依云's Blog

序

PaddleOCR 发布 2.6 版本了，支持 Python 3.10 啦，于是可以在 Arch Linux 上跑了～所以我决定再部署一次。

我之前跑 PaddleOCR 有两个方案，使用 chroot 加一大堆 systemd 的限制选项，以及使用 bwrap 和用户命名空间。

chroot 的方案总感觉不知道限制够了没。实际上当初那篇文章写完我就意识到这服务怎么用我的 uid 在跑啊，乱发信号好像还能把我的进程都杀掉的样子。另外这个 chroot 其实是我用来学习、研究和适配 Debian 用的，并不是专门跑这个服务的，感觉有点——怎么说呢——碍事？总之不太好。

bwrap 方案更干净一些，不过创建起来挺麻烦的（所以我才只部署了一次嘛）。不使用用户命名空间可能会简单一些，但那样就是用我的用户在跑了。

所以这次我决定试试方案，使用 systemd-nspawn。另外（再次）尝试了使用 NVIDIA GPU 的版本，把我电脑上闲得发慌的 GeForce 940MX 显卡给用上了。

过程

首先去 Arch 镜像里的 iso/latest/ 目录下载个 archlinux-bootstrap-x86_64.tar.gz 回来。在 /var/lib/machines 下创建个叫 paddleocr 的 btrfs 子卷 / zfs 文件系统 / 普通目录用来存放新的 rootfs。sudo bsdtar xf ...... -C /var/lib/machines/paddleocr 解压出来。记得一定要用 bsdtar 以避免丢失某些文件元信息（虽然我不知道那些信息有啥用但是有警告就是不爽嘛）。

然后就可以 systemd-nspawn -M paddleocr 拿到个 shell 了。这里边只安装了 base 和 arch-install-scripts。可以先修改 pacman 镜像然后 pacman -Syu python 滚一下顺便装上 Python。然后 useradd -s /bin/bash -m -U paddleocr 创建个跑 paddleocr 的用户。su - paddleocr 切过去，python -m venv venv 创建虚拟环境，然后进去按 PaddleOCR 的文档装就行了。装好运行起来没问题之后，写个 for 循环把所有支持的语种都识别一遍，以下载各语言的模型（当然你也可以只下载你想要的）。做好之后可以清一下缓存啥的。gdu 就挺好用的。

哦，以上是 CPU 版本的安装流程。GPU 版本的可没有这么简单。首先要把显卡设备传进这个 nspawn 里。创建 /etc/systemd/nspawn/paddleocr.nspawn 文件，然后里边写上：

[Exec]
ResolvConf=off
NoNewPrivileges=true
User=paddleocr

[Files]
Bind=/run/paddleocr
Bind=/var/cache/pacman/pkg

Bind=/dev/nvidia0
Bind=/dev/nvidiactl
Bind=/dev/nvidia-modeset
Bind=/dev/nvidia-uvm
Bind=/dev/nvidia-uvm-tools

[Network]
Private=true

哦，这里有挂载 pacman 缓存目录前边忘了说，不过这个不重要啦。这里指定了用户，但是可以在命令行上用 -u root 覆盖的，不影响进去维护。私有网络，也就是给它配置个网络命名空间，里边除了 lo 外啥网络接口都没有。那它怎么访问网络呢？它访问不了网络啦。所以要 bind mount 进去一个 /run/paddleocr，用于通信的 UNIX 域套接字将会放在这里。网络不通，走文件系统就好啦。

然后找台机器把 AUR 包 cuda-10.2 和 cudnn7-cuda10.2 打一下，但是不用安装。我们不搞 CUDA 开发，里边有一大堆东西都是不需要的。把需要的库复制进 rootfs 里去就行了。至于需要什么库？进那个虚拟环境的 Python 里，import paddle 然后 paddle.utils.run_check() 跑一下就知道了。复制库之后记得跑 ldconfig 啊。

PaddleOCR 能跑起来之后，就可以把我的服务丢进去跑啦。最终命令长这样：

sudo systemd-nspawn -M paddleocr --user=paddleocr /home/paddleocr/paddleocr-http --loglevel=warn -j 4

-j 参数是限制并发识别数的，避免过载 CPU 或者 GPU，并不是线程数。

跑起来之后，sudo setfacl -m u:$USER:rwx /run/paddleocr/http.sock 给自己授权，然后 curl 一下试试：

time curl -sS -F file=@a.png -F lang=zh-Hans --unix-socket /run/paddleocr/http.sock http://localhost:5174/api | jq .

对于小图片的话挺快的，不到一秒就能出结果。我使用 CPU 版本跑的话，会慢个近十倍的样子。顺便说一下，这是我对服务进行性能优化之后的结果。之前每张图都开新进程跑太慢了。大概是需要加载一大堆库，然后把模型上传到 GPU，每张图一进程的话 GPU 版本反而会明显慢于 CPU 版本。代价是服务会一直占用大约 2G 内存，即使你并没有在用。

系统挂起到内存或者休眠到磁盘时，内存里的内容是被保留了，但是 GPU 显存并没有，大概因此会报 cuda runtime error 999。这时候，只需要停止服务，卸载 nvidia_uvm 内核模块然后重新加载，再启动服务就可以恢复了。如果 nvidia_uvm 卸载不掉的话，那就没办法了，要么重启，要么改用 CPU 版本。NVIDIA 是有个把显存 dump 到内存里存起来的方案的，但是没必要啊，尤其是休眠到磁盘上的时候，多浪费时间啊。

文件下载

你可以直接用我做好的文件。通过本地的 IPFS 服务访问：

http://localhost:8080/ipns/k51qzi5uqu5di433o42zgqk2xck3y160q1hyvqbyyerd36au2pk0c2jw3hcqxx/

