1.文字渲染的简单理解

渲染图像，可以理解为用cpu/gpu构造出原本不存在的图像。比如输入计算机的英文字符都是ASCII码，而我们在屏幕上看到显示的字符对应的应该是RGB/YUV的像素。计算机把ASCII字符转化成像素的过程就是文字渲染。又比如我们GPU用多个2D图片渲染出3D图片，图片亮度根据时间自动调整阳光的强度，阴影等。原图像中不存在的信息，这个是GPU的渲染。

渲染图像和sonser直接采样进来的RGB/YUV图像帧显示是不一样的。

cpu/gpu要显示字符需要以下的信息：

1. 从键盘采样ASCII码
2. 应用程序(word,terminal等)设定的字体属性 包括 字体，颜色，大小，背景
3. 字符显示的位置----来自输入时候的光标指定的位置

cpu/gpu根据上面的信息，渲染出一个RGB帧，然后把这帧图像送给DISPALY做叠加显示

 2.计算机系统是如何显示一个字符的

经过上面的简单描述，我们接下来详细描述文字渲染的过程。以下内容摘自知乎大神们的回答。

两位答主侧重点不同，乌鸦侧重于在Linux+Xorg系统下整个处理流程；孙笑凡侧重于字体与字符的编码

原问题链接为：

计算机系统是如何显示一个字符的？ - 知乎

2.1知乎“乌鸦大神的回答”

作者：乌鸦
链接：https://www.zhihu.com/question/24340504/answer/28902204
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

我来就 Linux + Xorg 系统回答一下吧。我不知道，也没办法知道 Windows 上的情况是怎么样的。我的回答在细节方面可能不会太详细，一方面是因为细节并不影响理解，另一方面也是因为我对一些细节的了解也不是那么深。

从按键到字符在屏幕上显示，其实是一个很复杂的过程……我粗略估计了一下，这个过程中执行的指令，对应到源代码，可能要超过10万行。

那，就从按下键开始讲起吧。当你按下键后，一个电信号从键盘通过 USB 接口或者 PS/2 接口送到了总线，然后引起了一个中断。如果是在老机子上，管理中断的可能是8259A 芯片，新的机子上则可能是 APIC 。CPU 收到中断之后，会暂停当前的程序的执行，调用事先设定好的中断处理过程。Linux系统的中断处理一般分为两个部分，Top half 和 bottom half。其中直接响应中断的是 top half，因为系统不能在中断处理过程中停太久，所以 top half 只是记录中断的发生，真正中断处理过程是在 bottom half 中完成的。

bottom half 在 top half 之后执行，具体执行取决于进程调度。在 bottom half 中内核会找来负责的驱动，比如说 USB HID 驱动，处理键盘输入。这个键盘输入会反映在 /dev 下面某一个字符设备中，比如说 /dev/input/event0 。Xorg 为了获取键盘输入，会对这个设备进行 select() 。select 这个系统调用会将进程 block ，直到有可用输入。在内核中的反应就是，内核会将进程的状态设为 TASK_INTERRUPTIBLE ，然后调用 schedule() 将运行权让给别的进程。当键盘输入到来的时候，内核会查看是否有进程正在 select /dev/input/event0 这个设备，如果有，内核会将对应的进程从select 中唤醒，以便处理这个输入。

于是Xorg就被唤醒了，我们也终于从 kernel space 里逃了出来，来到了 user space 。Xorg 会从 /dev/input/event0 读出一组数据。这组数据的定义如下：

struct input_event {
	struct timeval time;
	unsigned short type;
	unsigned short code;
	unsigned int value;
};

time 是事件发生的时间，type 是事件类型，对应键盘就是 EV_KEY ，code 在这种情况下是一个 key code，value 则代表是按下键还是放开键。

Xorg 在读到事件之后，还需要将来自 kernel 的 key code 翻译成 Xorg 自己的 key code 。完成这个的是 libxkb ，键盘布局也是在这个阶段起作用的。然后，Xorg 会找出当前焦点所在的窗口，然后将事件发给它——这是简单的情况。如果你运行着一个窗口管理器的话，这个事件很可能还需要在窗口管理器中过一遍，并且由窗口管理器决定是否要发给窗口。如果接受按键的程序支持输入法，这个按键可能还要在输入法里走一圈。这个过程中的事件发送/接受都是通过 socket ，使用的协议是 Xorg 的协议，使用的库（归根结底）一般是 xlib 或者 libxcb 。

