剪到最小，那么就能很大程度上地节省资源。

TTF字体是Windows和Mac OS系统中最常见的字体格式，被很多Linux版本支持，在主流移动设备上也得到了较好的支持。

TTF字体文件包含如下数据信息：1、Glyphs：字形数据。2、cmap：字符与字形的映射关系。3、Glyph Names：基于PostScript的字形名称。4、Metrics, Style, Weight：字形的度量、样式、粗细数据。5、Kerning：字距调整数据。6、General Font Information：字体的通用数据，如名称、版权等。

TTF字体裁剪技术，是在知道要裁剪出来的字符的前提下，通过cmap查找字符对应的字形，将需要的字形数据和其它相关数据提取出来，最终得到较小的字体文件。现有的字体裁剪方案主要问题在于无法自动统计数字出版物中各字体的字符使用情况，需要先通过人工进行计算统计，然后根据统计结果对各个字体分别执行字形抽取命令行程序，一旦内容发生改变就要将整个处理过程重复一遍。存在以下主要问题：1、需要提前知道要裁剪出来的字符。2、人工操作，效率低下。3、使用多种字体时需要对各字体分别进行处理。4、当数字出版物的内容发生更改时，若需要裁剪的字符增加，则需要重新处理。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种速度快、准确率高的基于网页的数字出版物裁剪字体的方法及系统。

为解决上述技术问题，本发明提出的技术方案为：一种基于网页的数字出版物自动化裁剪字体的方法，包括如下步骤：

S1. 分析网页页面内的样式规则，确定网页中字体名称与字体文件之间的对应关系；

S2. 分析网页页面中的文本内容，获取所述文本内容的字体名称属性值，确定所述文本内容对应的字体文件；

S3. 根据对应为相同字体文件的文本内容生成非重复字符集；

S4. 从所述字体文件中提取所述非重复字符集中的字体数据，生成裁剪后的字体文件。

作为本发明的进一步改进，步骤S1的具体步骤包括：通过无用户交互界面的网页浏览器渲染网页文件，获取网页页面内所有样式规则，过滤出其中的font-face规则，确定所述规则中的字体名称与字体文件之间的对应关系。

作为本发明的进一步改进，步骤S2中所述文本内容包括网页页面中文本节点的文本内容和包含content属性的伪元素中的文本内容。

作为本发明的进一步改进，步骤S2中获取所述文本内容的字体名称属性值的具体步骤包括：当所述文本内容为文本节点的内容，获取其父节点的字体名称属性值，当所述文本内容为包含content属性的伪元素中的内容，查找其实体元素，获取相应伪元素的最终计算样式中的字体名称属性值。