你也可以用别的网关来访问，都一样。如果 IPNS 解析失败的话，试试

http://localhost:8080/ipfs/QmNV31bApmgRcHCQjGufQ3zrFDaf6JBWvBt8pU2TA2Baz6/

我把用于跑服务、设置权限的配置文件打了个 Arch 软件包。nspawn 用的 rootfs 也打包上传了。PaddleOCR CPU 和 GPU 版本是分开的，所以有两个包。CPU 版本的 nspawn 叫 paddleocr-cpu，服务名也是。把 rootfs 解压到正确的地方之后，systemctl start paddleocr 或者 paddleocr-cpu 就好啦。用户需要加入 paddleocr 组才能访问 HTTP 套接字哦。

如果遇到CUDA error(803), system has unsupported display driver / cuda driver combination报错，请将系统当前的 libcuda.so.1 复制进 nspawn 里：

sudo cp /usr/lib/libcuda.so.1 /var/lib/machines/paddleocr/usr/local/lib

另外服务配置文件放到 GitHub 上了：paddleocr-service。

去年我做了个索引 Telegram 群组的软件——落絮，终于可以搜索到群里的中文消息了。然而后来发现，好多消息群友都是通过截图发送的，落絮就索引不到了。也不能不让人截图嘛，毕竟很多人描述能力有限，甚至让复制粘贴都能粘出错，截图就相对客观真实可靠多了。

所以落絮想要 OCR。我知道百度有 OCR 服务，但是我显然不会在落絮上使用。我平常使用的 OCR 工具是 tesseract，不少开源软件也用的它。它对英文的识别能力还可以，尤其是可自定义字符集所以识别 IP 地址的效果非常好，但是对中文的识别能力不怎么样，图片稍有不清晰（比如被 Telegram JPEG 压缩）、变形（比如拍照），它就乱得一塌糊涂，就不说它给汉字之间加空格是啥奇怪行为了。

后来听群友说 PaddleOCR 的中文识别效果非常好。我实际测试了一下，确实相当不错，而且完全离线工作还开源。但是，开源是开源了，我又没能力审查它所有的代码，用户量太小也不能指望「有足够多的眼睛」。作为基于机器学习的软件，它也继承了该领域十分复杂难解的构建过程，甚至依赖了个叫「opencv-contrib-python」的自带了 ffmpeg、Qt5、OpenSSL、XCB 各种库的、不知道干什么的组件，试图编译某个旧版 numpy 结果由于太旧不支持 Python 3.10 而失败。所以我决定在 Debian chroot 里安装，那边有 Python 3.9 可以直接使用预编译包。所以问题来了：这么一大堆来源不明的二进制库，用起来真的安全吗？

我不知道。但是我知道，如果它联不上网的话，那还是相对安全的。毕竟我最关心的就是隐私安全——一定不能把群友发的图片泄漏给未知的第三方。而且联不上网的话，不管你是要 DDoS 别人、还是想挖矿，收不到指令、传不出数据，都行不通了嘛。我只要它能从外界读取图片，然后把识别的结果返回给我就好了。

于是一个简单的办法是，拿 bwrap 给它个只能访问自己的独立网络空间它不就访问不了互联网了吗？不过说起来简单，做起来还真不容易。首先，debootstrap 需要使用 root 执行，执行完之后再 chown。为了进一步限制权限，我使用了 subuid，但这也使得事情复杂了起来——我自己都难以访问到它了。几经摸索，我找到了让我进入这个 chroot 环境的方法：

#!/bin/bash -e

user="$(id -un)"
group="$(id -gn)"

# Create a new user namespace in the background with a dummy process just to
# keep it alive.
unshare -U sh -c "sleep 30" &
child_pid=$!

# Set {uid,gid}_map in new user namespace to max allowed range.
# Need to have appropriate entries for user in /etc/subuid and /etc/subgid.
# shellcheck disable=SC2046
newuidmap $child_pid 0 $(grep "^${user}:" /etc/subuid | cut -d : -f 2- | tr : ' ')
# shellcheck disable=SC2046
newgidmap $child_pid 0 $(grep "^${group}:" /etc/subgid | cut -d : -f 2- | tr : ' ')

# Tell Bubblewrap to use our user namespace through fd 5.
5< /proc/$child_pid/ns/user bwrap \
  --userns 5 \
  --cap-add ALL \
  --uid 0 \
  --gid 0 \
  --unshare-ipc --unshare-pid --unshare-uts --unshare-cgroup --share-net \
  --die-with-parent --bind ~/rootfs-debian / --tmpfs /sys --tmpfs /tmp --tmpfs /run --proc /proc --dev /dev \
  -- \
  /bin/bash -l

这里给了联网权限，是因为我需要安装 PaddleOCR。没有在创建好 chroot 之后、chown 之前安装，是因为我觉得拿着虽然在 chroot 里但依旧真实的 root 权限装不信任的软件实在是风险太大了。装好之后，再随便找个图，每种语言都识别一遍，让它下载好各种语言的模型，接下来它就再也上不了网啦（为避免恶意代码储存数据在有网的时候再发送）：

#!/bin/bash -e

dir="$(dirname $2)"
file="$(basename $2)"

user="$(id -un)"
group="$(id -gn)"

# Create a new user namespace in the background with a dummy process just to
# keep it alive.
unshare -U sh -c "sleep 30" &
child_pid=$!

