asterocr 1.0.0__py3-none-any.whl

asterocr/synthesizer/corpus.py

@@ -0,0 +1,378 @@
+"""
+AsterOCR Vietnamese Text Corpus Synthesizer
+Generates realistic Vietnamese text for training:
+- Full names (Họ và tên)
+- Addresses (Số nhà, Phường/Xã, Quận/Huyện, Tỉnh/Thành)
+- Administrative data (CCCD 12 số, CMND, Ngày sinh, Hộ khẩu)
+- Relationships (Chủ hộ, Vợ, Con, v.v.)
+- Numbers, money, dates, codes, license plates
+- Administrative & common Vietnamese sentences
+"""
+
+import sys
+import random
+from datetime import datetime, timedelta
+
+if sys.platform == "win32":
+    try:
+        sys.stdout.reconfigure(encoding='utf-8')
+        sys.stderr.reconfigure(encoding='utf-8')
+    except Exception:
+        pass
+
+LAST_NAMES = [
+    "Nguyễn", "Trần", "Lê", "Phạm", "Hoàng", "Huỳnh", "Phan", "Vũ", "Võ",
+    "Đặng", "Bùi", "Đỗ", "Hồ", "Ngô", "Dương", "Lý", "Đào", "Đinh", "Đoàn",
+    "Mai", "Lâm", "Phùng", "Tạ", "Trịnh", "Lương", "Trương", "Hà", "Chu"
+]
+
+MIDDLE_NAMES_MALE = [
+    "Văn", "Đức", "Hữu", "Minh", "Quang", "Xuân", "Thanh", "Đình", "Gia",
+    "Tuấn", "Hải", "Quốc", "Anh", "Bảo", "Hoàng", "Công", "Ngọc", "Mạnh"
+]
+
+MIDDLE_NAMES_FEMALE = [
+    "Thị", "Ngọc", "Thanh", "Mai", "Phương", "Thu", "Ánh", "Hồng", "Kim",
+    "Mỹ", "Bích", "Tuyết", "Khánh", "Diệu", "Thúy", "Bảo", "Hải", "Hương"
+]
+
+FIRST_NAMES_MALE = [
+    "An", "Bình", "Cường", "Dũng", "Đạt", "Hải", "Hiếu", "Hùng", "Huy",
+    "Khoa", "Kiên", "Long", "Minh", "Nam", "Nghĩa", "Phong", "Phúc", "Quân",
+    "Sơn", "Thắng", "Thành", "Thịnh", "Tiến", "Toàn", "Trung", "Tùng", "Việt"
+]
+
+FIRST_NAMES_FEMALE = [
+    "Anh", "Châu", "Dung", "Duyên", "Giang", "Hà", "Hằng", "Hạnh", "Hoa",
+    "Huệ", "Hương", "Huyền", "Lan", "Linh", "Mai", "Nga", "Ngân", "Ngọc",
+    "Nhung", "Oanh", "Phương", "Quỳnh", "Thảo", "Thu", "Trang", "Trâm", "Vy"
+]
+
+CITIES = [
+    "Hà Nội", "TP. Hồ Chí Minh", "Hải Phòng", "Đà Nẵng", "Cần Thơ",
+    "An Giang", "Bà Rịa - Vũng Tàu", "Bắc Giang", "Bắc Kạn", "Bạc Liêu",
+    "Bắc Ninh", "Bến Tre", "Bình Định", "Bình Dương", "Bình Phước",
+    "Bình Thuận", "Cà Mau", "Cao Bằng", "Đắk Lắk", "Đắk Nông", "Điện Biên",
+    "Đồng Nai", "Đồng Tháp", "Gia Lai", "Hà Giang", "Hà Nam", "Hà Tĩnh",
+    "Hải Dương", "Hậu Giang", "Hòa Bình", "Hưng Yên", "Khánh Hòa", "Kiên Giang",
+    "Kon Tum", "Lai Châu", "Lâm Đồng", "Lạng Sơn", "Lào Cai", "Long An",
+    "Nam Định", "Nghệ An", "Ninh Bình", "Ninh Thuận", "Phú Thọ", "Phú Yên",
+    "Quảng Bình", "Quảng Nam", "Quảng Ngãi", "Quảng Ninh", "Quảng Trị",
+    "Sóc Trăng", "Sơn La", "Tây Ninh", "Thái Bình", "Thái Nguyên", "Thanh Hóa",
+    "Thừa Thiên Huế", "Tiền Giang", "Trà Vinh", "Tuyên Quang", "Vĩnh Long",
+    "Vĩnh Phúc", "Yên Bái"
+]
+
+DISTRICT_PREFIX = ["Quận", "Huyện", "Thị xã", "Thành phố"]
