線上轉換工具

如果你不想安裝軟體，且轉換數量不多，這幾個網站是首選。

• Fontsource Webfont Converter純瀏覽器處理，檔案不會上傳到伺服器，對隱私更有保障，速度也非常快。
• Transfonter這是目前開發者最推薦的工具。它除了轉換格式，還能幫你生成 @font-face 的 CSS 代碼，並支援字體子集化（Subsetting）來縮減檔案體積。
• CloudConvert萬用型的檔案轉換器，如果你的字體檔案非常大（超過 10MB），一般的網頁工具可能會失敗，這時可以用 CloudConvert 處理。

命令列工具 (CLI)

如果你需要批次處理，或是想把轉換流程加入自動化腳本，這幾個工具非常強大。

• google/woff2這是 Google 官方釋出的參考代碼。在 macOS 可以直接用 brew install woff2 安裝，之後在終端機輸入
  woff2_compress yourfont.ttf
  就能得到 WOFF2 檔。
• fonttools (Python)這是字體工程領域的標準工具。安裝 Python 後執行
  pip install fonttools
  轉換指令：
  pyftsubset yourfont.ttf “*” –flavor=woff2 –output-file=yourfont.woff2
• wawoff2 (Node.js)這是 Google woff2 的 WebAssembly 版本，適合 Node.js 環境。執行
  npx wawoff2 compress yourfont.ttf

工具對比總結

如果你只需要簡單轉檔給網站用，我建議直接用 Transfonter。如果你是想研究如何縮小字體體積，那麼 fonttools 是比較專業的選擇。

使用 Python 進行自動化轉換

如果你的電腦有安裝 Python，使用 fonttools 是最專業的做法。它不只能轉檔，還能移除字體中用不到的字元來減肥。

首先安裝必要的套件：

pip install fonttools brotli

接著你可以使用這段簡單的腳本，它會掃描資料夾內所有的 TTF 檔案並轉換成 WOFF2：

import os
from fontTools.ttLib import TTFont

def convert_to_woff2():
    for file in os.listdir('.'):
        if file.endswith('.ttf'):
            font = TTFont(file)
            output_name = file.replace('.ttf', '.woff2')
            font.save(output_name, reorderTables=True)
            print(f'已完成: {output_name}')

if __name__ == '__main__':
    convert_to_woff2()

使用 Shell 指令批次轉換

如果你在 macOS 或 Linux 環境，且已經安裝 Google 官方的 woff2 工具，可以用一行指令處理整個資料夾。

安裝方式：

brew install woff2

轉換指令：

for f in *.ttf; do woff2_compress "$f"; done

這會直接在同個資料夾產生對應的 WOFF2 檔案。這個工具的壓縮率通常是最好的，因為它使用了 Google 開發的 Brotli 壓縮演算法。

pyftsubset 是 fonttools 套件中最強大的工具。它的核心邏輯是從原始字體中「切出」你需要的部分，並重新打包成網頁專用的格式。

基礎轉換指令

如果你不需要刪除任何字元，只是單純想把 TTF 轉成 WOFF2，可以使用這個指令。

Bash

pyftsubset input.ttf --glyphs="*" --flavor=woff2 --output-file=output.woff2

• --glyphs="*"：代表保留原字體中所有的字元，不進行刪減。
• --flavor=woff2：指定輸出格式為 WOFF2。如果不加這行，預設會輸出 TTF。

字體子集化（縮減體積）

中文字體動輒 10MB 以上，載入速度很慢。子集化可以讓你只保留網頁會用到的字。

• 指定文字內容：如果你只想保留特定的字（例如「你好」），可以使用 –text。Bashpyftsubset input.ttf --text="你好" --flavor=woff2
• 使用 Unicode 範圍：如果你想保留常用的中文字範圍，可以使用 –unicodes。Bashpyftsubset input.ttf --unicodes="U+4E00-9FFF" --flavor=woff2

