HarfBuzz 文本整形引擎中的簇(Cluster)机制解析

HarfBuzz 文本整形引擎中的簇(Cluster)机制解析

harfbuzz 项目地址: https://gitcode.com/gh_mirrors/har/harfbuzz

什么是簇(Cluster)

在文本整形处理中，**簇(Cluster)**是指需要被视为单一、不可分割单元的字符序列。每个单独的字母或符号可以构成自己的簇，而更长的字符子序列(如连字或合字形式)也会形成一个簇，整形引擎必须确保这些簇在整形过程中不会被拆分。

簇与字素(Grapheme)的区别

虽然簇和字素的概念相似，但它们有本质区别：

• 簇是文本整形和字形布局层面的概念，是HarfBuzz等整形引擎处理的基本单位
• 字素是书写系统或脚本本身的属性，是语言意义上的最小有意义单位

举例说明：两个单独的字母通常是两个独立的字素。但当它们形成连字时，会合并为单个字形，这时它们就属于同一个簇，被整形引擎视为一个单元处理，尽管原始的两个字母仍然是独立的字素。

簇在HarfBuzz中的作用

HarfBuzz主要关注簇而非字素，因为：

1. 在整形过程中，多个字符可能合并(如形成连字或合字)
2. 单个字符可能分解为多个字形(如通过ccmp特性)
3. HarfBuzz会跟踪这些变化，确保簇不会在整形过程中丢失或损坏

簇信息的实际应用

HarfBuzz独立记录簇信息，客户端程序可以利用这些信息实现：

• 光标定位：即使在字符形成连字、组合/分解或重新排序后，也能正确定位光标
• 文本选择：正确高亮显示包含单词部分字符的文本选择
• 文本属性：对单词的一部分(而非全部)应用颜色、下划线等属性
• 文档生成：生成可完全提取文本的输出文档(如PDF)
• 字符-字形映射：确定输入字符与输出字形间的映射关系(如哪些字形是连字)
• 排版处理：在整形完成后执行断行、对齐等段落级操作

HarfBuzz中的簇处理机制

簇值(Cluster Value)

当向HarfBuzz缓冲区添加文本时，每个代码点都必须分配一个簇值。这个值可以是任意数字，HarfBuzz仅用它来区分不同的簇。

常见做法是使用输入文本流中每个代码点的索引作为簇值，这样初始簇值序列通常是单调递增的(如0,1,2,3,4)。

簇处理级别(Cluster Level)

HarfBuzz提供三种簇处理级别，通过设置缓冲区的cluster_level属性来控制：

级别0(默认)

• 特点：处理开始时，将所有标记字符、修饰符号等重新分配为前面最近的不同类别字符的簇值
• 适用场景：需要将HarfBuzz簇值作为Unicode字素簇边界近似值的情况
• 常量：HB_BUFFER_CLUSTER_LEVEL_MONOTONE_GRAPHEMES

级别1

• 特点：不合并标记和修饰符代码点的簇，保留它们独立的簇值
• 优势：可以实现更精细的效果，如将标记字形与基字设置不同颜色
• 推荐：不需要向后兼容旧版HarfBuzz时使用
• 常量：HB_BUFFER_CLUSTER_LEVEL_MONOTONE_CHARACTERS

级别2

• 特点：HarfBuzz从不合并簇
• 区别：连字替换和字形分解都不会触发簇合并
• 常量：HB_BUFFER_CLUSTER_LEVEL_CHARACTERS

单调性保证

如果初始簇值是单调的(递增或递减)，且缓冲区配置为使用级别0或1，HarfBuzz保证：

1. 对于LTR(从左到右)或TTB(从上到下)文本流，最终簇值保持单调递增
2. 对于RTL(从右到左)或BTT(从下到上)文本流，最终簇值变为单调递减

级别2不提供这种保证。

簇处理示例

合并与分解示例

初始字符序列和簇值：

A,B,C,D,E
0,1,2,3,4

1. B和C形成连字，合并簇值为min(1,2)=1：

A,BC,D,E
0,1 ,3,4

2. BC分解为三个组件，D分解为两个组件，子簇继承父簇值：

A,BC0,BC1,BC2,D0,D1,E
0,1  ,1  ,1  ,3 ,3 ,4

3. BC2和D0形成连字，合并簇值为min(1,3)=1：

A,BC0,BC1,BC2D0,D1,E
0,1  ,1  ,1    ,1 ,4

此时簇1表示：字符序列BCD由字形BC0,BC1,BC2D0,D1表示，且不可再分割。

重新排序示例

初始序列：

A,B,C,D,E
0,1,2,3,4

D被重新定位到B前，合并B,C,D的簇值为min(1,2,3)=1：

A,D,B,C,E
0,1,1,1,4

级别0与1的关键区别

唯一区别在于：在级别0中，HarfBuzz在整形过程开始时就将每个基字符的簇与其后所有的Unicode标记(组合或非组合)和修饰符的簇合并。

这种差异使得级别1能够提供更精细的簇控制，适合需要区分标记和基字处理的场景。

harfbuzz 项目地址: https://gitcode.com/gh_mirrors/har/harfbuzz