# Set {uid,gid}_map in new user namespace to max allowed range.
# Need to have appropriate entries for user in /etc/subuid and /etc/subgid.
# shellcheck disable=SC2046
newuidmap $child_pid 0 $(grep "^${user}:" /etc/subuid | cut -d : -f 2- | tr : ' ')
# shellcheck disable=SC2046
newgidmap $child_pid 0 $(grep "^${group}:" /etc/subgid | cut -d : -f 2- | tr : ' ')

# Tell Bubblewrap to use our user namespace through fd 5.
5< /proc/$child_pid/ns/user bwrap \
  --userns 5 \
  --uid 1000 \
  --gid 1000 \
  --unshare-ipc --unshare-pid --unshare-uts --unshare-cgroup --unshare-net \
  --die-with-parent --bind ~/rootfs-debian / --tmpfs /sys --tmpfs /tmp --tmpfs /run --proc /proc --dev /dev \
  --ro-bind "$dir" /workspace --chdir /workspace \
  --setenv PATH /usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin \
  --setenv HOME /home/worker \
  -- \
  /home/worker/paddleocr/ocr.py "$1" "$file"

kill $child_pid

这个脚本会把指定文件所在的目录挂载到 chroot 内部，然后对着这个文件调用 PaddleOCR 来识别并通过返回结果。这个调用 PaddleOCR 的 ocr.py 脚本位于我的 paddleocr-web 项目。

不过这也太复杂了。后来我又使用 systemd 做了个服务，简单多了：

[Unit]
Description=PaddleOCR HTTP service

[Service]
Type=exec
RootDirectory=/var/lib/machines/lxc-debian/
ExecStart=/home/lilydjwg/PaddleOCR/paddleocr-http --loglevel=warn -j 2
Restart=on-failure
RestartSec=5s

User=1000
NoNewPrivileges=true
PrivateTmp=true
CapabilityBoundingSet=
IPAddressAllow=localhost
IPAddressDeny=any
SocketBindAllow=tcp:端口号
SocketBindDeny=any
SystemCallArchitectures=native
SystemCallFilter=~connect

[Install]
WantedBy=multi-user.target

这里的「paddleocr-http」脚本就是 paddleocr-web 里那个「server.py」。

但它的防护力也差了一些。首先这里只限制了它只能访问本地网络，TCP 方面只允许它绑定指定的端口、不允许调用 connect 系统调用，但是它依旧能向本地发送 UDP 包。其次运行这个进程的用户就是我自己的用户，虽然被 chroot 到了容器里应该出不来。嗯，我大概应该给它换个用户，比如 uid 1500，应该能起到跟 subuid 差不多的效果。

顺便提一句，这个 PaddleOCR 说的是支持那么多种语言，但实际上只有简体中文等少数语言支持得好（繁体都不怎么样），别的语言甚至连语言名和缩写都弄错，越南语识别出来附加符号几乎全军覆没。

在 tmux 的状态栏里，通常会显示当前时间。配置起来也非常简单，%Y-%m-%d %H:%M:%S这样的时间格式化字符串扔过去就可以了。然而这样做有个小问题：这个时间只能精确到秒。我的意思不是说我想让它显示毫秒，而是希望它像电视台和广播电台的时间一样，显示（播报）「12:00:00」的时候，就刚好是这一秒的开始。

一般来说，这么延迟个一秒以内的随机数问题不大，除了你有多个这种时间戳的时候——

这些时间戳哪个先更新、哪个后更新可完全说不准的，你可能看到明明在地球另一边的服务器上先到某一秒，本地才跟上。甚至同一个 tmux 的不同客户端里，这个时间戳的更新时间都可能会有差异。

我想优化这个的另一个原因是，我经常使用 extrace 来查看程序调用另一程序使用的命令行参数，然而我本地连了多少个 tmux，每秒便会有多少个 sh + awk 进程出来读系统负载。尤其是我从 Awesome 换到 Wayfire 之后，顶栏改用 waybar 了，很多指示器都是内建或者自己写的外部脚本，不再需要每隔几秒跑个子进程去获取信息，这样 tmux 调用子进程来刷新状态造成的干扰就突显了出来。

于是就有了 accurate-time 程序。它每个整秒会去读系统负载，然后和当前时间一起送给 tmux 来显示。每秒一个进程，已经少了很多啦。

既然是我的程序自己来读负载，也就方便做更多事情了，比如根据负载情况使用不同的文字颜色：绿色表示低负载，灰白是稍微有点活干，蓝色和 cyan 是比较忙碌，黄色、品红表示已经忙不过来啦，红色就是要累趴下啦。之前偶然间发现 qemu-git 这个包使用 ninja、但是链接的时候又套了一层 make，造成系统负载冲到了两百多。但是无论高低，tmux 的负载显示都是红色，所以我可能之前已经视而不见许多次了。加上颜色之后，这类异常就更容易被注意到了。以前我本地每次风扇呼呼地转才发现系统负载高，但是我要是用耳机的话就听不到了，现在也多了个高负载的指示。

安装和配置很简单，cargo build --release 编译，然后把编译出来的 target/release/accurate-time 扔到 $PATH 里，再如下配置 tmux 状态栏右边即可：

if-shell "accurate-time tmux" {
  set -g status-interval 0
} {
  set -g status-interval 1
  set -g status-right "#[fg=red]#(awk '{print $1, $2, $3}' /proc/loadavg) #[fg=colour15]%Y-%m-%d %H:%M:%S"
}

本来我还打算给 waybar 上的时间也这么做一下的，不过程序写好了才发现 waybar 自己已经把时间对齐到更新间隔了。

Google Chrome 是我的备用浏览器，主要用于对比和检查网页的渲染效果，以及某些网页在火狐上可能不太正常，就用 Google Chrome 试试。

但 Google Chrome 有个非常令人恼火的问题：默认字体实在太难受了！

如果没有指明字体，那么 Google Chrome 默认使用 Times New Roman 字体。这是我十年前从 Windows 那边拷过来的字体，看上去细细软软的，很复古，不太适合屏幕显示。屏幕显示一般使用无衬线字体，但 Google Chrome 默认是衬线字体。好吧，那网页要是指明要 sans-serif 字体呢？Google Chrome 这次看上了 Arial，同样是一款古老的、来自于 Windows 的字体。