常用的進階參數

為了讓網頁載入更順暢，建議加上以下參數優化字體結構。

• –layout-features=”*”預設情況下，子集化會刪除 OpenType 特性（如連字、垂直排版）。如果你需要保留這些功能，務必加上這個參數。
• –no-hinting如果你不在意舊螢幕的清晰度，移除 Hinting 資訊可以再減少約 10% 到 20% 的檔案大小。
• –desubroutinize針對 CJK（中日韓）字體，這可以解決某些瀏覽器在渲染子集化後的 CJK 字體時出現的異常。

完整的專業指令推薦

這是我最常建議的「高效能網頁字體」轉換公式：

pyftsubset MarukoGothic.ttf --unicodes="U+4E00-9FFF,U+0000-007F" --flavor=woff2 --layout-features="*" --output-file=font.woff2

這個指令會保留「基本拉丁字母」與「常用中文字範圍」，並維持所有的字體排版特性。

針對你的需求，要把日文、英文以及常用標點符號都包進去，你需要組合多個 Unicode 區塊。

推薦的 Unicode 範圍組合

你可以將以下這段字串直接複製到 --unicodes 參數後。這包含了基本英文、常用符號、日文（平假名、片假名、漢字）以及中文字：

U+0000-007F,U+00A0-00FF,U+2000-206F,U+3000-303F,U+3040-309F,U+30A0-30FF,U+4E00-9FFF,U+FF00-FFEF

各區塊詳細說明

下表拆解了這串代碼代表的意義，你可以根據需求增減：

最終執行指令範例

這是一個非常完整的轉換指令，適合處理像「丸子黑體」這類包含中日文的字體：

for macOS / Linux:

pyftsubset MarukoGothic.ttf \
--unicodes="U+0000-007F,U+00A0-00FF,U+2000-206F,U+3000-303F,U+3040-309F,U+30A0-30FF,U+4E00-9FFF,U+FF00-FFEF" \
--flavor=woff2 \
--layout-features="*" \
--output-file=MarukoGothic_optimized.woff2

for Windows:

pyftsubset MarukoGothic.ttf ^
--unicodes="U+0000-007F,U+00A0-00FF,U+2000-206F,U+3000-303F,U+3040-309F,U+30A0-30FF,U+4E00-9FFF,U+FF00-FFEF" ^
--flavor=woff2 ^
--layout-features="*" ^
--output-file=MarukoGothic_optimized.woff2

小提醒

如果你發現某些特殊的避頭尾點號（如雙引號）沒出現，通常是因為它們落在 U+2018-201D 之間，上面的 U+2000-206F 已經完整覆蓋了。

Max腳本檔案下載：
https://github.com/max32002/MaxFontScripts/blob/master/smooth_sharp.py

這個版本與「套用多重濾鏡，精確修復各種特定的筆畫瑕疵」這篇文章的差異在線條較圓滑，優點是產生的字型檔案會較小，缺點是，風格也消失的很嚴重，例如：預期的勾筆，會變成一個轉角的彎。

由於是使用scikit會造成交叉處可能被凸出或凹陷。這部份，等有空再來解，目前算是開發（除錯）中的版本。

環境準備與安裝

使用前需要準備開發環境。確保安裝 opencv-python 套件。還有 numpy 與 scikit-image。這些工具提供影像處理核心運算。

pip install opencv-python numpy scikit-image

核心功能邏輯

核心功能分為兩個階段。第一階段是 smooth_sharp_edges 函式。它提取影像骨架。計算每個點到邊緣的距離值。利用超取樣重新繪製平滑圓點。最後縮放回原始尺寸。這種做法能有效去除毛邊。

第二階段是 apply_pattern_cleaning_fast。這部分針對微小像素樣式進行清理。程式自動比對特定區塊。若符合定義的雜點特徵。就替換為正確像素。