+WARD_PREFIX = ["Phường", "Xã", "Thị trấn"]
+STREET_NAMES = [
+    "Nguyễn Huệ", "Lê Lợi", "Trần Hưng Đạo", "Hai Bà Trưng", "Phan Chu Trinh",
+    "Lý Thường Kiệt", "Điện Biên Phủ", "Cách Mạng Tháng Tám", "Võ Thị Sáu",
+    "Nguyễn Thị Minh Khai", "Bà Huyện Thanh Quan", "Hoàng Diệu", "Kim Mã",
+    "Đội Cấn", "Cầu Giấy", "Giải Phóng", "Xã Đàn", "Trường Chinh", "Đinh Tiên Hoàng"
+]
+
+RELATIONS = [
+    "Chủ hộ", "Vợ", "Chồng", "Con", "Con trai", "Con gái", "Con dâu", "Con rể",
+    "Bố đẻ", "Mẹ đẻ", "Bố vợ", "Mẹ vợ", "Bố chồng", "Mẹ chồng", "Ông nội",
+    "Bà nội", "Ông ngoại", "Bà ngoại", "Anh ruột", "Chị ruột", "Em ruột",
+    "Cháu nội", "Cháu ngoại", "Cháu ruột"
+]
+
+ETHNICITIES = [
+    "Kinh", "Tày", "Thái", "Mường", "H'Mông", "Dao", "Khmer", "Nùng", "Hoa",
+    "Gia Rai", "Ê Đê", "Ba Na", "Xơ Đăng", "Sán Chay", "Cơ Ho", "Chăm"
+]
+
+RELIGIONS = ["Không", "Phật giáo", "Công giáo", "Tin Lành", "Cao Đài", "Hòa Hảo"]
+
+OCCUPATIONS = [
+    "Làm ruộng", "Công nhân", "Học sinh", "Sinh viên", "Cán bộ", "Hưu trí",
+    "Kinh doanh", "Buôn bán", "Tự do", "Nội trợ", "Giáo viên", "Bác sĩ",
+    "Kỹ sư", "Nhân viên văn phòng", "Quân nhân", "Công an", "Lái xe"
+]
+
+ADMIN_PHRASES = [
+    "CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM",
+    "Độc lập - Tự do - Hạnh phúc",
+    "SỔ HỘ KHẨU", "BẢN SAO TRÍCH LỤC", "GIẤY KHAI SINH", "GIẤY CHỨNG NHẬN",
+    "Họ và tên chủ hộ:", "Nơi đăng ký thường trú:", "Số sổ hộ khẩu:",
+    "Công an quận/huyện:", "Đăng ký ngày:", "Cán bộ hộ khẩu:",
+    "Căn cước công dân số:", "Chứng minh nhân dân số:", "Quốc tịch: Việt Nam",
+    "Nơi sinh:", "Nguyên quán:", "Nơi thường trú trước khi chuyển đến:"
+]
+
+def random_date(start_year=1940, end_year=2024):
+    start = datetime(start_year, 1, 1)
+    end = datetime(end_year, 12, 31)
+    d = start + timedelta(days=random.randint(0, (end - start).days))
+    fmt = random.choice(["%d/%m/%Y", "%d-%m-%Y", "%d.%m.%Y", "%d / %m / %Y"])
+    return d.strftime(fmt)
+
+def generate_vietnamese_name():
+    gender = random.choice(["male", "female"])
+    last = random.choice(LAST_NAMES)
+    if gender == "male":
+        mid = random.choice(MIDDLE_NAMES_MALE)
+        first = random.choice(FIRST_NAMES_MALE)
+    else:
+        mid = random.choice(MIDDLE_NAMES_FEMALE)
+        first = random.choice(FIRST_NAMES_FEMALE)
+        
+    full = f"{last} {mid} {first}"
+    case = random.choice(["upper", "title", "title", "upper"])
+    return full.upper() if case == "upper" else full
+
+def generate_cccd():
+    # 12 digits, e.g. 079082001425
+    province = f"{random.randint(1, 96):03d}"
+    century_gender = str(random.randint(0, 3))
+    year = f"{random.randint(40, 99):02d}"
+    random_num = f"{random.randint(1, 999999):06d}"
+    return f"{province}{century_gender}{year}{random_num}"
