OpenTypeフォント抽出 🔗

PDFにフォントを埋め込むためにOpenTypeから使用するグリフのみを抽出してPDFに埋め込む。
フォーマットの仕様はMicrosoft、Appleの仕様を参照すること。
ここではPDFにフォントを埋め込むための抽出処理について解説する。

OpenType 🔗

OpenTypeフォントはTrueType(TTF)形式とCompact Font Format(CFF)形式のデータを格納できるようにしたものである。
CFF形式のデータはsfntフォーマットのCFFテーブルとして格納される。

TTF形式とCFF形式では次の違いがある。

相違点	TrueType(TTF)形式	Compact Font Format(CFF)形式
SFNTバージョン	0x00010000 または 0x74727565(true)	0x4F54544F(OTTO)
共通テーブル	cmap、head、hhea、hmtx、maxp、name、OS/2、post	cmap、head、hhea、hmtx、maxp、name、post
グリフ格納テーブル	glyf、loca	CFF または CFF2
拡張子	.TTF、.OTF	.OTF
アウトライン	2次ベジェ曲線	PostScriptベース、3次ベジェ曲線

Microsoftの仕様ではTTFのSFNTバージョンは0x00010000のみだが、Appleの仕様では0x74727565がある。
Microsoftの仕様ではOS/2が必須テーブルとされているが、Appleの仕様ではオプションとされている。
Macにインストールされているフォントでは0x74727565やOS/2テーブル無しのTTFフォントがある。

OpenTypeとTrueTypeの比較がされることがあるが、一般にOpenTypeとされているのはCFFフォントであることが多い。

1つのフォントファイルに複数のフォントファイルを格納できるフォントコレクション(ヘッダ ttcf、拡張子 .TTC)がある。

CFFテーブル 🔗

CFFフォントではCFFテーブルにCompact Font Format形式のデータが格納されている。

フォントの構造 🔗

コンピュータでは文字はUnicodeなどのコードポイント(文字コード)で現わされる。
フォントファイル内では文字コードではなくGlyph ID(GID)で格納される。
GIDは1から連番で始まり、GIDの0は.notdefというフォントファイル内に文字が無いことを現わす。
これは同じ文字コードでも異なるグリフが割り当たることがあるためである。
PDFでOpenTypeフォントを使用する場合はGIDを指定することになる。

文字コードとGIDを変換するのがcmapである。
OpenType内のcmapテーブルがあるが、PDFではTo Unicode CMapを利用する。

---
title: 文字とGIDの関係
---
graph LR;
    subgraph char ["文字"]
      A;
      B;
      C;
      あ;
    end
    
    subgraph code ["文字コード"]
      U+0041;
      U+0042;
      U+0043;
      U+3042;
    end
    
    subgraph gid ["GID"]
      0["0 (.notdef)"];
      1;
      2;
      3;
      4;
    end
    
    A--encoding-->U+0041;
    B--encoding-->U+0042;
    C--encoding-->U+0043;
    あ--encoding-->U+3042;
    
    U+0041--cmap-->1;
    U+0042--cmap-->2;
    U+0043--cmap-->3;
    U+3042--cmap-->4;

フォント抽出 🔗

フォントファイルには多数のグリフデータが格納されている。
日本語のフォントファイルであれば数万種が格納されている。
PDFにフォントファイルを埋め込む際に使用しない文字のグリフデータまで含めるとファイルサイズが肥大化する。
そのためPDFファイル内で使用しているグリフデータのみを抽出したフォントファイルを作成して埋め込みたい。

---
title: 「a」と「あ」のグリフデータ抽出
---
graph LR;
    subgraph old_gid ["元のGID"]
      old0["0 (.notdef)"];
      old1["1 (A)"];
      old2["2 (B)"];
      old3["3 (C)"];
      old4["4 (あ)"];
    end
    
    subgraph new_gid ["新しいGID"]
      new0["0 (.notdef)"];
      new1["1 (A)"];
      new2["2 (あ)"];
    end
    
    old0--抽出-->new0;
    old1--抽出-->new1;
    old4--抽出-->new2;

TTF、CFFの共通部分抽出 🔗

グリフデータを抽出にあたり、必須テーブルのグリフ数、グリフデータに関するパラメータを変更する必要がある。

テーブル	抽出方法
cmap	抽出したGIDに合わせた変換が必要
head	変換不要
hhea	numberOfHMetricsを抽出したグリフ数に設定
hmtx	hMetricsを抽出したGIDに合わせた変換が必要
maxp	numGlyphsを抽出したグリフ数に設定
name	変換不要
OS/2	変換不要
post	変換不要

cmapの抽出 🔗

フォントデータ内には様々なプラットフォームやエンコード向けに複数のcmapが含まれている。
PDFでOpenTypeフォントを使用する場合はGIDを指定するため、文字コードからGIDへの変換を行うcmapは重要ではない。
そのため全cmapフォーマットを作成する必要はない。
日本語のフォントファイルであればFormat 4かFormat 12を実装すればよい。
U+10000以降の文字やカラーグリフを含む場合はFormat 12、異字体を含む場合はFormat 14を実装する。

サブテーブル	文字コード範囲	格納可能グリフ数
Format 0	U+0000～U+00FF	256個
Format 2	U+0000～U+FFFF	65536個
Format 4	U+0000～U+FFFF	65536個
Format 6	U+0000～U+FFFF(連続したコード)	65536個
Format 8	U+0000～U+10FFFF	65536個
Format 10	32bit(使用されない)	65536個
Format 12	U+0000～U+10FFFF	65536個
Format 13	32bit(多対一)	65536個
Format 14	UVS(SVS+IVS、異字体)	65536個

1つのフォントファイルに格納できるグリフ数は65536個が上限である。
GID 0は.notdefになるため、実際に使用できるグリフ数は上記の格納グリフ数より1個少なくなる。

TTFのフォント抽出 🔗

TTF形式はグリフ数分のglyf、locaテーブルを抽出する必要がある。
locaの配列の差分がglyfの長さになるため、glyfをGIDの昇順に出力する。

glyfの抽出 🔗

グリフデータにはSimple glyphとComposite glyphがある。
どちらも座標データのみであるため、抽出を行うだけであれば中身を解析する必要はない。

PicoPDF