使用python抓取使用自定义字体的网页

Question

我正在尝试刮除此webpage，它使用自定义字体在梵文中显示文本。我有ttf文件，用于网页中使用的字体。

无论如何，我是否可以使用ttf文件抓取该网站，然后使用Python（如果没有，则是任何语言）将内容编码为unicode？

他们使用的字体是http://www.acharya.gen.in:8080/fonts/iitmfonts.php中的iitmsans.ttf

Answer 1

不，您可能需要做一些手动工作才能为Python创建编码。 TTF文件不包含有关Unicode映射(it could的信息，但并不常见，而这一点则不行。

看着http://bluejamesbond.github.io/CharacterMap/中的字体，我看到了许多梵文字形，但我不知道它们的名称，或者在绘制它们时常见或允许使用哪些变体，因此我可能无法轻松地找到Unicode中的相同字形，您。但是我可以识别字符代码65（0x41）上的“ om”字形U+0950，因此我可以在您的编码中添加第一项：

Decoder

对字体中的所有其他字形执行此操作，您就可以在Python中使用映射。常规指南位于标准codecs模块的文档中，但您可能也希望找到类似Custom Python Charmap Codec的示例。