使用範例與指令

程式支援單一檔案。也支援資料夾批次處理。透過命令列執行。參數 input 指定來源。參數 output 指定存放位置。

範例指令：

python smooth_sharp.py --input ./raw_images --output ./cleaned_results

如果沒有指定輸出路徑。程式會自動在輸入目錄旁建立新資料夾。處理完成的圖片會轉為白底黑字存檔。

自定義清理樣式

可以在 get_patterns 函式內擴充。定義 p 陣列為瑕疵樣式。定義 r 陣列為修正後的結果。程式會自動執行四個方向旋轉比對。不需要手動撰寫旋轉邏輯。這對處理特定硬體產生的掃描雜訊非常有效。

這是實用的影像預處理工具。適合處理黑白文字。或是改善手繪線條品質。

為了方便擴展，我將程式結構重組。現在你可以定義一個列表，裡面存放多組 pattern 與 replacement 的配對。程式會自動對每一組配對執行四個角度的旋轉掃描與替換。

Max腳本檔案下載：
https://github.com/max32002/MaxFontScripts/blob/master/smooth_pattern.py

這個版本與「影像邊緣平滑與雜點清理」文章的差異在：優點是風格也消失較少，缺點：產生的字型檔案會較大，且雜訊較多。

為什麼需要這份程式碼

手寫筆記掃描成電腦檔案。墨水常常會暈開。筆畫黏在一起。畫面看起來很髒。這份程式碼可以自動修復。它能把黏住的字跡分開。清理多餘的碎點。讓黑白文字變得清晰。

準備環境

這段程式使用 Python 語言。你需要安裝兩個工具套件。打開終端機或命令提示字元。輸入下方指令安裝。

pip install opencv-python numpy

如何操作腳本

你可以處理單張圖片。也可以處理整個資料夾。指令非常簡單。打開終端機。移動到檔案所在目錄。

處理單張圖片的範例。

python smooth_pattern.py -i test.jpg -o result.jpg

處理整個資料夾的範例。

python clean.py -i ./my_notes

如果沒有指定 output 路徑。程式會自動建立一個加上 “_clean” 字樣的資料夾。

程式處理邏輯

這份工具包含幾個重要步驟。首先將圖片轉為二值化。也就是純黑與純白。接著執行減少暈染。利用形態學運算切斷微小的連結。這對分離筆畫很有效。

程式定義了一些特定的像素樣式。會自動比對並替換雜訊。最後進行平滑化處理。先將圖片放大再縮小。利用中值濾波去除鋸齒。讓邊緣看起來更自然。

建議

對於學習 OpenCV 的初學者。這是一個很好的練習案例。可以觀察不同矩陣運算對圖片的影響。

為什麼要學這個？

在字型設計、視覺化應用、深度學習資料蒐集等領域中，我們常需要將 .ttf 字型檔案中的每個字元提取出來，轉換成標準向量格式（例如 .svg）。這種需求常見於以下情境：

• 🎨 圖文設計師：將字型的特定字元轉為向量圖，供 Illustrator 或 Figma 編輯。
• 🧠 機器學習研究者：建立字型風格遷移、手寫模仿等模型時，需要大量向量化字元資料。
• 💻 前端工程師：將文字轉為 SVG，用於自訂字型圖示或動畫字效。
• ✍️ 字型設計師：觀察並微調每個 glyph 的 SVG 輪廓。

而手動一個一個轉出 SVG 不僅耗時，也容易出錯。幸好，透過 FontForge 提供的 Python API，我們可以輕鬆完成這個任務。

前置作業

使用前，需要先安裝FontForge。

FontForge執行檔下載：
https://fontforge.org/en-US/

Max腳本檔案下載：
https://github.com/max32002/MaxFontScripts/blob/master/export_ttf_to_svg.py