行吧……反正我也不是多喜欢这两字体，就全部删掉好了！结果，呃，「自定义」？？

实际上它们分别是「Liberation Serif」和「Liberation Sans」字体。这是我的系统上 fc-match「Times New Roman」和「Arial」给出的字体，由 ttf-liberation 包提供，google-chrome 包依赖（看 AUR 上的评论，这是因为 Google Chrome 的 PDF 渲染需要这个字体）。

Google Chrome 就是这么喜欢 Times New Roman 和 Arial，系统上不安装它也要找个替代品来用，就是不听用户通过 fontconfig 设置的默认字体。用户要想 Google Chrome 听点话，需要在「设置」->「外观」->「自定义字体」里像这样设置一下：

而火狐的话，用户不需要在这种犄角旮旯里设置：

可惜大部分用户都在用 Google Chrome 或其变种，所以制作网页上还是得手动指定一些现代点的字体。

起因

上个月收到这样一封邮件：

意思就是说，Google 觉得把密码直接交给邮件客户端，权限太大，不够安全。所以要用户改用基于 OAuth2 的认证方式，只给程序邮件相关的权限。哦，你说应用专属密码？要用那个必须得启用两步验证——也就是意味着遇到灾难的话，我无法从一无所有的状态开始恢复。

从 POP 到 IMAP

getmail6 只支持使用 XOAUTH2 认证的 IMAP 协议，并不在 POP 协议上支持这个（不知道是否有可能）。所以我得换 IMAP 协议了。

具体操作步骤在 getmail6 的示例配置中有写。简单来说就是自己去申请个桌面软件的 app 信息，然后给自己的用户添加试用权限，再通过 OAuth2 获取 refresh token 和 access token，就能登录了。getmail6 自带了个 getmail-gmail-xoauth-tokens 程序用来走 OAuth2 流程，不需要另外安装程序来处理的同时也可以给其它程序使用。

所以我的 msmtp 配置就不用麻烦了，改两行配置就好：

auth oauthbearer
passwordeval getmail-gmail-xoauth-tokens ~/.getmail/gmail/lilydjwg@gmail.com.json

但是呢，虽然邮件是收回来了，IMAP 和 POP 还是挺不一样的。POP 没有「文件夹」的概念，所有收到的邮件，不管我有没有在 Gmail 网页或者客户端上阅读、归档，不管它进了哪个标签（文件夹）（「垃圾邮件」除外），我都会收到，并且把收过的邮件标记为已读。

而通过 getmail6 使用 IMAP 收取，我能做的选择就是，要不要把收过的邮件标记为已读或者删掉（可在 Gmail 中设置为归档）。不管如何，getmail6 只会收到它运行时位于收件箱中的邮件。如果我选择标记为已读的话，那么已读邮件也不会被 getmail6 收到。所以标已读的话，我在别的地方看过的邮件不会被收到。删除的话会好点，收过的邮件归档了，还省得我手动去归档，但是在别的地方，收过的邮件和已处理的邮件没了区分。

所以不如上 offlineimap，完全同步好了。

从 getmail6 到 offlineimap

offlineimap 的配置就比较复杂了，一是要对文件夹名进行转码，二是我要设定只同步指定的文件夹：收件箱、Maillist 和垃圾邮件。要同步垃圾邮件的原因是，Gmail 经常把有用的邮件往里边扔。

[general]
accounts = gmail
maxsyncaccounts = 10
socktimeout = 60
pythonfile = ~/.offlineimap/offlineimap.py

[Account gmail]
localrepository = gmail-local
remoterepository = gmail-remote

[Repository gmail-local]
type = GmailMaildir
localfolders = ~/.Maildir
filename_use_mail_timestamp = no
nametrans = gmail_nametrans_local

[Repository gmail-remote]
type = Gmail
remoteuser = lilydjwg@gmail.com

sslcacertfile = /etc/ssl/cert.pem
ssl = yes
starttls = no

oauth2_client_id_eval = get_client_id("lilydjwg@gmail.com")
oauth2_client_secret_eval = get_client_secret("lilydjwg@gmail.com")
oauth2_access_token_eval = get_access_token("lilydjwg@gmail.com")

nametrans = gmail_nametrans_remote
folderfilter = gmail_folderfilter

import os
import json
import subprocess

_LOADED_DATA = {}

def _load_data(account):
  with open(os.path.expanduser(f'~/.getmail/gmail/{account}.json')) as f:
    _LOADED_DATA[account] = json.load(f)

def get_client_id(account):
  if account not in _LOADED_DATA:
    _load_data(account)
  return _LOADED_DATA[account]['client_id']

def get_client_secret(account):
  if account not in _LOADED_DATA:
    _load_data(account)
  return _LOADED_DATA[account]['client_secret']

def get_access_token(account):
  cmd = [
    'getmail-gmail-xoauth-tokens',
    os.path.expanduser(f'~/.getmail/gmail/{account}.json'),
  ]
  out = subprocess.check_output(cmd, text=True)
  return out

def gmail_nametrans_remote(foldername):
  foldername = foldername.removeprefix('[Gmail]/').encode('ascii').decode('imap4-utf-7')
  if foldername == '垃圾邮件':
    foldername = 'Spam'
  elif foldername == '草稿':
    foldername = 'Drafts'
  return foldername

def gmail_nametrans_local(foldername):
  if foldername == 'Spam':
    foldername = '[Gmail]/垃圾邮件'
  elif foldername == 'Drafts':
    foldername = '[Gmail]/草稿'
  return foldername.encode('imap4-utf-7').decode('ascii')

def gmail_folderfilter(foldername):
  foldername = foldername.encode('ascii').decode('imap4-utf-7')
  return foldername in [
    'INBOX', '[Gmail]/垃圾邮件', '[Gmail]/草稿',
    'Maillist',
  ]