+
+def generate_address():
+    # Multi-tier realistic Vietnamese addresses (from 35 to 95 chars)
+    types = random.random()
+    if types < 0.25:
+        # Urban address with alley/lane/floor
+        floor_apt = random.choice([f"P.{random.randint(101, 1908)}", f"Căn hộ {random.randint(201, 2505)}", f"Tầng {random.randint(2, 25)}"])
+        building = random.choice(["Tòa nhà Landmark 81", "Chung cư Vinhomes Central Park", "Tòa Sapphire 2", "Chung cư Golden Land", "Tòa tháp Bitexco", "Chung cư Masteri Thảo Điền"])
+        street = f"đường {random.choice(STREET_NAMES)}"
+        ward = f"{random.choice(WARD_PREFIX)} {random.choice(FIRST_NAMES_MALE if random.random() < 0.5 else FIRST_NAMES_FEMALE)}"
+        district = f"{random.choice(DISTRICT_PREFIX)} {random.choice(['1', '3', '5', '7', '10', 'Bình Thạnh', 'Tân Bình', 'Cầu Giấy', 'Đống Đa', 'Hải Châu'])}"
+        city = random.choice(CITIES)
+        return f"{floor_apt}, {building}, {street}, {ward}, {district}, {city}"
+    elif types < 0.65:
+        # Traditional house / alley address
+        num = f"Số {random.randint(1, 980)}"
+        if random.random() < 0.6:
+            num += f"/{random.randint(1, 120)}"
+            if random.random() < 0.3:
+                num += f"/{random.randint(1, 45)}"
+        lane = random.choice(["", f"Ngõ {random.randint(1, 350)}, ", f"Hẻm {random.randint(1, 200)}, "]) if random.random() < 0.5 else ""
+        street = f"đường {random.choice(STREET_NAMES)}"
+        ward = f"{random.choice(WARD_PREFIX)} {random.choice(FIRST_NAMES_MALE if random.random() < 0.5 else FIRST_NAMES_FEMALE)}"
+        district = f"{random.choice(DISTRICT_PREFIX)} {random.choice(['1', '3', '7', 'Bình Thạnh', 'Phú Nhuận', 'Gò Vấp', 'Hoàn Kiếm', 'Ba Đình', 'Thanh Xuân', 'Sơn Trà'])}"
+        city = random.choice(CITIES)
+        return f"{num}, {lane}{street}, {ward}, {district}, {city}"
+    else:
+        # Rural / provincial address
+        hamlet = random.choice(["Thôn 1", "Thôn 2", "Thôn Tân Lập", "Thôn Phú Thịnh", "Ấp Bình Hòa", "Ấp 3", "Ấp Tân Thành", "Bản Nà Lạc", "Xóm Chùa", "Tổ dân phố 8"])
+        commune = f"Xã {random.choice(['An Hòa', 'Phú Lộc', 'Quảng Tân', 'Hòa Tiến', 'Tân Lập', 'Bình Minh', 'Đại Đồng', 'Cẩm Giàng'])}"
+        dist = f"Huyện {random.choice(['Tuy An', 'Châu Đức', 'Củ Chi', 'Đan Phượng', 'Gia Viễn', 'Hưng Hà', 'Nho Quan', 'Phú Lộc'])}"
+        province = f"Tỉnh {random.choice(['Phú Yên', 'Bà Rịa - Vũng Tàu', 'Bình Định', 'Quảng Nam', 'Ninh Bình', 'Thái Bình', 'Thanh Hóa', 'Nghệ An'])}"
+        return f"{hamlet}, {commune}, {dist}, {province}"
+
+DOCUMENT_CLAUSES = [
+    "CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM - Độc lập - Tự do - Hạnh phúc",
+    "QUYẾT ĐỊNH Về việc ban hành quy chế bảo vệ và xử lý dữ liệu cá nhân nội bộ",