使用範例

假設你有一個叫做 NotoSansCJKtc-Regular.ttf 的中文字型檔，你可以執行以下指令：

python export_ttf_to_svg.py ./fonts/NotoSansCJKtc-Regular.ttf ./output_svg

執行後，程式會：

• 開啟指定字型檔
• 將每個字元轉為 .svg 格式
• 儲存在 ./output_svg/ 資料夾中，命名為 glyph unicode int 值

你可以在瀏覽器或設計工具中檢視這些 SVG，確認每個字元都完整向量化。

小結

這個工具對於字型開發、字元資料集建立、視覺化工具客製化都有很大的幫助。透過簡單幾行 Python，你就可以自動化這個繁瑣的流程。

有一個特殊的情況, 需要手動地設定對應值到程式碼裡, 取得對應值是在下面這篇文章:
https://codereview.max-everyday.com/get-font-chars/

之所以會有對應值, 是因為同一個字, 有多個異體字造成.

如果沒有產生正確的對應, 會造成某一個字碼會同時顯示二個字的 glyph.

相關文章

向量檔匯入字體檔
https://codereview.max-everyday.com/import-svg-to-font/

使用方法:

fontforge clear_glyph.py --input INPUT --output new-font.ttf --string STRING

參數說明：

• --input 輸入的來源字體專案目錄。
• --output 要處理的字體專案目錄或字型檔。
• --string 要取出的字串。預設值是空字串.
• --file 使用文字檔內的子串.
• --skip_alt 遇到有alt (lookup) 的字, 不刪除. 以避免錯誤: Lookup subtable contains unused glyph uni???? making the whole subtable invalid

執行結果：

說明：

• 開啟 alpha-1.ttf
• 刪除字元 g
• 另存為 alpha-2.ttf
• 來源字型字元數: 8
• 被清除掉的字元數: 1, (代表: 另存完的字元數: 7)
• 這個範例可以直接對2個字型檔操作, 針對大型的字型檔, 效率非常顯著的提升很多.

重要：刪除檔案前，請先一定要做要備份，因為會救不回來！

Max腳本檔案下載：
https://github.com/max32002/MaxFontScripts/blob/master/font_delete_font.py

使用方法:

fontforge font_delete_font.py --input input_font --remove selecte_font --output new-font.ttf

參數說明：

• --input 輸入的來源字體專案目錄。
• --remove 要移除文字清單的字體專案目錄。
• --output 要處理的字體專案目錄或字型檔。

執行結果：

說明：

• 開啟 1.sfdir, 當作來源字型.
• 開啟 2.sfdir, 列出所有的文字清單.
• 另存為 3.sfdir
• 被清除掉的字元數: 2, 在個案之中, 這2個字其實只有一個檔案, 使用了 alt 對映.
• 被清除掉的字元數: 1, 在個案之中, 來源字型 1.sfdir 只有2個字, 2.sfdir 是1個字, 但有使用 alt 對映.
• 這個範例可以直接對2個字型檔 .ttf 操作, 針對大型的字型檔, 效率非常顯著的提升很多.
• 也可以使用這個 script 來解決刪除不常用字, 讓字型減肥的效果, 參考:
  從文字檔移除特定文字集合
  https://codereview.max-everyday.com/remove-selected-char/

為什麼要學這個？

將圖片轉換為二進制灰度模式在許多應用中都非常有用，例如：

• 文字辨識 (OCR)： 許多 OCR 引擎在處理二進制圖片時，效果更好。
• 影像分析： 二進制圖片可以簡化影像分析，例如形狀檢測、邊緣檢測等。
• 列印或顯示： 在某些情況下，二進制圖片更適合列印或在特定顯示器上顯示。
• 壓縮： 二進制圖片通常比灰度或彩色圖片更小，有助於節省儲存空間。

使用方法

• Max腳本檔案下載：
  https://github.com/max32002/MaxFontScripts/blob/master/binary_images.py

在終端機或命令提示字元中執行以下命令：

python binary_images.py <輸入目錄> [--output_dir <輸出目錄>] [--threshold <閾值>] [--antialiasing <反鋸齒強度>]

