from PIL import Image, ImageDraw, ImageFont import re, os, json from tqdm import tqdm def read_jsonl(file_path): """ 读取 JSONL 文件并返回解析后的数据列表。 :param file_path: JSONL 文件的路径 :return: 包含所有 JSON 对象的列表 """ data = [] with open(file_path, 'r', encoding='utf-8') as f: for line in f: data.append(json.loads(line.strip())) return data def save_jsonl(data, file_path): """ 将数据保存为 JSONL 文件。 :param data: 要保存的数据（Python 对象的列表） :param file_path: 保存的 JSONL 文件路径 """ with open(file_path, 'w', encoding='utf-8') as f: for item in data: f.write(json.dumps(item, ensure_ascii=False) + '\n') def split_tokens_for_wrapping(text): """ 将文本切分为用于换行的 tokens： - 英文单词/数字/标点尽量按空格分块 - 连续中文或其它无空格脚本按字符切分 返回 token 列表（保持原始顺序） """ tokens = [] # 使用正则把英文单词/空格段和非空格段分开 # 这个策略：先按空格分段，然后对每段若含中文则拆成单字符，否则保留整段 for part in re.split(r'(\s+)', text): if part == "": continue if part.isspace(): tokens.append(part) # 保留空格作为独立 token（便于保持空格） continue # 如果包含 CJK 文字，则把它拆成单字符（更安全） if re.search(r'[\u4e00-\u9fff]', part): tokens.extend(list(part)) else: # 非中文段按单词/标点继续拆分（保持单词完整） # 但如果单词非常长，也允许按字符拆分（后面处理） tokens.append(part) return tokens def wrap_text_pixel(draw, text, font, max_width): """ 基于像素宽度把 text 换行，返回行列表。 draw: ImageDraw.Draw 实例（用于测量） """ tokens = split_tokens_for_wrapping(text) lines = [] cur_line = "" for token in tokens: # 试拼接 token（注意保留空格） candidate = cur_line + token # 使用 textbbox 更准确（返回 bbox 四元组） bbox = draw.textbbox((0,0), candidate, font=font) w = bbox[2] - bbox[0] if w <= max_width: cur_line = candidate else: if cur_line: # 把当前行推入，token 放到下一行 lines.append(cur_line.rstrip()) # 去掉尾部多余空格 # 如果 token 自己也超长（单词无空格且宽度>max_width），按字符拆分 token_bbox = draw.textbbox((0,0), token, font=font) token_w = token_bbox[2] - token_bbox[0] if token_w > max_width and len(token) > 1: # 按字符贪心拆分 sub = "" for ch in token: cand2 = sub + ch if draw.textbbox((0,0), cand2, font=font)[2] - draw.textbbox((0,0), cand2, font=font)[0] <= max_width: sub = cand2 else: if sub: lines.append(sub) sub = ch if sub: cur_line = sub else: cur_line = "" else: # token 能单独放下一行 cur_line = token.lstrip() # 去掉起始空格 else: # cur_line 为空但 token 仍超过 max_width（非常长的单词/无空格序列） # 按字符拆分 sub = "" for ch in token: cand2 = sub + ch if draw.textbbox((0,0), cand2, font=font)[2] - draw.textbbox((0,0), cand2, font=font)[0] <= max_width: sub = cand2 else: if sub: lines.append(sub) sub = ch if sub: cur_line = sub else: cur_line = "" if cur_line: lines.append(cur_line.rstrip()) return lines def text_to_image_precise(text, output_path="output.png", font_path=None, font_size=24, max_width=1600, padding=40, bg_color="white", text_color="black", line_spacing=1.0, min_width=200): """ 基于像素测量的文本渲染，避免超出边距。 """ # 字体 if font_path is None: font_path = "/usr/share/fonts/truetype/wqy/wqy-zenhei.ttc" font = ImageFont.truetype(font_path, font_size) # 先创建临时画布用于测量 tmp_img = Image.new("RGB", (10, 10), color=bg_color) draw = ImageDraw.Draw(tmp_img) # 对每一段（以换行分隔）分别换行，然后合并成最终行列表 final_lines = [] for paragraph in text.split("\n"): paragraph = paragraph.rstrip("\n") if paragraph == "": final_lines.append("") # 保持空行 continue wrapped = wrap_text_pixel(draw, paragraph, font, max_width) final_lines.extend(wrapped) # 计算实际内容宽度（取最长行的像素宽度） max_line_w = 0 for line in final_lines: bbox = draw.textbbox((0,0), line, font=font) w = bbox[2] - bbox[0] if w > max_line_w: max_line_w = w content_width = max(min_width, max_line_w) img_width = int(content_width + 2 * padding) # 字高与行距 ascent, descent = font.getmetrics() line_height = int((ascent + descent) * line_spacing) img_height = line_height * len(final_lines) + 2 * padding # 创建最终图片并绘制 img = Image.new("RGB", (img_width, img_height), color=bg_color) draw_final = ImageDraw.Draw(img) y = padding for line in final_lines: draw_final.text((padding, y), line, fill=text_color, font=font) y += line_height os.makedirs(os.path.dirname(output_path), exist_ok=True) img.save(output_path) print(f"✅ 图片已保存到: {output_path} (size: {img_width}x{img_height})") return img # 方便调试时返回 PIL.Image 对象 # 示例用法 if __name__ == "__main__": mapping = { "形近字替换": "similar_char", "音近/同音字替换": "phonetic_char", "语序颠倒": "word_order", "字符增衍": "char_insertion", "字符缺失": "char_deletion" } image_root = "/vol/zhaoy/ds-ocr/data/CCI3-Data/CCI3_5k-10k_sample100_interval500_per10_last_mode/" meta_path = "/vol/zhaoy/ds-ocr/data/CCI3-Data/CCI3_5k-10k_sample100_interval500_per10_last_mode/output_processed_last-mode.jsonl" data = read_jsonl(meta_path) for item in tqdm(data): for dim, v in item["rewrite"].items(): for extent in v["extents"]: text = extent["edited"] ned = extent["NED"] image_path = os.path.join(image_root, "images", mapping[dim], os.path.basename(item["image_path"]).replace(".png", f"_ned-{ned}.png")) extent["image_path"] = os.path.join("images", mapping[dim], os.path.basename(item["image_path"]).replace(".png", f"_ned-{ned}.png")) text_to_image_precise(text, image_path, font_size=28) save_jsonl(data, meta_path) # 随便覆盖，只是加了个["image_path"] # sample_text = """这是一段示例文本。这是一段示例文本。这是一段示例文本。这是一段示例文本。这是一段示例文本。这是一段示例文本。这是一段示例文本。这是一段示例文本。v # 可以包含多行内容，用于渲染成白底黑字的论文插图风格。 # 支持中文和英文混排 English example line.""" # text_to_image_precise(sample_text, "/vol/text_image.png", font_size=28)