然后在 Gmail 那边创建个过滤器，把来自邮件列表的邮件扔到「Maillist」文件夹里去。搜索「 (to:@googlegroups.com OR from:vim-dev-github@256bit.org OR to:@zsh.org)」并创建过滤器，选择操作「跳过收件箱、 应用标签“Maillist”」即可。注意以后在修改的时候直接修改「包含字词」字段即可，并且记得「OR」「AND」「NOT」之类的操作符需要改回大写。

这样做完之后还有个问题：一封邮件同步到 offlineimap 后，我在 mutt 里阅读并删掉了它。offlineimap 一看，哟，邮件没了，得在服务器上删掉。Gmail 根据我的设置，把从 IMAP 删除的邮件归档，但是它并没有选项来标记为已读。所以这封邮件最终会以未读的状态躺在「所有邮件」里。

于是我去 App Script 里写了个脚本，把这些邮件标记为已读：

function mark_as_read() {
  const threads = GmailApp.search('is:unread AND NOT (label:Maillist OR in:inbox)', 0, 30)
  for(const thread of threads) {
    Logger.log('Marking as read: %s', thread.getFirstMessageSubject())
    thread.markRead()
  }
}

手动运行一遍之后，就可以在左侧栏里给它设置个触发器定时跑啦。

新邮件提示

使用 offlineimap 之后，最大的问题变成了邮件散落在不同的账号下的不同文件夹，一个个过去翻看太低效了。所以我就给 zsh 设置了提醒：

mailpath=(
  ~/.Maildir/INBOX/new'?GMail has a new message.'
  ~/.Maildir/Spam/new'?GMail has a new spam.'
  ~/.Mail/inbox'?New local mails.'
)

问号前边是邮箱的路径，后边是提示信息。之前那个 mbox 格式的邮箱我还留着，用来收取来自本地 cron 的邮件。

一个小问题是，procmail 用不成了。不过现在各种无用的网站消息也少了，所以不需要通过 procmail 处理垃圾邮件了（新浪微博我没有使用邮件注册、LinkedIn 和 Twitter 消停了、网易和QQ邮箱不用了）。现在中文邮件列表也几乎没人用了，我也不用让程序去重写「回复：RE：回复：」这类糟糕的邮件标题和过滤掉自动回复了。

GUI 程序我现在依然倾向于 GTK，因为虽然 Qt 拥有良好的跨平台性，但可能是太注重跨平台性了，在 Linux 平台上反而有一些水土不服的问题。

字体太多，支持太少

你可能觉得，系统上字体太少，所以经常会遇到不常见的字符无法显示的情况。然而对于 Qt 来说，字体越多，反而越容易遇到个别字符不能显示的情况。

这是我的 /etc/fonts/conf.d/66-qt.conf 中的一段。因为顺序的原因，我只能放到 /etc 下。除了针对 sans-serif 配置外，我也有同样的配置应用于 serif 和 monospace。

<fontconfig>
  <!-- Adjust font order for Qt applications -->
  <alias>
    <family>sans-serif</family>
    <prefer>
      <!-- 格拉哥里字母：Ⰽⱁⱀⱄⱅⰰⱀⱅⰹⱀ Ⰹⱍⰹⰳⱁⰲ -->
      <family>Noto Sans Glagolitic</family>
      <!-- 爪哇文：꧁   ꧂ -->
      <family>Noto Sans Javanese</family>
      <!-- 西夏文：𗷲𗒅 -->
      <family>Noto Serif Tangut</family>
      <!-- 埃及象形文字：𓁹 -->
      <family>Noto Sans Egyptian Hieroglyphs</family>
      <!-- 苏美尔楔形文字：𒆠𒂗𒂠 -->
      <family>Noto Sans Cuneiform</family>
      <!-- 中日韩统一表意文字扩展 C：𫚥 -->
      <family>HanaMinB</family>
      <!-- 拉让文：ꥃ -->
      <family>Noto Sans Rejang</family>
      <!-- 越南傣文：ꪀꪑ -->
      <family>Noto Sans Tai Viet</family>
      <!-- 切罗基文：ꮳꮧꮢ ᨣ -->
      <family>Noto Sans Cherokee</family>
      <!-- 老傣仂文：ᨣ -->
      <family>Noto Sans Tai Tham</family>
      <!-- 安纳托利亚象形文字：𔘓 -->
      <family>Noto Sans Anatolian Hieroglyphs</family>
      <!-- 马姆穆文补充：𖤍  -->
      <family>Noto Sans Bamum</family>
      <!-- 图标字体（PUA）： -->
      <family>OperatorMonoSSmLig Nerd Font</family>
      <!-- 巴塔克文：ᯤ -->
      <family>Noto Sans Batak</family>
      <!-- 古北欧文：ᛋᛖᚱᚣᚨᛚᚳᚨᚾᛞᛚᛖ -->
      <family>Noto Sans Runic</family>
    </prefer>
  </alias>
</fontconfig>

这个配置的意思是，把这些字体的优先级提高一些。当使用 fontconfig 的程序要显示字符的时候，它会指定一个模式，匹配到一个字体列表。渲染文字的时候，就可以遍历这个列表，直到找到可以显示这个字符的字体，所以一般来说，只要系统上装了对应字符的字体，它就能显示出来。

但是 Qt 额外地需要这个配置，因为 Qt 只会检查列表中的前255项。而世界上的不同文字那么多，所以想要能够显示它们，就得有一堆字体。比如 noto-fonts 这个包里就有614个字体文件，远超 Qt 支持的数量。总有些奇奇怪怪的文字被网友用来当颜文字，或者挂在名字上彰显个性。不这么调整一下，Qt 遇到了就只能「吃豆腐」了。

空心豆腐

当一个字符显示不出来的时候，那么怎么显示好呢？一般会显示成某种方框。Pango 和火狐会将该字符的 Unicode 码点以十六进制的形式显示在方框里边，这样虽然不知道这个字符长什么样子，但至少知道它是哪个字符，也知道多块豆腐是不是同一字符，在不能复制字符本身的时候很有用。比如当它出现在求助者的截图里的时候，比如当它出现在不能复制的地方的时候。