參數說明

• <輸入目錄>：要轉換圖片的目錄路徑。
• --output_dir <輸出目錄>：轉換後圖片的輸出目錄路徑。如果未提供，則原始圖片將被覆蓋。
• --threshold <閾值>：二值化的閾值，預設值為 127。
• --antialiasing <反鋸齒強度>：反鋸齒處理的強度，預設值為 0（不套用）。

使用範例

• 範例 1： 將 images 目錄中的所有圖片轉換為二進制灰度模式，並覆蓋原始檔案：

python binary_images.py images

• 範例 2： 將 images 目錄中的所有圖片轉換為二進制灰度模式，並將轉換後的圖片儲存到 binary_gray_images 目錄中：

python binary_images.py images --output_dir binary_gray_images

• 範例 3： 將 images 目錄中的所有圖片轉換為二進制灰度模式，並使用閾值 150 進行二值化：

python binary_images.py images --threshold 150

• 範例 4： 將 images 目錄中的所有圖片轉換為二進制灰度模式，並套用強度為 3 的反鋸齒處理：

python binary_images.py images --antialiasing 3

注意事項

• 請確保已安裝 OpenCV 函式庫（pip install opencv-python）。
• 反鋸齒強度值越大，模糊效果越強，但同時也會導致圖片細節損失。

為什麼要學這個？

在許多影像處理應用中，我們經常需要處理左右對應的圖片，例如：

• 立體視覺： 透過左右兩張圖片，可以模擬人眼的立體視覺效果。
• 影像拼接： 將左右兩張圖片拼接成一張全景圖。
• 影像分析： 分別分析左右兩張圖片，以提取不同的特徵。
• 資料預處理： 在機器學習或深度學習的影像相關任務中，有時需要對資料集裡的圖片做裁切，以符合模型訓練所需的格式。

這個 Python 腳本可以幫助您快速、方便地裁剪左右對應的圖片，提高工作效率。

使用方法

1. 安裝 Pillow 函式庫：
   • 如果您的電腦尚未安裝 Pillow，請在終端機或命令提示字元中執行以下命令： Bash
     pip install Pillow
2. 儲存 Python 腳本：
   • Max腳本檔案下載：
     https://github.com/max32002/MaxFontScripts/blob/master/crop_images.py
3. 執行 Python 腳本：
   • 在終端機或命令提示字元中，使用以下命令執行腳本： Bash
     python crop_images.py --input <輸入目錄路徑> --output <輸出目錄路徑> --reverse
   • 將 <輸入目錄路徑> 替換為包含左右對應圖片的目錄路徑。
   • 將 <輸出目錄路徑> 替換為您想要儲存裁剪後圖片的目錄路徑。如果省略 --output，則預設會使用 cropped_images 目錄。
   • 如果想要裁剪右半邊的圖片，請加上 --reverse 選項。

參數說明

• --input：
  • 必要參數。
  • 指定輸入圖片目錄的路徑。
• --output：
  • 選擇性參數。
  • 指定輸出目錄的路徑。
  • 預設值為 cropped_images。
• --reverse：
  • 選擇性參數。
  • 如果指定此參數，則裁剪右半邊的圖片。
  • 如果未指定此參數，則裁剪左半邊的圖片。

使用範例

假設您的圖片目錄為 input_images，其中包含以下兩個圖片檔案：

• left.jpg
• right.jpg

您想要將 left.jpg 的左半邊裁剪出來，並儲存到 left_cropped 目錄，您可以執行以下命令：

Bash

python crop_images.py --input input_images --output left_cropped

您想要將 right.jpg 的右半邊裁剪出來，並儲存到 right_cropped 目錄，您可以執行以下命令：

Bash

python crop_images.py --input input_images --output right_cropped --reverse

透過這些範例，您可以更了解如何使用此腳本來裁剪左右對應的圖片。

為什麼要學這個？

在許多情況下，我們需要將字元轉換為圖像，例如：

• 生成字型圖集： 用於遊戲開發、網頁設計或圖形設計。
• 建立訓練資料集： 用於機器學習中的字元辨識。
• 產生藝術字體： 創造獨特的字體效果。
• 驗證碼產生: 產生驗證碼圖片。

