Excalidraw SVG导出中Lilita字体失效问题分析与解决方案
2025-04-28 01:20:07作者:尤辰城Agatha
问题背景
在Excalidraw绘图工具中,用户发现当同时使用Lilita One和ExcaliFont两种字体时,SVG导出功能会出现字体渲染异常。具体表现为Lilita One字体的@font-face声明在生成的SVG文件中被完全忽略,导致最终导出的SVG无法正确显示Lilita One字体。
问题现象
当用户在Excalidraw中创建包含以下两种字体元素的绘图时:
- 使用Lilita One字体的文本
- 使用ExcaliFont字体的文本
导出为SVG后,生成的SVG文件中缺少Lilita One字体的@font-face定义,而ExcaliFont字体的定义则正常保留。这导致在SVG查看器中,原本应该使用Lilita One字体的文本无法正确渲染,通常会回退到默认字体显示。
技术分析
经过开发者调查,这个问题与字体文件的分布式存储方式有关。Excalidraw中的字体文件可能被分割成多个"chunks"(数据块)进行存储和加载。当两种字体同时存在时,某些情况下字体定义的合并处理逻辑存在缺陷,导致部分字体的@font-face声明被错误地过滤掉。
特别值得注意的是:
- 这个问题不仅出现在Lilita One和ExcaliFont的组合中
- 当Lilita One与Comic Shanns字体同时使用时也会出现相同问题
- 但与Nunito字体组合时则表现正常
- 这表明问题与字体文件的分布式存储结构有关,特别是与字体被分割成的chunk数量相关
解决方案
开发团队通过修改字体定义合并逻辑解决了这个问题。关键修复点是确保在生成SVG时,无论字体文件如何分布,所有使用到的字体都能正确保留其@font-face声明。
修复的核心思想是:
- 完善字体定义的收集机制
- 确保不因字体文件的分布式特性而丢失任何字体定义
- 保持原有性能优化同时保证功能完整性
验证结果
经过修复后验证确认:
- 同时包含Lilita One和ExcaliFont的绘图现在可以正确导出SVG
- 导出的SVG中包含完整的两种字体定义
- 所有文本都能按照预期使用指定的字体渲染
总结
这个问题的解决体现了Excalidraw团队对细节的关注和对用户体验的重视。字体渲染是绘图工具的核心功能之一,确保导出结果的准确性对于专业用户尤为重要。通过这次修复,Excalidraw进一步提升了其在SVG导出功能上的可靠性。
对于开发者而言,这个案例也提醒我们,在处理分布式资源合并时需要考虑各种边界情况,特别是当资源具有不同的存储结构特性时,需要设计更加健壮的合并算法。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147