HarfBuzz 字体子集化中的输入验证机制

在 HarfBuzz 字体处理库中，hb_subset_or_fail 函数是用于创建字体子集的核心 API。近期开发者社区发现了一个关于输入验证的重要问题：当传入无效或损坏的字体数据时，该函数的行为与预期不符。

问题背景

HarfBuzz 在设计上对输入数据采取宽容策略，即使面对非标准或损坏的字体数据，也会尝试处理而非直接拒绝。这种设计在字体渲染场景下是有益的，因为它允许处理各种特殊格式的字体。然而，在字体子集化场景中，这种宽容性可能导致意外的结果。

具体表现为：当传入明显无效的字体数据时，hb_subset_or_fail 不会返回预期的 nullptr，而是生成一个看似有效但实际上只包含少量数据（约12字节）的字体对象。这种情况在命令行工具 hb-subset 中同样存在。

技术分析

HarfBuzz 的核心设计理念是将所有输入视为"可能有效的字体"，包括那些它不完全理解的格式。这种设计源于对多样化字体格式的支持需求，例如允许 Type1 字体与 OpenType 字体走相同的处理流程。

在实现层面，HarfBuzz 区分了两种有效性：

1. 库可处理的格式（"HB-sane"）
2. 符合字体规范标准的格式

前者只保证 HarfBuzz 代码能够运行其上，后者则需要更严格的验证。

解决方案

开发团队最终采用了基于字形数量的验证机制。在子集化过程中，如果检测到输入字体不包含任何字形（glyph），则判定为无效字体并返回失败。这一判断标准既保持了库的灵活性，又能在大多数情况下有效识别出损坏或无效的字体数据。

对于开发者而言，还可以通过以下方法进行额外验证：

• 使用 hb_face_count() 检查字体集合中的有效字体数量
• 检查关键表（如 head 表）是否存在

命令行工具改进

针对 hb-subset 命令行工具，开发团队还改进了错误提示信息。现在当检测到无效字体输入时，会明确提示"not valid font"而非笼统的操作失败信息，提高了用户体验。

最佳实践建议

在使用 HarfBuzz 进行字体子集化时，建议开发者：

1. 在调用 hb_subset_or_fail 前进行基本验证
2. 检查输出字体的有效性，特别是字形数量
3. 对于关键应用，考虑添加额外的格式验证逻辑

这一改进已在 HarfBuzz 的最新版本中实现，显著提高了字体子集化功能的健壮性。