（补充一段关于编码的）

应用程序在接到 Xorg 发来的事件之后，就会对事件作出反应。比如说一个文本编辑器，在接到按下‘X’的事件之后，需要在文件中插入一个‘X’。那么这个‘X’是怎样在文件中表示的呢？你应该知道，内存也好硬盘也好，是用二进制来保存数据的。要表示一个‘X’，我们必须先给它分配一个对应的数字。幸好，早在近60年前，就有人帮我们把这件事办好了。这就是所谓的 ASCII 码。‘X’在其中对应的数字是120。

但是，如果我通过我的输入法，输入了一个中文字的话怎么办？当然，我们还是用一样的办法，给每个中文字一个编号。这个编号，在中国的国标码中被称作区位码，在 unicode 中被称作一个code point。比如说，国标码给“啊”字编的号就是1601。

虽然现在我们给中文字也编上了号，我们还不知道应该怎么把它存到文件中去。你可能会觉得这很简单，直接把编号存进去不就是了？比如1601就存两个字节0x06和0x41。但是这会造成一个问题。假如你的文本编辑器同时支持ASCII码和我们设计的这个中文编码，它要怎样才能知道某个文件是按什么编码的？0x16和0x41在 ASCII 中都是合法编码，这样就会造成一个文件存在歧义。不过幸好，ASCII 只使用了0～127来编码字符，所以只要我们只用128～255，就可以和ASCII区分开来。比如说，我们可以将编号按7位二进制分段，然后在第一位添上一个1：

1601 -> 11001000001 -> 0001100/1000001 -> 10001100 11000001 -> 0x8c 0xc1

在国标码里，这个编码后的结果就是这个字符的内码，注意内码和区位码的区别。而 unicode 和 UTF8，UTF16 也是类似。unicode 是一种给字符编号的方法，UTF8、UTF16则是把这个编号记录到文件里的方法。

到这里，我们的旅程才完成了一半。而且是比较简单的一半。

现在你的输入已经跑完前半程，终于到达应用程序了，不过等等——这个程序，是什么程序？是一个终端虚拟器，文本编辑器，还是chrome里头的某个文本框？取决于对这个问题的回答，后半程的路线会非常不一样。

假如说这个程序是 xterm ，它会通过 X core font API ，将这个字符直接送给 Xorg ，由 Xorg 来完成字体渲染（当然现在 xterm 也支持 libXft 了，不过先不管这个）。Xorg 拿到应用程序送来的请求之后，会在字体中检索每个字对应的字形，然后渲染出来。这个检索过程中用到的索引，就是我们之前给字符编上的号。如果要指定字体，需要向Xorg提供一个长得像这样：“-adobe-times-medium-r-normal--12-120-75-75-p-64-iso8859-1” 的字符串来指定字体。当然，这样渲染出来的字体不会很好看，像这样：

（我不是很清楚 X core font 是否有反锯齿一类的能力，应该是没有，欢迎纠正。）

如果这个应用程序是 gedit，那么它就会选择自己渲染字体，然后将渲染结果直接发给 Xorg，由 Xorg 呈现。在 Linux 下，你想用这种方式渲染字体，有两个库你是逃不过的：fontconfig 和 FreeType2 。大致上来说，fontconfig 让你能通过一个字体名找到对应的字体，FreeType2 则进行具体的渲染。

那么字体是怎么被渲染的呢？不管你用的字体是TrueType还是OpenType还是什么格式，从根本上来说，（除掉点阵字体）都是一些矢量图的集合。渲染字体，只是把矢量图画出来而已——说的轻松！

渲染文字是个复杂的工作，我也不能说我对此了解很深，只能大致讲讲。

字体如果是显示在屏幕上，因为屏幕的dpi和纸张没法比，所以必须反锯齿，否则就会这样：

这只是通过灰度进行反锯齿，我们还可以做的更好。如果你是在使用LCD显示器的话，你屏幕上的像素，长的可能是这个样子的（图片来源，wikipedia）：

灰度反锯齿只是在整个像素尺度上进行的，但是既然像素中还可以分为更小的成分，那么我们为什么不通过这更小的单位进行反锯齿？这种方法就叫做 Subpixel Rendering，或者一个更被人熟知的叫法：ClearType。下面是两种反锯齿的比较，图还是来自 Wiki ：

可以看到 subpixel 渲染的结果会让边缘带一点色彩。一般来说 subpixel 渲染可以字体看起来更清晰一点，你可在自己的系统上开启/关闭 subpixel redenering 比较一下。