然而 Qt 不这样做。管你什么字符，Qt 统一显示为空心方框。从视觉上完全无法知晓它到底是什么字符，要是复制不到的话，就别想弄明白你缺什么字体了。

PS: Matrix 客户端 fluffychat 的 Web 版，使用的是 Fluffy 图形界面库，即使在 Web 版，文字渲染依然完全是自己做的。不管浏览器的设置不管系统的设置，豆腐块是带叉号的方框，还不能选中，十分讨厌。

非 BMP 字符

所有使用 UTF-16 的平台（Java、JavaScript、Windows、Qt），外加 MySQL 容易遇到的一个问题：非 BMP 字符（也就是那些 U+FFFF 之后的字符）会被当作是两个字符处理。随着 emoji 的流行，大家应该都修了不少。然而，Qt 在展示非 BMP 字符的时候，你可以选中半个字符。如果不小心漏掉半个的话，复制出来的半个字符就会变成问号（还好不是 GBK 时代那样弄乱后续所有字符）。

font features

一些字体可以通过 fontconfig 设置 fontfeatures 属性来启用（或者禁用）一些特性，比如连字，带斜杠的 0，小型大写字母，居中的中文标点，等等。Pango 很早就支持了，火狐最近也支持了，但 Qt 那边依旧没啥动静。（感谢 Coelacanthus 的评论。）

使用24寸4k屏幕作为主屏的时候很简单，设置 scale 为 2 就好了。但是，当 2 嫌太大、1 嫌太小的时候，问题就来了。比如我希望使用 120dpi，把 scale 设置为 1.25 可好？

而这才是理想的效果：

看不出来差别？放大八倍，你看差别多明显：

正常 120dpi 渲染出来的文字边缘清晰犀利，次像素平滑左红右蓝。再看看 scale=1.25 的文字，线条经常糊掉，次像素平滑效果几乎完全被抹掉。实际看上去的效果就是跟透明麿沙玻璃看屏幕似的，线条边缘总是有点糊糊的感觉，1080p 的屏幕被降级成了 720p 似的。

之所以出现这样的情况，是因为 Wayland 只支持整数倍缩放。因为，Wayland 混成器不能告诉客户端你得把窗口给画成 1.25 倍的，而客户端也无法告诉混成器我这个图像画的是 1.25 倍。所以，混成器只好告诉客户端你给我画个 2 倍的图像吧。混成器拿到图像之后再缩小 0.625 倍，自然有些逻辑像素就不能对应到单个的物理像素上去了。

所以，我还是设置 scale=1，不要混成器帮我去缩放。我自己通过另外的办法告诉客户端把字写大点儿。图标之类的就顾不上啦，反而大点小点都还能看。比如我要 1.25 倍大小的文字，就这样做：

• GTK 3：在 dconf 里设置org.gnome.desktop.interface.text-scaling-factor=1.25就好了。最开始的截图就是 dconf-editor 里这一项配置。
• Qt：设置环境变量 QT_WAYLAND_FORCE_DPI=120。
• Telegram：除了上边这个环境变量外，额外地在它自己的设置里设置 150% 的缩放（Telegram 的字偏小所以要设置得大一些）。设置环境变量是为了 fcitx5。
• waybar：config 文件中设置 height，style.css 中设置 font-size。
• Xwayland：和 X11 下的 HiDPI 设置差不多的。比如 GTK 2 设置 Xresources Xft.dpi: 120 就好了。

我遇到的差不多就这些了。没办法，Linux 就是这么乱 QAQ。不过虽然 Wayland 协议不支持，好歹还有绕过的办法。

我又来更新我的 Wayfire 迁移进展啦～

我写了一个 taskmaid 工具，使用 wlr foreign toplevel management 扩展来提供窗口管理相关功能。程序自己作为 daemon 随 wayfire 启动运行，通过 D-Bus 提供接口供别的程序使用。你问我为什么不直接每个需要的程序直接使用 Wayland 协议？因为用起来麻烦呀。Wayland 提供信息的方式是一组一组的事件，也并没有高层次的库，处理起来只能一堆回调怼上去，相当不顺手。

它最主要的功能就是在 waybar 上标题当前窗口的标题啦。顺便加上了中键关闭和显示 app-id 的功能。应用程序图标因为没有办法准确匹配（比如火狐 nightly 版本的 app-id 也是 firefox），所以没有做。

其次是获取当前活动窗口所在的显示器接口名称。我使用这个名称来判断我是不是位于 E-ink 屏幕上，并为终端、Vim、skim、mutt 等工具使用专门适配过的亮色主题。这个方案比之前在 X11 下使用当前鼠标坐标来判断要灵活一些。当然更灵活的方案是匹配显示器的名称啦，这个数据 Wayfire 的 Wayland 协议里是有提供的，有需要的话我再做。Wayland 并没有一个协议来获取当前鼠标或者键盘焦点所在的显示器信息，所以我只好用窗口管理协议来跟踪活动的窗口了。

顺便还做了个 lswin 工具，列出打开的窗口信息。工作区太多啦，我又喜欢最大化，有时候会有窗口忘了关。甚至偶尔我还会不小心把窗口最小化了，然后没有办法给恢复回来……如果以后还经常出现这种情况，我再给 taskmaid 加一个恢复最小化窗口的功能好了。

除了使用 taskmaid 显示标题之外，我还加了个显示 AQI 的小脚本。以及之前忘记加网速指示器了，现在也加回来了。不得不说 waybar 比 Awesome 的那个顶栏要好配置得多。不仅不限语言，而且不是非得用定时器，可以在信息变动的时候及时更新信息，没变动就不浪费资源获取重复的信息了。我的 waybar 配置都在这里。

