最近色んな国で使われている文字について興味を持っているので、たくさん勉強しています。

この世界には色んなタイプの文字が使われていますね。特にアジアの国ではバリエーションが多くて興味深いです。

そして現代のコンピューターはユニコードで色んな文字を表示することができて便利です。

ここではpythonを使って、各種類の文字を一気に羅列するpdfファイルを作成してみたいです。

基本

ここで主に使われるのはreportlabとpandasです。

reportlabの使い方はこれらの記事を参考に

文字のユニコードのブロックについてはこちら https://ja.wikipedia.org/wiki/ブロック_(Unicode)

ここで扱うのはアジアの国で使われるアルファベットとアブギダの音素文字のみです。アラビア文字みたいなアブジャドや、漢字みたいな表語文字は割愛します。

文字の情報

まずはデータの集まりです。該当する72種類の文字の情報csvファイルに書いてあります。順番はユニコード範囲の順。

unitafon.csv

文字,ブロック名,範囲,数,フォント
アルメニア,Armenian,530,96,Noto Serif Armenian
ターナ,Thaana,780,64,Noto Sans Thaana
デーヴァナーガリー,Devanagari,900,128,Noto Serif Devanagari
ベンガル,Bengali,980,128,Noto Serif Bengali
グルムキー,Gurmukhi,A00,128,Noto Serif Gurmukhi
グジャラート,Gujarati,A80,128,Noto Serif Gujarati
オリヤー,Oriya,B00,128,Noto Sans Oriya
タミル,Tamil,B80,128,Noto Serif Tamil
テルグ,Telugu,C00,128,Noto Serif Telugu
カンナダ,Kannada,C80,128,Noto Serif Kannada
マラヤーラム,Malayalam,D00,128,Noto Serif Malayalam
シンハラ,Sinhala,D80,128,Noto Serif Sinhala
タイ,Thai,E00,128,Noto Serif Thai
ラオス,Lao,E80,128,Noto Serif Lao
チベット,Tibetan,F00,256,Noto Serif Tibetan
ビルマ,Myanmar,1000,160,Noto Serif Myanmar
グルジア,Georgian,10A0,96,Noto Serif Georgian
タガログ,Tagalog,1700,32,Noto Sans Tagalog
ハヌノオ,Hanunoo,1720,32,Noto Sans Hanunoo
ブヒッド,Buhid,1740,32,Noto Sans Buhid
タグバヌア,Tagbanwa,1760,32,Noto Sans Tagbanwa
クメール,Khmer,1780,128,Noto Serif Khmer
モンゴル,Mongolian,1800,176,Noto Sans Mongolian
リンブ,Limbu,1900,80,Noto Sans Limbu
タイ・ナ,Tai Le,1950,48,Noto Sans Tai Le
新タイロ,New Tai Lue,1980,96,Noto Sans New Tai Lue
ブギス,Buginese,1A00,32,Noto Sans Buginese
タイタム,Tai Tham,1A20,144,Noto Sans Tai Tham
バリ,Balinese,1B00,128,Noto Serif Balinese
スンダ,Sundanese,1B80,64,Noto Sans Sundanese
バタク,Batak,1BC0,64,Noto Sans Batak
レプチャ,Lepcha,1C00,80,Noto Sans Lepcha
オルチキ,Ol Chiki,1C50,48,Noto Sans Ol Chiki
シロティ・ナグリ,Syloti Nagri,A800,48,Noto Sans Syloti Nagri
パスパ,Phags-pa,A840,64,Noto Sans Phags Pa
サウラーシュトラ,Saurashtra,A880,96,Noto Sans Saurashtra
カヤー,Kayah Li,A900,48,Noto Sans Kayah Li
ルジャン,Rejang,A930,48,Noto Sans Rejang
ジャワ,Javanese,A980,96,Noto Sans Javanese
チャム,Cham,AA00,96,Noto Sans Cham
タイ・ヴィエト,Tai Viet,AA80,96,Noto Sans Tai Viet
メイテイ,Meetei Mayek,ABC0,64,Noto Sans Meetei Mayek
カローシュティー,Kharoshthi,10A00,96,Noto Sans Kharoshthi
突厥,Old Turkic,10C00,80,Noto Sans Old Turkic
ブラーフミー,Brahmi,11000,128,Noto Sans Brahmi
カイティー,Kaithi,11080,80,Noto Sans Kaithi
ソラングソンペング,Sora Sompeng,110D0,48,Noto Sans Sora Sompeng
チャクマ,Chakma,11100,80,Noto Sans Chakma
マハージャニー,Mahajani,11150,48,Noto Sans Mahajani
シャーラダー,Sharada,11180,96,Noto Sans Sharada
ホジャ,Khojki,11200,80,Noto Sans Khojki
ムルターニー,Multani,11280,48,Noto Sans Multani
フダーワーディー,Khudawadi,112B0,80,Noto Sans Khudawadi
グランタ,Grantha,11300,128,Noto Serif Grantha
ネワ,Newa,11400,128,Noto Sans Newa
ティルフータ,Tirhuta,11480,96,Noto Sans Tirhuta
悉曇,Siddham,11580,128,Noto Sans Siddham
モーディー,Modi,11600,96,Noto Sans Modi
タークリー,Takri,11680,80,Noto Sans Takri
アーホム,Ahom,11700,64,Noto Serif Ahom
ドーグリー,Dogra,11800,80,Noto Serif Dogra
ワラング・クシティ,Warang Citi,118A0,96,Noto Sans Warang Citi
ザナバザル方形,Zanabazar Square,11A00,80,Noto Sans Zanabazar Square
ソヨンボ,Soyombo,11A50,96,Noto Sans Soyombo
パウ・チン・ハウ,Pau Cin Hau,11AC0,64,Noto Sans Pau Cin Hau
バイクシュキー,Bhaiksuki,11C00,112,Noto Sans Bhaiksuki
マルチェン,Marchen,11C70,80,Noto Sans Marchen
マサラム・ゴーンディー,Masaram Gondi,11D00,96,Noto Sans Masaram Gondi
グンジャラ・ゴーンディー,Gunjala Gondi,11D60,80,Noto Sans Gunjala Gondi
ムロ,Mro,16A40,48,Noto Sans Mro
パハウ・フモン,Pahawh Hmong,16B00,144,Noto Sans Pahawh Hmong
ミャオ,Miao,16F00,160,Noto Sans Miao