人们为了让字体在屏幕上看起来能清晰一点，真是用尽了心思。因为反锯齿会让字体的边缘变得模糊，让人觉得字体看起来不是那么“锐利”，人们又想出来要给字体做Hinting（不知道如何翻译）。Hinting将字体微调，让横和竖都对齐像素，来尽量减少反锯齿带来的模糊。下面是个（应该一下就能看明白的）例子（图还是来自 Wiki）：

Hinting 的具体实现是很复杂的。因为不同字体需要不同的 Hinting 对策，所以字体中会存一些 Hinting 数据来指导 Hinting。而这些数据，每一个都是一个用特定汇编语言写成的小程序！FreeType2中则包含了一个虚拟机，来运行这些程序，来将字体对齐到像素。

当然也有些字体会不带 Hinting 数据，但是 FreeType2 还是可以进行 Hinting ，也就是 Auto-hinting。具体的算法我就不清楚了。

值得一提的是，因为 Apple 拿着很多有关 Hinting 的专利，FreeType2 默认是关闭 Hinting 的，而只使用 Auto-hinting 。直到2011年这些专利全都过期之后，FreeType2才默认支持 Hinting 。

好了，不管你是让Xorg进行字体渲染，还是让应用程序自己进行渲染，最后的结果都是一小块比特图。我们要怎么把这块图显示在屏幕上呢？

Xorg 之中，有一个部件叫做 EXA，是用来提供硬件加速的2D渲染的。EXA的历史很长，最早可以追溯到1996年 Harm Hanemaayer 给 Xorg 实现的 XAA。XAA 后来被 EXA 所接替。现在 EXA 又开始要被 UXA 取代。这些部件虽然都有同样的目的，但是实现都有所不同。具体的区别在这里就不展开了。总的来说，他们的功能是，在显卡驱动的帮助下，将二维图形显示在屏幕上。

到这里，好像就结束了。但其实还没有。2011年的光棍节，Glamor诞生了。Glamor试图将2D的渲染也用 OpenGL 来完成。一张二维图，大概会被转变成 OpenGL 的贴图，然后渲染在屏幕上。目前这个项目还在开发中，性能（在大部分情况下）还不如EXA。

如果所有的渲染都由 OpenGL 也就罢了。如果你还在用 EXA，但是你的某个程序（比如说Chrome）非想用 OpenGL 来显示文字怎么办？显然的办法可以是让程序把所有的 OpenGL 请求都发给 Xorg，让 Xorg 代理。这种方法就叫做间接渲染（Indirect rendering），Xorg 的一个扩展：AIGLX，就是用来完成这个工作的。

有一个额外的中介大概是会影响性能。虽然我没有具体的数据来证明这一点，不过既然后来 DRI 的出现大概是一个佐证。DRI 是 Direct Rendering Infrastructure 的缩写，分为两个部分，分别存在于内核与 Xorg 中。内核的部分叫做 DRM，用来协调多个程序对 GPU 的访问；Xorg 的部分则是一个驱动，也叫 DRI 。程序想要使用 OpenGL ，先要通过 DRI 向 Xorg 申请一块缓冲区，然后通过 DRM 访问 GPU 向这个缓冲区进行渲染。当然这些事不会直接让程序去做，都是通过 Mesa 这个 GL 库完成的。

到这里，还是没有结束。

万一你不幸有个带 NVIDIA® Optimus™ 的本子怎么办？使用 Optimus 技术的独显不会直接和显示器连接，所以想要直接让独显渲染是不行的。现有的解决方案是 BumbleBee，就是之前那个删了用户 /usr 目录，出了点小名的那个。BumbleBee 的做法是再启动一个独立的、跑在独显上的 Xorg，然后用它进行渲染。但是独显没法输出到屏幕，怎么办呢——只好把渲染结果在两个 Xorg 之间传来传去了。BumbleBee 用了 VirtualGL 来完成这个任务。

另外一个还在开发中的解决方案叫做 Prime（开发者就是喜欢和变形金刚过不去）。Prime 利用的是一个还在开发中的内核功能：DMA-BUF，让两个硬件共享一块内存区域。我不清楚具体的原理，不过大概是让一块显卡渲染完之后，DMA 写到内存里，再让连接显示器的显卡 DMA 读出，输出到屏幕吧。