+    "Căn cứ Luật Doanh nghiệp số 59/2020/QH14 được Quốc hội thông qua ngày 17/06/2020",
+    "Căn cứ Nghị định số 13/2023/NĐ-CP ngày 17 tháng 04 năm 2023 của Chính phủ về bảo vệ dữ liệu cá nhân",
+    "Điều 1. Nay bổ nhiệm Ông/Bà có tên sau đây giữ chức vụ Trưởng phòng Kế hoạch Tài chính",
+    "Điều 2. Quyết định này có hiệu lực thi hành kể từ ngày ký và được phổ biến tới toàn thể cán bộ",
+    "Bên A cam kết thanh toán đầy đủ 100% giá trị hợp đồng theo đúng thời hạn quy định tại Điều 4",
+    "Tổng giá trị quyết toán công trình (đã bao gồm thuế giá trị gia tăng 10% VAT):",
+    "Số tiền viết bằng chữ: Một trăm hai mươi lăm triệu tám trăm năm mươi nghìn đồng chẵn.",
+    "Giấy chứng nhận đăng ký kinh doanh và mã số doanh nghiệp do Sở Kế hoạch & Đầu tư cấp lần đầu ngày",
+    "Người đại diện theo pháp luật: Chủ tịch Hội đồng Quản trị kiêm Tổng Giám đốc Điều hành",
+    "Địa chỉ trụ sở chính: Tòa nhà Discovery Complex, số 302 đường Cầu Giấy, Phường Dịch Vọng, Quận Cầu Giấy, TP. Hà Nội",
+    "Biên bản nghiệm thu và bàn giao hạng mục công trình hoàn thành đưa vào sử dụng",
+    "Hai bên thống nhất ký biên bản thanh lý hợp đồng kinh tế và không còn khiếu nại hay tranh chấp nào",
+    "Kính gửi: Ủy ban Nhân dân Phường Bến Nghé, Quận 1, Thành phố Hồ Chí Minh",
+    "Nơi nhận: Như Điều 3; Ban Giám đốc; Phòng Kế toán; Lưu: VT, HS (03 bản chính lưu trữ)."
+]
+
+def generate_document_clause():
+    return random.choice(DOCUMENT_CLAUSES)
+
+
+# Comprehensive character sets
+VIETNAMESE_ALL_CHARS = (
+    "aàáảãạăằắẳẵặâầấẩẫậ"
+    "bcdđeèéẻẽẹêềếểễệ"
+    "fghiìíỉĩịjklmnoòóỏõọôồốổỗộơờớởỡợ"
+    "pqrstuùúủũụưừứửữự"
+    "vwxyỳýỷỹỵz"
+    "AÀÁẢÃẠĂẰẮẲẴẶÂẦẤẨẪẬ"
+    "BCDĐEÈÉẺẼẸÊỀẾỂỄỆ"
+    "FGHIÌÍỈĨỊJKLMNOÒÓỎÕỌÔỒỐỔỖỘƠỜỚỞỠỢ"
+    "PQRSTUÙÚỦŨỤƯỪỨỬỮỰ"
+    "VWXYỲÝỶỸỴZ"
+)
+DIGITS_CHARS = "0123456789"
+PUNCT_CHARS = " ,.-:;\"'?!()[]{}/%+$&=*#@_\\<>°"
+FULL_CHARSET = list(dict.fromkeys(list(VIETNAMESE_ALL_CHARS + DIGITS_CHARS + PUNCT_CHARS)))
+
+INITIAL_CONSONANTS = ["b", "c", "ch", "d", "đ", "g", "gh", "h", "k", "kh", "l", "m", "n", "ng", "ngh", "nh", "p", "ph", "qu", "r", "s", "t", "th", "tr", "v", "x", ""]
+VOWEL_NUCLEI = [
+    "a", "à", "á", "ả", "ã", "ạ", "ă", "ằ", "ắ", "ẳ", "ẵ", "ặ", "â", "ầ", "ấ", "ẩ", "ẫ", "ậ",
+    "e", "è", "é", "ẻ", "ẽ", "ẹ", "ê", "ề", "ế", "ể", "ễ", "ệ",
+    "i", "ì", "í", "ỉ", "ĩ", "ị", "o", "ò", "ó", "ỏ", "õ", "ọ", "ô", "ồ", "ố", "ổ", "ỗ", "ộ",
+    "ơ", "ờ", "ớ", "ở", "ỡ", "ợ", "u", "ù", "ú", "ủ", "ũ", "ụ", "ư", "ừ", "ứ", "ử", "ữ", "ự",
+    "y", "ỳ", "ý", "ỷ", "ỹ", "ỵ", "ia", "iê", "uô", "ươ", "uy", "oa", "oe"
+]
+FINAL_CONSONANTS = ["", "c", "ch", "m", "n", "ng", "nh", "p", "t"]
+
+def generate_pure_random_string(min_len=2, max_len=22):
+    """Generates purely random sequence from all 134+ characters."""