這個 Python 腳本提供了一個方便的方法，可以根據指定的字型、大小和樣式，快速生成字元圖像。

使用方法

• 安裝 Python 和 opencv, freetype：

pip install opencv-python numpy freetype-py 

安裝 opencv 與 freetype 圖像處理庫。

• 準備字型檔案：
  • 將您要使用的字型檔案（例如 .ttf 或 .otf）放在一個容易存取的位置。
• 執行腳本：
  • 將腳本儲存為一個 .py 檔案（例如 generate_glyphs.py）。腳本傳送門:
    https://github.com/max32002/MaxFontScripts/blob/master/generate_glyphs.py
  • 在命令列或終端機中，使用

python generate_glyphs.py [參數] 

參數說明

• --keyword：
  • 要生成的字串。
  • 預設值為空字串。
• --font：
  • 字型檔案的路徑。
  • 必要參數。
• --font_size：
  • 字型大小。
  • 預設值為 256。
• --canvas_size：
  • 圖布大小（邊長）。
  • 預設值為 256。
• --output_dir：
  • 輸出目錄。
  • 預設值為 glyph_image。
• --filename_rule：
  • 檔案名稱規則。
  • 可選值：seq（序列號）、char（字元）、unicode_int（Unicode 整數）、unicode_hex（Unicode 十六進位）。
  • 預設值為 unicode_int。
• -f (也可以用 --format )：
  • 副檔名
  • 預設值為 png。
• --file：
  • 從文字檔案讀取字元。
  • 可選參數。
• --x_offset：
  • 字型 X 軸偏移量，預設為 0。
• --y_offset：
  • 字型 Y 軸偏移量，預設為 0。
• --clear：
  • 清除輸出目錄中的所有檔案。
  • 如果存在這個參數，在生成檔案前，會先清除 output_dir 內的所有檔案。

使用範例

• 生成包含 “Hello” 字串的字元圖像：

python generate_glyphs.py --font font.ttf --keyword "Hello"

• 從文字檔案讀取字元並生成圖像：

python generate_glyphs.py --font font.ttf --file characters.txt

• 使用序列號作為檔案名稱，並設定字型大小和圖布大小：

python generate_glyphs.py --font font.ttf --keyword "ABC" --filename_rule seq --font_size 128 --canvas_size 128

• 在生成檔案前，先清除 output_dir 內的所有檔案。

python generate_glyphs.py --font font.ttf --keyword "ABC" --clear

注意事項

• 請確保您提供的字型檔案路徑是正確的。
• 您可以根據需要調整參數，以獲得所需的圖像效果。
• 使用 --clear 參數會刪除整個輸出目錄及其中的所有檔案，請謹慎使用。
• 如果輸出目錄不存在，--clear 參數不會有任何作用。

如果想看對照圖的話，可以下 –save 參數, 如果只有要看比對結果, 會顯示在compare_result.txt 文字檔內。

為什麼要學這個？

在設計、排版或任何需要使用字型的領域中，字型的選擇至關重要。即使是看似相似的字型，也可能在細節上存在差異，進而影響整體視覺效果。透過這個 Python 腳本，您可以：

• 精準比較字型差異： 量化兩個字型在像素層級的差異，找出人眼難以察覺的細節。
• 提升設計品質： 確保字型選擇符合設計需求，避免因字型差異導致的視覺不協調。
• 字型開發與測試： 字型設計師可以利用此工具，測試字型微調後的差異。
• 排版校對： 協助校對排版文件，確保字型使用一致。
• 不同字集之間 glyph 共用的判斷： 那些字可以同時被用在 cjkjp / cjktc / cjksc 的依據。