用来 Optimus 以后，感觉本来的长跑，直接就变成了马拉松……

以上差不多就是全部了。不知道你们是不是还有兴趣，要是把场景换成 Wayland ，还有很多可以讲。

2.2知乎大神“孙笑凡”的回答

作者：孙笑凡
链接：https://www.zhihu.com/question/24340504/answer/29927340
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
 

正巧，今天下午我也遇到了难缠的编码问题，既然前面乌鸦朋友已经介绍的非常详细的计算机底层原理，我就从另一个侧面谈谈计算机编码及乱码问题产生的根源。今天写了这样一段文章，就拿出来和大家分享。

从编码问题的产生说起

我们知道，计算机是美国人发明的，人家的英语体系总从来就只有26个英文字母和一些数字、特殊字符等，为了储存文字信息，于是使用了最早的ascii码进行字符编码。而后来由于计算机的普及，多国语言文字变得重要起来，于是多语言的特性成为了计算机的必备，各国进行各国的国家标准编码，中国的便是GB2312（1980年），而后1995年又颁布了《汉字编码扩展规范》（GBK），GBK与GB2312相兼容，但又增加了一些兼容汉字，方便了和Big5码等进行转换。这套GBK编码，逐渐成为了中国计算机的主流编码。

Unicode字符集和UTF-8编码

随着计算机的发展，往往一款软件不但要兼容一个国家的语言，还要兼容许多国家的语言，尤其是亚洲国家中日韩三国，光中文常用字符就有7000，所以要解决这么多文字的编码问题，就需要用更多规模的表示，Unicode是一个巨大的字符集，囊括了世界各地的语言，这样编码就更为统一和方便了。但Unicode并没有规定这些字符具体应该怎么样在计算机中存储，虽然字符集是全的，但计算机中要兼顾效率和方便等问题，UCS-2是其中的一种常用方案，采用两个字节来编码一个字符，这和ascii码不兼容，而且还有一个大问题，UCS-2并不能表示全部的汉字，汉字的简繁体加起来总共有六七万，UCS-2只有65536个编码，根本存不下，所以只收入了大部分常用字。也有表示所有汉字的方案UCS-4，不过4个字节用来存储汉字，效率就较为低下。

UTF是“UCS Transformation Format”的缩写，是Unicode字符集的一类高效实现方式。

UTF-8是我个人比较喜欢的一种编码方式，它是一种针对Unicode的可变长度字符编码，又称为万国码。它使用1-6个字节进行编码，最前面128个编码内容和ascii码兼容，所以我们用UTF-8编写纯英文文本是和ascii码几乎一样的。（注意我说的是几乎）。

如果UNICODE字符由2个字节表示，则编码成UTF-8很可能需要3个字节。而如果UNICODE字符由4个字节表示，则编码成UTF-8可能需要6个字节。用4个或6个字节去编码一个UNICODE字符可能太多了，但这样的UNICODE字符往往是生僻字，极为少见。

这种编码的思想和哈夫曼编码是类似的，将高频字符缩短，低频字符变长，使得整体的编码效率更优。

我以前有段时间，就经常将Unicode和UTF-8搞混了，Unicode是字符集，网上不严格的情况也指Unicode字符集的常用编码UCS-2，也就是用两个字节编码的Unicode码。

一些常见系统的编码：

VC 6.0 Ascii码

VS2008 - 2013 UCS-2（开启Unicode后）

Windows中文版 GBK

Linux（andorid） UTF-8

Mac OX UTF-8

JAVA UCS-2

Python2 ascii （byte）

Python3 UCS-2

注:操作系统所述都是默认编码，这三种主流操作系统的系统编码都是可以更改的。

MBCS(Multi-Byte Character Set)和内码表（codepage）

再介绍两个字符集中较为深入的概念，MBCS和CodePage。

MBCS（Multi-Byte Chactacter System,即多字节字符系统），是所有多字节编码方案的总称，MBCS 编程主要用于为国际市场编写的应用程序。由于往往是针对一国市场只有一种文字，那么为了节约资源，往往将这些文字用双字节或尽量少的字节的方式进行保存。

因为这些双字节文字和ANSI是混和在一起的，为了加以区别，Windows将这些字符的最高位置为1（即这些双字节文字的每个字节都>=127），所以这种表示法可以表示 127x127 约一万多种非ANSI文字 ，其本上可以表示任何一种语言的常用文字了。于是，Windows为每一个区域版本，都制定了分别独立的文字编码，这就是MBCS（多字节码）。