+    length = random.randint(min_len, max_len)
+    chars = []
+    for _ in range(length):
+        chars.append(random.choice(FULL_CHARSET))
+    res = "".join(chars).strip()
+    return res if res else "A"
+
+def generate_pseudo_words(min_words=1, max_words=5):
+    """Generates realistic Vietnamese pseudo-words using phonotactics."""
+    num_words = random.randint(min_words, max_words)
+    words = []
+    for _ in range(num_words):
+        c1 = random.choice(INITIAL_CONSONANTS)
+        v = random.choice(VOWEL_NUCLEI)
+        c2 = random.choice(FINAL_CONSONANTS)
+        w = c1 + v + c2
+        if random.random() < 0.3:
+            w = w.capitalize()
+        elif random.random() < 0.15:
+            w = w.upper()
+        words.append(w)
+    return " ".join(words)
+
+def generate_code_or_token():
+    """Generates identifiers, serials, codes, phone numbers, license plates."""
+    t = random.choice([
+        "serial", "code", "phone", "plate", "tax", "ref", "hash", "date_code"
+    ])
+    if t == "serial":
+        prefix = random.choice(["SN", "SERI", "NO", "MÃ", "ID", "LOT"])
+        nums = "".join(random.choices("0123456789ABCDEF", k=random.randint(6, 12)))
+        return f"{prefix}: {nums}"
+    elif t == "code":
+        p1 = "".join(random.choices("ABCDEFGHIJKLMNOPQRSTUVWXYZ", k=random.randint(2, 4)))
+        p2 = "".join(random.choices("0123456789", k=random.randint(3, 6)))
+        sep = random.choice(["-", "/", "_", "."])
+        return f"{p1}{sep}{p2}"
+    elif t == "phone":
+        prefix = random.choice(["090", "091", "098", "097", "086", "083", "079", "034"])
+        body1 = "".join(random.choices("0123456789", k=3))
+        body2 = "".join(random.choices("0123456789", k=4))
+        fmt = random.choice([
+            f"{prefix}.{body1}.{body2}",
+            f"{prefix} {body1} {body2}",
+            f"+84 {prefix[1:]} {body1} {body2}",
+            f"({prefix}) {body1}-{body2}"
+        ])
+        return fmt
+    elif t == "plate":
+        prov = random.randint(11, 99)
+        letter = random.choice("ABCDEFGHKLMNPSTUVXYZ")
+        num1 = random.randint(100, 999)
+        num2 = random.randint(10, 99)
+        return f"{prov}{letter}-{num1}.{num2}"
+    elif t == "tax":
+        mst = "".join(random.choices("0123456789", k=10))
+        if random.random() < 0.3:
+            mst += f"-{random.randint(1, 99):03d}"
+        return f"MST: {mst}"
+    elif t == "ref":
+        kind = random.choice(["Số", "QĐ", "NĐ", "TT", "CV", "HĐ"])
+        num = random.randint(1, 9999)
+        yr = random.randint(2015, 2026)
+        dept = random.choice(["UBND", "BCA", "BTC", "BYT", "BGDĐT", "TCT", "CP"])
+        return f"{kind}: {num}/{yr}/{dept}"
+    else:
+        # short hash / token
+        token = "".join(random.choices("0123456789abcdefABCDEF", k=random.randint(8, 16)))
+        return f"token_{token}" if random.random() < 0.5 else token
+
+def generate_math_or_currency():
+    """Generates currencies, percentages, math formulas, units."""