このデータをファイルに保存して、後でpandasで読み込んで使います。

フォントの取得

文字を表示するためには、それぞれの文字に適応するフォントが必要です。幸いこれらのフォントが集まっているサイトがあります。
=> https://fonts.google.com/noto/fonts

今回はまずこのサイトから必要なフォントをスクレイピングします。

import requests,zipfile,os,io
import pandas as pd

df = pd.read_csv('unitafon.csv') # フォントのデータが書いてあるファイル
font_fd = 'fonta' # ファイルを保存する場所
for font_namae in df['フォント']: # フォントの名前で検索してダウンロードを行う
    url = 'https://fonts.google.com/download?family='+font_namae
    r = requests.get(url)
    # ダウンロードされたデータはzipなのでzipfileとioを使って、ロードした途端すぐ解凍する
    with zipfile.ZipFile(io.BytesIO(r.content)) as zf:
        for f in zf.infolist():
            if('.ttf' in f.filename):
                zf.extract(f,os.path.join(font_fd,font_namae))

これを実行したら全部必要なフォントを手に入れます。これで準備は整います。

pdfの作成

文字の情報と必要なフォントが整ったら、次はreportlabを使ってpdfファイルを作成します。

import os
from glob import glob
import pandas as pd
from reportlab.pdfgen import canvas
from reportlab.pdfbase import pdfmetrics
from reportlab.pdfbase.ttfonts import TTFont
from reportlab.platypus import Table, TableStyle
from reportlab.lib import colors
from reportlab.platypus.flowables import Flowable

# 縦書きのフォントの処理をするためのクラス
class Tategaki(Flowable):
    def __init__(self,text):
        Flowable.__init__(self)
        self.text = text
    
    def draw(self):
        self.canv.rotate(-90)
        self.canv.drawString(0,0,self.text)
    
    def wrap(self,aW,aH):
        return self.canv._leading,-self.canv.stringWidth(self.text,self.canv._fontname,self.canv._fontsize)

df = pd.read_csv('unitafon.csv') # フォントのデータが書いてあるファイル
font_fd = 'fonta' # ファイルを保存する場所
save_folder = 'moji' # できたpdfファイルを保存するフォルダ

for i in range(len(df)):
    block = df['ブロック名'][i] # この文字のブロックの英語名
    font = df['フォント'][i] # この文字に使うフォントの名前
    h0 = int(df['範囲'][i],16) # ブロックのユニコードの開始（10進）
    h1 = h0+df['数'][i] # ブロックのユニコードの終わり（10進）
    pdf_file = os.path.join(save_folder,'%05d.pdf'%h0)
    # 0~Fの16進数を一番上に書く
    data = [['']+list(hex(i)[-1].upper() for i in range(16))]
    n = 0 # 何列目
    for x in range(h0,h1+1):
        if(n==0): #　一番左のコマにユニコードを書く（16進）
            da = [hex(x)[2:-1].upper()+'x']
        if(len(str(list[chr(x)]))==9):
            # モンゴル文字とパスパ文字だけは縦書きにする
            if(block in ['Mongolian','Phags-pa']):
                da.append(Tategaki(chr(x)))
            else:
                da.append(chr(x))
        else:
            da.append('')
        n += 1 # 次の列
        if(n==16): # すでに16列になったら次の行に移動する
            data.append(da)
            n = 0
    
