文言を直したら、新しく足した字だけが豆腐になりました。日本語 Web フォントのサブセットに欠け字チェックを足す手順

#!/usr/bin/env python3
"""サイトの文字を集める共通部品。build と check の両方がこれを読む。"""
import pathlib, re, unicodedata
 
TEXT_EXT = {".html", ".mdx", ".md", ".json", ".txt", ".tsx", ".ts"}
# 描画に字形が要らない文字（改行・タブ・ゼロ幅など）
SKIP_CATEGORIES = {"Cc", "Cf", "Zl", "Zp"}
 
def iter_chars(root: pathlib.Path):
    """(文字, ファイル, 行番号) を順に返す。"""
    for path in sorted(root.rglob("*")):
        if path.suffix not in TEXT_EXT or not path.is_file():
            continue
        text = path.read_text(encoding="utf-8")
        # JSON は \uXXXX のエスケープを元に戻してから走査する
        if path.suffix == ".json":
            text = re.sub(r"\\u([0-9a-fA-F]{4})", lambda m: chr(int(m.group(1), 16)), text)
        for lineno, line in enumerate(text.splitlines(), start=1):
            for ch in line:
                if unicodedata.category(ch) in SKIP_CATEGORIES:
                    continue
                if ch == " ":
                    continue
                yield ch, path, lineno

#!/usr/bin/env python3
"""サイト内の全文字だけを残した woff2 を作る。"""
import pathlib, sys
from fontTools import subset
from fontTools.ttLib import TTCollection
from scan_chars import iter_chars
 
src_ttc, site_dir, out = sys.argv[1], pathlib.Path(sys.argv[2]), sys.argv[3]
BASE = "".join(chr(c) for c in range(0x20, 0x7F))     # ASCII は常に残す
chars = sorted({c for c, _, _ in iter_chars(site_dir)} | set(BASE))
 
# .ttc から JP の1書体だけ取り出す（先頭が JP とは限らないので名前で探す）
font = next(f for f in TTCollection(src_ttc).fonts if f["name"].getDebugName(1).endswith(" JP"))
opts = subset.Options(flavor="woff2", notdef_outline=True)
sub = subset.Subsetter(opts)
sub.populate(text="".join(chars))
sub.subset(font)
subset.save_font(font, out, opts)
pathlib.Path(out).with_suffix(".chars.txt").write_text("".join(chars), encoding="utf-8")
print(f"chars={len(chars)} -> {out} ({pathlib.Path(out).stat().st_size} bytes)")

#!/usr/bin/env python3
"""サブセット済みフォントに無い文字を、ファイルと行番号つきで出す。1文字でも欠けたら exit 1。"""
import pathlib, sys, unicodedata
from fontTools.ttLib import TTFont
from scan_chars import iter_chars
 
font_path, site_dir = sys.argv[1], pathlib.Path(sys.argv[2])
cmap = TTFont(font_path).getBestCmap()
missing = {}
for ch, path, lineno in iter_chars(site_dir):
    if ord(ch) not in cmap:
        missing.setdefault(ch, []).append(f"{path.relative_to(site_dir)}:{lineno}")
 
for ch, where in sorted(missing.items()):
    name = unicodedata.name(ch, "?")
    print(f"MISSING U+{ord(ch):04X} {ch} {name}  {where[0]}" + (f" (+{len(where)-1})" if len(where) > 1 else ""))
print(f"missing={len(missing)}")
sys.exit(1 if missing else 0)

$ python3 build_subset.py /usr/share/fonts/opentype/noto/NotoSerifCJK-Bold.ttc site fonts/body.woff2
chars=117 -> fonts/body.woff2 (26016 bytes)
$ python3 check_glyphs.py fonts/body.woff2 site; echo exit=$?
missing=0
exit=0

$ python3 check_glyphs.py fonts/body.woff2 site; echo exit=$?
MISSING U+96C6 集 CJK UNIFIED IDEOGRAPH-96C6  page.html:3
MISSING U+9F8D 龍 CJK UNIFIED IDEOGRAPH-9F8D  data/cards.json:1
MISSING U+FF5E ～ FULLWIDTH TILDE  page.html:3
missing=26
exit=1

$ python3 build_subset.py /usr/share/fonts/opentype/noto/NotoSerifCJK-Bold.ttc site fonts/body.woff2
chars=143 -> fonts/body.woff2 (41724 bytes)
$ python3 check_glyphs.py fonts/body.woff2 site; echo exit=$?
missing=0
exit=0

python3 build_subset.py "$SRC_TTC" site fonts/body.woff2 && python3 check_glyphs.py fonts/body.woff2 site