+    t = random.choice(["money", "percent", "math", "units"])
+    if t == "money":
+        val = random.choice([
+            random.randint(1, 999) * 1000,
+            random.randint(1, 99) * 1000000,
+            random.randint(1000, 99999999)
+        ])
+        fmt_val = f"{val:,}".replace(",", ".")
+        unit = random.choice(["VNĐ", "đ", "VND", "$", "USD", "EUR"])
+        if unit == "$":
+            return f"${val:,.2f}"
+        return f"{fmt_val} {unit}"
+    elif t == "percent":
+        val = round(random.uniform(0.1, 99.9), random.choice([0, 1, 2]))
+        sign = random.choice(["", "+", "-", "±"])
+        return f"{sign}{val}%"
+    elif t == "units":
+        val = round(random.uniform(1.0, 500.0), random.choice([0, 1, 2]))
+        u = random.choice(["kg", "m²", "km", "cm", "m³", "lít", "giờ", "phút", "°C", "kW/h"])
+        return f"{val} {u}"
+    else:
+        # Math expression
+        v1, v2 = random.randint(1, 50), random.randint(1, 50)
+        op = random.choice(["+", "-", "x", "/", "="])
+        return random.choice([
+            f"f(x) = {v1}x + {v2}",
+            f"[{v1} {op} {v2} = {v1 + v2}]",
+            f"(A + B) / {v1} <= {v2}",
+            f"X_{v1} = {v2 * 1.5:.1f}"
+        ])
+
+def generate_random_corpus_text(mode="mixed"):
+    """
+    Generates text sample according to configurable distribution:
+    - 'mixed': Balanced mix of random chars, tokens, math, pseudo-words, and admin sentences.
+    - 'pure_random': Strictly random character sequences from full 134+ charset.
+    - 'admin': Realistic administrative text (names, addresses, CCCD, dates).
+    """
+    if mode == "pure_random":
+        return generate_pure_random_string()
+    elif mode == "admin":
+        sub = random.random()
+        if sub < 0.35:
+            return generate_address()
+        elif sub < 0.65:
+            return generate_document_clause()
+        elif sub < 0.85:
+            return f"{generate_vietnamese_name()} - CCCD: {generate_cccd()}"
+        else:
+            return random.choice(ADMIN_PHRASES)
+
+    r = random.random()
+    if r < 0.20:
+        # 1. Văn bản tài liệu, quyết định, hợp đồng, điều khoản pháp lý dài (A4 document lines)
+        return generate_document_clause()
+    elif r < 0.35:
+        # 2. Địa chỉ đa cấp chi tiết (tòa nhà, số nhà, ngõ/ngách, xã/phường, quận/huyện, tỉnh/TP)
+        return generate_address()
+    elif r < 0.50:
+        # 3. Họ tên, CCCD, ngày tháng, chức danh
+        sub = random.random()
+        if sub < 0.4:
+            return generate_vietnamese_name()
+        elif sub < 0.7:
+            return generate_cccd()
+        else:
+            return random_date()
+    elif r < 0.65:
+        # 4. Tiền tệ, số liệu, hóa đơn, phần trăm, mã số
+        if random.random() < 0.5:
+            return generate_math_or_currency()
+        else:
+            return generate_code_or_token()
+    elif r < 0.80:
+        # 5. Pseudo-words (Bao phủ âm tiết tiếng Việt theo ngữ âm học)
+        return generate_pseudo_words(min_words=2, max_words=7)
+    else:
+        # 6. Chuỗi ký tự ngẫu nhiên & cụm từ hành chính
+        if random.random() < 0.5:
+            return generate_pure_random_string(min_len=2, max_len=random.randint(6, 26))
+        else:
+            return random.choice(ADMIN_PHRASES)
+
+
+if __name__ == "__main__":
+    print("=== TEST 15 MẪU RANDOM CORPUS MỚI ===")
+    for i in range(15):
+        print(f"Sample {i+1:02d}: {generate_random_corpus_text()}")

asterocr/synthesizer/font_manager.py

@@ -0,0 +1,170 @@
+"""
+AsterOCR Vietnamese Font Manager & Downloader
+Manages and downloads open-source Vietnamese handwriting and receipt fonts from Google Fonts.
