OpenTypeフォントの続き(6)・・・cmapテーブル

今回はcmapテーブル。

cmapテーブルは文字コードからグリフインデックスへのマッピングを定義するテーブルで、必須である。また、様々なプラットフォーム・エンコーディング向けに複数のサブテーブルを定義することができる。

cmapテーブルの構造は、cmapヘッダーで始まり、次のようになる。

cmap ヘッダー

型	名前	説明
USHORT	Version	テーブルバージョン
USHORT	NumTables	エンコーディングテーブル数
EncodingRecord	EncodingRecords[NumTables]	エンコーディングレコードの配列

NumTablesフィールドはcmapテーブルに含まれるエンコーディングサブテーブルの数を表し、EncodingRecordsフィールドはエンコーディングレコードの配列を表す。各エンコーディングレコードの構造は次のようになる。

エンコーディングレコード

型	名前	説明
USHORT	PlatformID	プラットフォームID
USHORT	EncodingID	プラットフォーム固有のエンコーディングID
ULONG	Offset	cmapテーブルの先頭からのエンコーディングサブテーブルへのオフセット(バイト単位)

PlatformID、EncodingIDフィールドの表す値は、nameテーブルの回で説明した通りである。Offsetフィールドはcmapテーブルの先頭からのエンコーディングサブテーブルへのオフセットを表し、この値を使って、各エンコーディングサブテーブルにアクセスする。次にエンコーディングサブテーブルの構造であるが、エンコーディングの特性に応じて、複数のフォーマットが定義されている。各フォーマットの概要は次のようになる。

エンコーディングサブテーブルフォーマット

種類	概要
フォーマット0	Byte encoding table
フォーマット2	High-byte mapping through table
フォーマット4	Segment mapping to delta values
フォーマット6	Trimmed table mapping
フォーマット8	mixed 16-bit and 32-bit coverage
フォーマット10	Trimmed array
フォーマット12	Segmented coverage

フォーマット0は、１バイトエンコーディングフォーマットである。フォーマット2は、混合8/16ビットエンコーディングフォーマットで、1バイトと2バイトの文字コードが混在する日本語のShift-JISなどで使われる。フォーマット4は2バイトエンコーディングフォーマットである。フォーマット8、10、12は4バイトエンコーディングフォーマットである。MicrosoftはWindows向けのサロゲートペアに対応したUnicodeフォントを作成する時、フォーマット4とフォーマット12を組み合わせて使うように推奨している。ちなみに、どのフォーマットが使われているかを判定するには、各エンコーディングサブテーブルの先頭2バイトがフォーマットの種類を表すFormatフィールドで始まるので、このフィールドを参照して判定できる。

各フォーマットの詳細は割愛するとして、実際にcmapテーブルを解析してみた。

上の画像はTahomaフォント(TAHOMA.TTF)を解析した時の実行結果である。MacintoshプラットフォームとMicrosoftプラットフォーム向けの2つのエンコーディングサブテーブルが含まれていることが分かる。Microsoftプラットフォーム向けのエンコーディングサブテーブルは、Unicodeエンコーディングでフォーマット4が使われていることも分かる。Macintoshプラットフォーム向けのエンコーディングサブテーブルは、下の画像が示す通り、フォーマット0が使われている。

実際に、TAHOMA.TTFファイルをMacintosh上でそのまま使えるかは分からないが、フォーマット0は1バイト文字コード向けのフォーマットなので、Macintosh上では、最大256個のグリフまでしかアクセスできないことになる。

最後にいつもならMS ゴシックフォントを解析するところだが、結果がTahomaフォントとあまり変わらないので、インターネット上で見つけた無料のフォントを解析してみた。

Macintoshプラットフォーム向けにShift-JISのエンコーディングサブテーブルが定義されていて、フォーマット2が使われていることが分かる。