FontTools中--retain-gids参数导致子集字体膨胀的技术分析

背景介绍

在使用FontTools的pyftsubset工具进行字体子集化时，开发者发现一个有趣现象：当使用--retain-gids参数保留原始字形ID时，生成的子集字体文件大小显著增加。本文将从技术角度深入分析这一现象的原因。

问题现象

以Noto Sans CJK字体为例：

• 原始字体文件大小约18MB
• 常规子集化后文件大小约24KB
• 使用--retain-gids参数子集化后文件大小膨胀至762KB

技术原理分析

字形ID保留机制

--retain-gids参数的核心功能是保持子集字体中字形ID(Glyph ID)与原始字体完全一致。这意味着：

1. 所有未被包含在子集中的字形必须保留为"空字形"占位符
2. 字形ID序列必须完整保留，包括中间的空缺

影响的主要字体表

这种机制主要影响以下几个OpenType表结构：

1. hmtx/vmtx表：水平/垂直度量表，按字形ID索引

   • 每个字形ID需要保留对应的度量值
   • 空字形使用默认度量值

2. CFF表：紧凑字体格式表

   • CharStrings INDEX必须保留所有字形ID对应的条目
   • 每个空字形需要至少包含一个endchar操作符(1字节)
   • 偏移量数组需要为每个字形ID保留条目(通常3字节/条目)

3. loca表：glyf表的位置索引(对于TrueType轮廓字体)

   • 需要为每个字形ID保留位置信息

文件膨胀的具体原因

以CFF表为例，膨胀主要来自：

1. CharStrings INDEX结构：

   • 偏移量数组：每个字形ID需要3字节
   • 数据区：每个空字形至少需要1字节(endchar)

2. 其他辅助结构：

   • FDSelect等按字形ID索引的结构也需要保留完整序列

对于包含大量字形ID空缺的字体(如示例中190-58913之间的空缺)，这些保留的空条目会显著增加文件体积。

优化空间

目前FontTools已实现的优化：

1. 尾部空字形裁剪：自动移除最后一个非空字形之后的所有空字形

潜在但未实现的优化：

1. CFF表压缩：
   • 移除空字形的endchar操作符(但会被OTS校验器拒绝)
   • 更紧凑的偏移量编码

实际应用建议

对于需要保留字形ID的应用场景：

1. 尽量选择连续的字形范围子集，减少中间空缺
2. 考虑使用字形ID范围较小的字体
3. 评估是否真的需要严格保留字形ID，或可采用映射表方案替代

总结

--retain-gids参数导致的文件膨胀是OpenType字体结构的固有特性所致，主要源于按字形ID索引的多种表结构需要保留完整序列。理解这一机制有助于开发者在文件大小和功能需求之间做出合理权衡。