    pagesize = [35*17+20,35*len(data)+15] # ページの広さ×高さ
    pcanvas = canvas.Canvas(pdf_file,pagesize=pagesize) # pdfページを作成する
    pdfmetrics.registerFont(TTFont(font,glob(os.path.join(font_fd,font,'*.ttf'))[0])) # フォント登録
    pcanvas.setFont('Helvetica',16) # ローマ字部分のフォント
    pcanvas.drawCentredString(pagesize[0]/2,pagesize[1]-15,block) # ヘッドにブロックの名前を書く
    # 表を作成する
    table = Table(data,colWidths=[45]+[35]*16,rowHeights=[25]+[35]*(len(data)-1))
    ts = [ # 表の中のフォントや色や線などのプロパティ
        ('TEXTCOLOR',(0,0),(-1,-1),colors.Color(1,1,1,1)), # 白い字
        ('BACKGROUND',(0,0),(-1,-1),colors.Color(0.3,0.1,0.3,1)), # 暗い紫色の背景
        ('FONT',(0,0),(-1,-1),'Helvetica',14), # ローマ字部分のフォント
        ('TEXTCOLOR',(1,1),(-1,-1),colors.Color(0.5,0,0,1)), # 茶色の字
        ('BACKGROUND',(1,1),(-1,-1),colors.Color(0.99,0.95,0.99,1)), # 薄桃色の背景
        ('FONT',(1,1),(-1,-1),font,16), # 文字表示のフォント
        ('GRID',(0,0),(-1,-1),1,colors.black), # 黒いグリッド
        ('ALIGN',(0,0),(-1,-1),'CENTER'),
        ('VALIGN',(0,0),(-1,-1),'MIDDLE'),
        ('RIGHTPADDING',(0,0),(-1,-1),0),
    ]
    # 字がないコマは灰色にする
    for y in range(1,len(data)):
        for x in range(1,len(data[y])):
            if(data[y][x]==''):
                ts.append(('BACKGROUND',(x,y),(x,y),colors.Color(0.3,0.3,0.3,1)))
    # ある特定のブロックの配置の問題の対処
    if(block in ['Gunjala Gondi']):
        ts.append(('ALIGN',(1,1),(-1,-1),'LEFT'))
    if(block in ['Marchen','Khojki','Newa','Zanabazar Square','Chakma']):
        ts.append(('ALIGN',(1,1),(-1,-1),'RIGHT'))
    if(block in ['Balinese','Javanese']):
        ts.append(('VALIGN',(1,1),(-1,-1),'TOP'))
    table.setStyle(TableStyle(ts)) # 表のプロパティを設定する
    table.wrapOn(pcanvas,5,5)
    table.drawOn(pcanvas,5,5) # 表を描く
    pcanvas.save() # pdfファイルに保存する

縦書きの文字の処理

ここで注意して欲しいところはモンゴル文字やパスパ文字など常に縦書きしなければならない文字です。

現代使われている殆どの文字は横書きなので、多くのソフトでは縦書きの扱いに多少問題があってちょっと困ります。reportlabもそのようです。縦書きの文字をこのまま書いたら表示は間違いとなります。

ちょっと面倒ですが、解決方法について詳しくはここに書いてあるので助かります。
=> https://stackoverflow.com/questions/13061545/rotated-document-with-reportlab-vertical-text

結果

以上のコードを実行したら文字表の書いてあるpdfファイルが作成されるはずです。

しかしpdfファイルをそのままqiitaに載せることはできないので、ここではpdf2imageというモジュールを使ってpngファイルに変換してここに乗ります。

pdf2imageの使い方についてはこの記事
=> https://qiita.com/kikuyan8540/items/35751c573de014df205b
=> https://qiita.com/Gyutan/items/5e62420cc8f6bb106bed
=> https://qiita.com/masuda401/items/f5cf9102cd3380db6ffb

from pdf2image import convert_from_path
import pandas as pd
import os

df = pd.read_csv('unitafon.csv')
save_folder = 'moji'

for i in range(len(df)):
    h0 = int(df['範囲'][i],16)
    pdf_file = os.path.join(save_folder,'%05d.pdf'%h0)
    convert_from_path(pdf_file,72)[0].save(pdf_file.replace('.pdf','.png'),'PNG')