前置作業

在使用此腳本之前，請確保您已完成以下準備工作：

• 安裝 Python 和 Pillow：
  • 如果您的電腦尚未安裝 Python，請至 Python 官網下載並安裝。
  • 在命令列或終端機中執行以下指令，安裝 Pillow 函式庫： Bash
    pip install pillow
• 準備字型檔案：
  • 將您要比較的兩個字型檔案（例如 .ttf 或 .otf 格式）放置在電腦中方便存取的位置。
• 準備文字檔案：
  • 建立一個文字檔案（例如 text.txt），其中包含您要比較的文字。
• Max腳本檔案下載：
  https://github.com/max32002/MaxFontScripts/blob/master/compare_fonts.py

腳本使用方式

在命令列或終端機中，使用以下指令執行腳本：

python compare_fonts.py --font1 <font1_path> --font2 <font2_path> --file <text_file_path> [options]

• <font1_path>：第一個字型檔案的路徑。
• <font2_path>：第二個字型檔案的路徑。
• <text_file_path>：文字檔案的路徑。
• [options]：可選參數。

參數說明

• --font1 <font1_path>：指定第一個字型檔案的路徑。
• --font2 <font2_path>：指定第二個字型檔案的路徑。
• --file <text_file_path>：指定包含要比較文字的文字檔案路徑。
• --output_file <output_file_path>：指定輸出結果的檔案路徑，預設為 compare_result.txt。
• -s, --size <font_size>：指定字型大小，預設為 64。
• --font1_x_offset <x_offset>：指定第一個字型 X 軸偏移量，預設為 0。
• --font1_y_offset <y_offset>：指定第一個字型 Y 軸偏移量，預設為 0。
• --font2_x_offset <x_offset>：指定第二個字型 X 軸偏移量，預設為 0。
• --font2_y_offset <y_offset>：指定第二個字型 Y 軸偏移量，預設為 0。
• --save：儲存左右對照圖。
• --reverse：反轉左右對照圖的左右位置。
• --output_dir <output_directory>：指定對照圖的輸出目錄，預設為 comparison_images。

4. 實際範例

假設我們有兩個字型檔案 Arial.ttf 和 Verdana.ttf，以及一個包含文字 “Hello World” 的文字檔案 text.txt。我們想要比較這兩個字型在顯示 “Hello World” 時的差異。

1. 準備檔案：
   • 將 Arial.ttf、Verdana.ttf 和 text.txt 放置在同一目錄下。
2. 執行腳本：
   • 在命令列或終端機中，切換到包含這些檔案的目錄。
   • 執行以下指令： Bashpython compare_fonts.py --font1 Arial.ttf --font2 Verdana.ttf --file text.txt
3. 查看結果：
   • 腳本執行完成後，將在同一目錄下生成一個名為 compare_result.txt 的檔案，其中包含詳細的字元差異百分比和平均差異百分比。
   • 如果使用了 --save 參數，還會在 comparison_images 目錄下生成左右對照圖。

5. 進階應用

• 調整字型大小和偏移量： 使用 -s、--font1_x_offset、--font1_y_offset、--font2_x_offset 和 --font2_y_offset 參數，調整字型大小和偏移量，以更精確地比較字型差異。
• 儲存對照圖： 使用 --save 參數，儲存左右對照圖，以便更直觀地比較字型差異。
• 反轉對照圖： 使用 --reverse 參數，反轉左右對照圖的左右位置。
• 指定輸出目錄： 使用 --output_dir 參數，指定對照圖的輸出目錄。

6. 注意事項

• 字型檔案的路徑必須正確。
• 文字檔案的編碼必須為 UTF-8。

針對上面產出的文字檔, 接續處理是:

篩選文字檔中的差異百分比結果並輸出特定字元
https://codereview.max-everyday.com/filter_results/