我给 Wayfire 发了一个 pull request，添加了最基础的快捷键禁制器的支持，可以在 spicy 等软件中屏蔽 Wayfire 自己的快捷键了，大大方便了我对 Wayfire 和 Sway 的测试。当然也可以用于 VNC 啦。不过并没有像 Sway 那样加选项、支持主动禁用快捷键等功能，短期内我也不太可能会去加这个。原本我是想着在 Wayfire 里再跑一个 Wayfire 或者 Sway 啥的，但考虑到配置方面的问题，还是拿虚拟机隔离了比较好。

最新的 Wayfire 版本已经支持切换到之前的工作区啦～

桌面通知程序 mako，之前遇到两个问题。一是通知经常是糊的，没有适配 HiDPI 屏幕，而鼠标指针则一直都是又糊又大。我给修了，虽然我其实有点不知道我是怎么修好的……总之是整理了一下代码，为了减少调试日志而减少了与 Wayland 混成器的通讯，也变得更高效了。会记住上次显示使用的缩放倍率，所以不会像之前那样一出来是糊的、下一刻才会变清晰了。在 Wayland 协议里，客户端可以获知有哪些显示器、大小和缩放倍率如何，但是客户端并不能提前知道自己将会显示在哪个显示器上（倒是能够指定显示在哪个显示器上），只有显示出来之后才知道，然后做调整后再更新一下……

另一个问题是，在 Wayfire 下 mako 在全屏时不会显示通知，会被盖住。设置 layer=overlay 之后倒是能在全屏时显示通知了，但是它也会在 swaylock 锁屏界面上显示……后来了解到 mako 有模式这么个特性，我就在锁屏的时候切换到专为锁屏设置的模式下，解锁之后再切回来。反正锁屏是一句命令，自己拿脚本包一下就好了。

最近新的桌面环境稳定下来了，倒是没有再遇到更多的 bug 了。Spicy 会在里边的虚拟机跑特效动画时经常报个「Gdk-Message: Error flushing display: 资源暂时不可用」错误然后退出，我给它用 try_until_success 包了一下倒是问题不大。我也发现了不光是 Wireshark，也有 GTK 程序弹出菜单会显示在错误的位置。

那么就酱～

这几天完成了一个很重要的功能：我让 Xwayland 支持 HiDPI 了！

实际上让 Xwayland 支持 HiDPI 的补丁早就有了，但是我当时尝试的时候补丁并不能很好地应用，我手动修了修，不明不白地应用上之后，并没有能够正常使用。现象是，DPI 是对了，但是窗口大小会不断地缩为原来的四分之一（长宽都减半），全屏时也只占左上角的四分之一。

这几天我给 xorg-xwayland 打上了新版补丁，然后在一番理解之后，给 wlroots 写好了相应的补丁，现在 Xwayland 终于也可以看清晰了！

这两个补丁，xwayland 那边是通过一个 X 窗口属性来设置缩放倍数，然后 xwayland 会告诉混成器自己的窗口使用了对应的缩放倍数，这样混成器就不会当它不支持缩放、强行给拉伸一下了。当然还有输入坐标的转换之类的。缩放倍数为 2 时，X 客户端会看到之前两倍的显示大小，并且 X 使用的坐标是 Wayland 这边的两倍，所以 Wayland 的输入事件从 X 服务器传给 X 客户端的时候需要乘以 2。

混成器这边，需要了解客户端传过来的 X 坐标和 Wayland 坐标不再相同，需要进行相应的转换。没有进行转换的结果就是，客户端告诉混成器说自己是 1024x1024 的窗口大小，然后实际上创建出来是 512x512 的。混成器再告诉客户端你现在只有这么大，然后客户端说好，我调整一下。于是又变小了……

两个补丁打上之后，由于头文件有变化，混成器可能需要重新编译一遍。然后按 X 的方式设置 HiDPI，比如设置 Xft.dpi: 192 或者 winecfg 里设置 dpi 为 192。如果有运行于 Xwayland 的 GTK 3 程序，也要设置 GDK_SCALE=2 GDK_DPI_SCALE=0.5。然后执行以下命令设置 X 属性，让 Xwayland 做相应调整：

xprop -root -format _XWAYLAND_GLOBAL_OUTPUT_SCALE 32c -set _XWAYLAND_GLOBAL_OUTPUT_SCALE 2

接下来就能愉快地 wine 和 gimp 啦～

这几天做的另一个比较大的动作是配置好了 waybar。我也不知道这个组件叫什么好，很多地方都叫面板（panel），i3 / sway 那边直接叫 bar。它现在经常出现在屏幕顶部所以我也有时叫它顶栏。总之就是显示窗口信息、系统托盘和状态指示器啥的那一条。

我是从它自带的配置文件修改的，但是风格给完全改掉了。原本的风格是一块一块的彩色背景的字，我嫌太过显眼，经过一番调整之后，给改成了黑底上的彩色字，跟我原来的 Awesome 差不多，也和我显示器的黑边挺配的。指示器的放置也是差不多的。十分遗憾的是并没有合适的窗口列表小部件可用。它自带的那个 wlr/taskbar 会把所有工作区的窗口全部显示出来，很挤。而且不知道为什么，一旦加上它之后就最小要占用 34px 的高度，太占空间了，所以作罢。我打算以后自己实现一个，现在就拿正在播放的媒体凑一下吧。它现在长这样：

左边就是使用 playerctl 做的媒体信息。左键可暂停播放，滚轮切歌。字的颜色是和窗口边框匹配的。

中边留着给窗口标题。

右边依次是：

• idle 禁制器。点一下眼睛亮起来，禁用无活动时自动休眠。
• CPU 和 load 信息。
• CPU 温度。太高了会变红。
• 内存使用率。
• 电池信息。充满电又插着电源线，它就隐藏起来了。预期充电或者使用的时候图标会出现，并且可以看到剩余时间。如果在放电并且电量低，应该会变红并且闪烁。这设定跟我 Awesome 的那个一样，不知道等到什么时候才能用上，到时候才能看到效果了。
• 音量。左键单击是切换静音，滚轮调节音量。图标会显示设备类型（我这里有内建、HDMI（实际上是走的 DP）、蓝牙三种）。麦克风静音的时候也会显示图标。
• 系统托盘。它终于可以在多个屏幕上同时显示啦～
• 时钟。

