scripts/1_render_images.py

# 做pilot study的时候用的渲染代码

from PIL import Image, ImageDraw, ImageFont
import textwrap
import json, os

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

# ========================
# 参数配置
# ========================

# 数据路径
json_path = "/vol/zhaoy/ds-ocr/data/CCI3-Data/CCI3_100-5k_sample100_interval500_per10/test.jsonl"
data = read_jsonl(json_path)

# 输出目录
output_root = "/vol/zhaoy/ds-ocr/data/CCI3-Data/CCI3_100-5k_sample100_interval500_per10"

# 三个版本及对应字段
versions = {
    "normal": "content",
    "shuffled": "shuffled_content",
    "tiny_shuffled": "tiny_shuffled_content",
}

# 字体路径与大小
font_path = "/usr/share/fonts/truetype/wqy/wqy-zenhei.ttc"
font_size = 64
font = ImageFont.truetype(font_path, font_size)

# 每行最大字符数
max_chars_per_line = 40  # 中文
# max_chars_per_line = 100  # 英文

# ========================
# 主流程
# ========================



for version_name, field in versions.items():
    # 创建输出文件夹
    image_root = os.path.join(output_root, version_name, "images")
    os.makedirs(image_root, exist_ok=True)

    print(f"\n🖋 正在生成 {version_name} 版本的图片到 {image_root} ...")

    for item in data:
        text = item.get(field, "")
        if not text:
            print(f"⚠️ 跳过 {item['id']}：字段 {field} 为空。")
            continue

        # 自动换行
        wrapped_text = textwrap.fill(text, width=max_chars_per_line)

        # 计算文本尺寸
        dummy_img = Image.new("RGB", (10, 10))
        draw = ImageDraw.Draw(dummy_img)
        bbox = draw.multiline_textbbox((0, 0), wrapped_text, font=font, spacing=10)
        text_w, text_h = bbox[2] - bbox[0], bbox[3] - bbox[1]

        # 加 padding
        padding = 50
        img_w, img_h = text_w + 2 * padding, text_h + 2 * padding

        # 创建并绘制图片
        img = Image.new("RGB", (img_w, img_h), (255, 255, 255))
        draw = ImageDraw.Draw(img)
        draw.multiline_text(
            (padding, padding),
            wrapped_text,
            font=font,
            fill=(0, 0, 0),
            spacing=10,
        )

        # 保存图片
        image_path = os.path.join(image_root, f"{item['id']}.png")
        img.save(image_path)
        print(f"✅ {version_name} - 已生成 {item['id']} ({img_w}x{img_h})")

print("\n🎨 所有版本图片生成完毕！")