+Combines with Windows system fonts for rich visual diversity.
+"""
+
+import os
+import sys
+import urllib.request
+from PIL import Image, ImageDraw, ImageFont
+
+if sys.platform == "win32":
+    try:
+        sys.stdout.reconfigure(encoding='utf-8')
+        sys.stderr.reconfigure(encoding='utf-8')
+    except Exception:
+        pass
+
+FONTS_DIR = os.path.abspath(os.path.join(os.path.dirname(__file__), "fonts"))
+WINDOWS_FONT_DIR = "C:/Windows/Fonts"
+
+# Curated Google Fonts repository URLs with verified Vietnamese glyph coverage (SIL OFL)
+GOOGLE_HANDWRITING_FONTS = {
+    "Caveat": "https://github.com/google/fonts/raw/main/ofl/caveat/Caveat%5Bwght%5D.ttf",
+    "DancingScript": "https://github.com/google/fonts/raw/main/ofl/dancingscript/DancingScript%5Bwght%5D.ttf",
+    "PatrickHand": "https://github.com/google/fonts/raw/main/ofl/patrickhand/PatrickHand-Regular.ttf",
+    "Mali": "https://github.com/google/fonts/raw/main/ofl/mali/Mali-Regular.ttf",
+    "Itim": "https://github.com/google/fonts/raw/main/ofl/itim/Itim-Regular.ttf",
+    "Sriracha": "https://github.com/google/fonts/raw/main/ofl/sriracha/Sriracha-Regular.ttf",
+    "Pangolin": "https://github.com/google/fonts/raw/main/ofl/pangolin/Pangolin-Regular.ttf",
+    "SedgwickAve": "https://github.com/google/fonts/raw/main/ofl/sedgwickave/SedgwickAve-Regular.ttf",
+    "MarckScript": "https://github.com/google/fonts/raw/main/ofl/marckscript/MarckScript-Regular.ttf",
+    "Comfortaa": "https://github.com/google/fonts/raw/main/ofl/comfortaa/Comfortaa%5Bwght%5D.ttf",
+    "VT323": "https://github.com/google/fonts/raw/main/ofl/vt323/VT323-Regular.ttf", # Thermal receipt / dot-matrix
+}
+
+WINDOWS_CANDIDATE_FONTS = [
+    "Inkfree.ttf",
+    "segoepr.ttf",
+    "segoeprb.ttf",
+    "segoesc.ttf",
+    "segoescb.ttf",
+    "comic.ttf",
+    "comicbd.ttf",
+    "LHANDW.TTF",
+    "consola.ttf",
+    "consolab.ttf",
+    "cour.ttf",
+    "courbd.ttf",
+    "arial.ttf",
+    "times.ttf",
+]
+
+TEST_VIETNAMESE_STRING = "Hà Nội - Đất Thăng Long ngàn năm văn hiến, phở bò 125.000đ"
+
+def download_font(name, url, target_dir=FONTS_DIR):
+    """Downloads a font file safely."""
+    os.makedirs(target_dir, exist_ok=True)
+    filename = f"{name}.ttf"
+    target_path = os.path.join(target_dir, filename)
+    if os.path.exists(target_path) and os.path.getsize(target_path) > 1024:
+        return target_path
+        
+    try:
+        req = urllib.request.Request(
+            url,
+            headers={"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64)"}
+        )
+        with urllib.request.urlopen(req, timeout=15) as response, open(target_path, "wb") as out_file:
+            out_file.write(response.read())
+        print(f"  [+] Đã tải thành công font: {name} ({os.path.getsize(target_path)//1024} KB)")
+        return target_path
+    except Exception as e:
+        print(f"  [-] Không thể tải {name} từ {url}: {e}")
+        if os.path.exists(target_path):
+            try:
+                os.remove(target_path)
+            except Exception:
+                pass
+        return None
+
+def download_all_handwriting_fonts():
+    """Downloads all verified Google Fonts handwriting & receipt fonts."""