我最终还是用上了那个包名为「otf-font-awesome」的图标字体。

waybar 比 Awesome 的 bar 好配置多了。很方便使用外部程序来定义。也不一定要用定时器。程序可以一直跑着，一行一条状态更新，就不需要在「更新不及时」和「更新太频繁消耗资源、干扰调试」之间抉择了。

我把 wayfire、waybar 以及其它一些东西的配置文件上传到 GitHub dotconfig 仓库了。XDG 标准路径挺好的。

还有一些小的更新——

壁纸我使用了 swaybg，因为它支持不同显示器使用不同的壁纸，这样我的 e-ink 墨水屏就可以独享纯白壁纸了～或者什么时候我专门找张合适的黑白壁纸也挺好的。

fcitx5 输入条的文字 padding 太大。鉴于我现在日常使用 Wayland 了，我改了我这个主题，适配 Wayland。X 那边也没有太难看。

fcitx5-paste-primary 已经添加了 Wayland 支持，虽然实现很不优雅……

看图软件，使用 imv（同时支持 Wayland 和 X）取代了 sxiv。许多图片要预览的话，thunar 或者 geeqie 也挺好的。

以及一些已经报告的 bug：

• xfce4-appfinder 无法启动 Xwayland 程序，因为它把 DISPLAY 环境变量传错了。
• flameshot 多显示器时，只能编辑左上角部分内容。
• mako 全屏时不能显示通知。设置 layer=overlay 的话会显示在锁屏（swaylock）之上。

还有一些未报告和未调查清楚的 bug，等事情明了之后我再更新啦～

这几天又解决了一些问题，记一下。

Wayfire 部分：

• 部分按键绑定无效的问题，Super+数字键无效是因为这个是 git 版本才有的。PrintScreen 无效是因为需要写成KEY_SYSRQ……
• 窗口标题的问题。显示中文的 pr 已经提交。也把 scale 插件的问题一起修了。
• 要不显示标题栏也很好办，首先 preferred_decoration_mode = server 让窗口们都用 wayfire 画的装饰，然后设置 height = 0 这样就看不到标题栏啦（窗口边框还留着；连边框都不想要的话可以不加载这个插件就好了）。
• lightdm 启动不了 wayfire 的问题，在 ~/.xprofile 里 sleep 1 就好了。相关 issue：Missing some input devices in wayland session · Issue #63 · canonical/lightdm。
• 嗯，lightdm 是会给 Wayland 会话 source ~/.xprofile 的。所以在里边判断 XDG_SESSION_TYPE 环境变量然后做相应的处理就好了。另外 sddm 是会 source ~/.profile 的。
• invert 和 zoom 插件只支持一个显示器的问题，没有再次复现。可能是 git 版修了吧。
• 挂起之后恢复，没键盘鼠标的问题大概也好了？今天我只遇到过一次没键盘，重新插了一下……
• resize 调整窗口时保持比例（比如用于 scrcpy）。我已经在自己的 fork 中加入这个功能。
• 锁屏使用 swaylock。不过它只锁屏并不会关显示器，所以我又写了个 xset dpms force off 的等价程序。
• HiDPI 下 Xwayland 窗口是糊的。通过改变插值算法（默认的 GL_LINEAR -> GL_NEAREST）来缓解。sway 默认就支持这个。这个 nearest 算法在整数倍放大时，会不那么糊，不过颗粒感会很明显（就是把显示器分辨率给降回去啦）。
• 哦，还有个 git 版本的新问题：slurp 或 swaylock 在运行时，会消耗不少 CPU。我发现是由于 wayfire 一直在发送 configure 事件造成不断地重绘，已经给补上并提交 pr 了。

我的 Wayfire fork 位于 https://github.com/lilydjwg/wayfire/tree/lilydjwg，里边有什么请自行看提交历史。不过要注意的是，这个分支我可能会 push -f 以清理历史。

应用程序部分：

• flameshot 需要设置 XDG_CURRENT_DESKTOP=sway 才能工作，然而在多显示器的时候只会给用户编辑左上角的部分，还是没法用。于是我用回传统的「选择+截图」组合了，只不过在 Wayland 下是 slurp + grim 这个组合。
• wl-paste 和 xsel 不同步的问题，是由于 wlroots Xwayland 在窗口没有焦点时，被禁止与 Wayland 部分同步剪贴板。
• 我装好 xdg-desktop-portal{,-wlr}，设置好 XDG_CURRENT_DESKTOP 环境变量，然后重置了一下 obs-studio 的配置文件之后，它能工作了。不过只能录整个屏幕，不能按窗口录啦（由于更容易意外录到别的内容，反而不那么安全了）。

然后是剩下的问题：

• spicy 无法捕获键盘是因为 wayfire 没有实现那个协议。有空我去 patch 一下好了。
• 火狐还是不能录屏。听说是协议有更新火狐还没跟上？
• wireshark 的菜单会显示在屏幕最右边。
• mako 的通知文字经常是糊的，reload 一下什么的可能会好。也遇到过它不显示，reload 一下又好了的情况。
• GTK 3 程序的右键菜单，上下会多出一部分内边距并被加上的圆角。圆角我还能忍，但多这么一部分不能选中就很难看了，然后火狐的多级菜单还没把这个考虑进去，没对齐各级菜单……

解决这各种问题挺累的，我就不仔细核查和整理了。本文只是个记录，把已经完成的事项从我的 TODO 列表转存到博客而已啦=w=