而这些分页后的编码方式，都被保存成了不同的CodePage（内码表，这里内码的意思是机器内部编码，相对于外码，外部输入文字用的编码，例如拼音、五笔、郑码等），例如中文就是大家熟知的CP936。要注意，这种编码方式是早期windows独有的，由于使用较早，应用也十分广泛，而CP936和GB2312-80在编码上则是几乎一样的（此处见Wiki百科——汉字内码扩展规范），后来扩展GBK后，CP936也进行了同样的扩展。

此技术的使用最早追溯到MS-DOS3.3（1987年4月发行）向IBMPC用户引进了内码表的概念，Windows也使用此概念。

这是微软官网上给的10081页的CodePage

内码表成为了系统进行多语言编码及转换的重要工具。当然，Unicode码也被收入CodePage中。

说白了，MBCS和CodePage就是计算机解决多字节编码问题的通用手段，各种区域编码可以在其中找到对应编码的映射的，Unicode和UTF-8也是可以在其中找到对应的映射的。

常见的CodePage

932 —日文

936 —简体中文（GBK）

949 —韩文

950 —繁体中文（大五码）

1200 —UCS-2LE Unicode 小端序

1201 —UCS-2BE Unicode 大端序

1252 —西欧拉丁字母ISO-8859-1.

65000 — UTF-7 Unicode

65001 — UTF-8 Unicode

计算机是如何显示文字的呢？

计算机要对文字进行存储后就需要显示出来，而我们的液晶屏都是一个个的像素点组成的，这就必须要对文字进行渲染绘制，发送到显卡中进行栅格化和显示等操作。

Dos下最简单，利用主板BIOS就能对ascii码进行点阵化输出。简单的我们就不再多谈，windows下是如何对文字进行绘制显示的呢？

字库

 

我们都知道，显示字体除了要有文字的编码，还需要有显示用的字的样式，这就是 字库，windows下的fonts文件夹大家应该都十分熟悉，更改或删除字库就是就是文件的移动而已。而字库实际上也有不同的种类的，构建原理也不都相同。

最早的字库是点阵字库，这种字库看起来和黑白图片貌似没有什么大区别，就是记录像素是黑还是白，我们用windows自带的字库编辑程序，就可以处理这种字库。

这种字库的缺点也是显而易见的，首先是缩放不易，在小字体和大字体显示时都容易失真走样，而且占用空间较大。

矢量轮廓字库，这种字库是用的矢量图原理进行存储的，将外部边界抽象成数学上的矢量线段，可以方便的缩放旋转等操作。缺点则是连续性不好，放大后就变出行了折痕，效果不够理想。

曲线轮廓字库，这是通过直线和曲线段共同构造文字的方法，往往使用Bezier曲线对轮廓进行拟合，效果非常好，字体平滑美工，但惟独就是计算较为费时间。

TrueType字形技术

TrueType采用几何学中二次B样条曲线及直线来描述字体的外形轮廓。由一些数学算法进行对应大小字体的生成，无论放大或缩小，字符总是光滑的。

TrueType字体与PostScript字体、OpenType字体是主要的三种计算机矢量字体（又称轮廓字体、描边字体），后缀.ttf。

虽然计算较快，但相比于PostScript字体，质量要差一些，特别是文字太小时，不够清晰。

所以字库一般会对小字体和常用打印字号制作对应的点阵字库，保证其精度，其他情况则使用TrueType字体。

WOFF–WebOpen Font Format (.woff)

WOFF（Web开发字体格式）是一种专门为了Web而设计的字体格式标准，实际上是对于TrueType/OpenType等字体格式的封装，每个字体文件中含有字体以及针对字体的元数据（Metadata），字体文件被压缩，以便于网络传输。

其实大家就会发现了，网络上很火的图标字体，实际上就是根据最基础的字库技术生成出来的。

 

字体的显示流程

介绍到这里，大家应该对整个字体的绘制过程有个整体的认识了，首先是经过字符编解码，将硬盘中存储的有对应编码的文本文件进行加载，例如Java的文件IO，变成内存中的字符串对象，也就是符合本语言字符串存储特性的数据，（当然如果你愿意，也可以当做二进制读入，然后再手段转换编码，也是可以的），绘制时则首先调用对应的CodePage进行编码的索引查找，找到对应的字体字形索引，然后根据字形索引获取到字库中的数据，根据系统提供的绘制曲线绘制样条线的方法进行图形渲染，这样就能得到显示器上的图像了。而更高级的就是对字体进行反走样，锐化，等更为细节的操作了。

本文好多内容是基于我自己的理解写成，如有疏漏错误，还请指正。