+    print("=" * 65)
+    print("  TẢI KHO FONT CHỮ VIẾT TAY & BIÊN LAI TIẾNG VIỆT (GOOGLE FONTS)")
+    print("=" * 65)
+    downloaded = []
+    for name, url in GOOGLE_HANDWRITING_FONTS.items():
+        path = download_font(name, url)
+        if path:
+            downloaded.append(path)
+    return downloaded
+
+def test_font_vietnamese_support(font_path):
+    """Verifies that the font can render Vietnamese diacritics without missing glyphs."""
+    try:
+        font = ImageFont.truetype(font_path, size=24)
+        # Create test canvas
+        im = Image.new("L", (400, 50), 255)
+        draw = ImageDraw.Draw(im)
+        draw.text((10, 10), TEST_VIETNAMESE_STRING, fill=0, font=font)
+        # Check if text was actually drawn (not purely white)
+        arr = list(im.getdata())
+        has_black = any(p < 200 for p in arr)
+        return has_black
+    except Exception:
+        return False
+
+def get_handwriting_fonts():
+    """
+    Returns list of verified handwriting font paths (local downloaded + Windows fonts).
+    """
+    fonts = []
+    # 1. Downloaded fonts
+    if os.path.exists(FONTS_DIR):
+        for f in os.listdir(FONTS_DIR):
+            if f.lower().endswith((".ttf", ".otf")):
+                p = os.path.join(FONTS_DIR, f)
+                if test_font_vietnamese_support(p):
+                    fonts.append(p)
+
+    # 2. Windows candidate handwriting fonts
+    if os.path.exists(WINDOWS_FONT_DIR):
+        for cf in ["Inkfree.ttf", "segoepr.ttf", "segoeprb.ttf", "segoesc.ttf", "segoescb.ttf", "comic.ttf", "comicbd.ttf", "LHANDW.TTF"]:
+            p = os.path.join(WINDOWS_FONT_DIR, cf)
+            if os.path.exists(p) and test_font_vietnamese_support(p):
+                fonts.append(p)
+                
+    return sorted(list(set(fonts)))
+
+def get_receipt_fonts():
+    """
+    Returns fonts suitable for receipts, bills, invoices, dot-matrix, vouchers.
+    """
+    fonts = []
+    # VT323 dot-matrix
+    vt323 = os.path.join(FONTS_DIR, "VT323.ttf")
+    if os.path.exists(vt323):
+        fonts.append(vt323)
+        
+    for cf in ["consola.ttf", "consolab.ttf", "cour.ttf", "courbd.ttf", "arial.ttf", "calibri.ttf"]:
+        p = os.path.join(WINDOWS_FONT_DIR, cf)
+        if os.path.exists(p) and test_font_vietnamese_support(p):
+            fonts.append(p)
+            
+    return sorted(list(set(fonts)))
+
+def get_all_mixed_fonts():
+    """Returns combined collection of all fonts for maximum diversity."""
+    hw = get_handwriting_fonts()
+    rc = get_receipt_fonts()
+    # Add any general fonts in Windows
+    gen = []
+    for cf in ["arial.ttf", "times.ttf", "tahoma.ttf", "segoeui.ttf", "cambria.ttf"]:
+        p = os.path.join(WINDOWS_FONT_DIR, cf)
+        if os.path.exists(p) and test_font_vietnamese_support(p):
+            gen.append(p)
+            
+    return list(set(hw + rc + gen))
+
+if __name__ == "__main__":
+    download_all_handwriting_fonts()
+    hw_fonts = get_handwriting_fonts()
+    rc_fonts = get_receipt_fonts()
+    print(f"\n[+] Đã tìm thấy {len(hw_fonts)} font viết tay hợp lệ:")
+    for f in hw_fonts:
+        print(f"    - {os.path.basename(f)}")
+    print(f"\n[+] Đã tìm thấy {len(rc_fonts)} font hóa đơn / biên lai hợp lệ:")
+    for f in rc_fonts:
+        print(f"    - {os.path.basename(f)}")