LaTeX2e项目:运行页眉中由\label或\index引起的额外空格问题解析
问题背景
在LaTeX2e文档排版系统中,存在一个历史悠久的排版问题:当在章节标题中使用\index或\label命令时,会在运行页眉(running header)中产生额外的空格。这个问题已经存在超过35年,直到最近才被彻底解决。
问题现象
当用户在章节标题中插入索引标记\index或标签标记\label时,例如:
\chapter{X \index{blub} X X}
\section{Y \label{bla} Y Y}
在生成的文档中,目录(TOC)部分显示正常,但在运行页眉中会出现额外的空格。通过分析LaTeX的输出日志可以看到,页眉中的空格数量比预期多出一个。
技术原因
这个问题的根源在于LaTeX处理\index和\label命令的方式。系统使用\@gobble命令来"吞掉"这些不影响实际排版内容的命令,这在写入文件时(如生成目录)工作正常。然而,当这些内容最终出现在页眉标记中时,\@gobble命令会保留命令两侧的空格,导致额外的空格出现在输出中。
具体来说,\@gobble命令会忽略它的参数,但不会处理参数前后的空格。当这些命令出现在标题中时,它们被写入.aux文件和页眉标记中,但空格处理方式不同,导致了不一致的输出结果。
解决方案
修复方案涉及修改LaTeX内核中处理这些命令的方式。不再简单地使用\@gobble来忽略这些命令,而是采用更智能的空间处理机制,确保无论在文件写入还是页眉生成时,都能正确处理命令周围的空格。
影响范围
这个修复影响所有使用运行页眉并在章节标题中包含\index或\label命令的文档。特别是对于书籍(book)和报告(report)类文档,以及任何自定义了页眉样式的文档。
用户建议
对于遇到此问题的用户,建议:
- 更新到包含此修复的LaTeX版本
- 检查现有文档中章节标题内的
\index和\label命令 - 如果无法立即更新,可以考虑在关键位置手动调整空格或使用
\hspace命令进行微调
历史意义
这个问题的修复不仅解决了一个长期存在的排版问题,也展示了LaTeX项目对历史遗留问题的持续关注和维护。即使是一个存在了35年的问题,开发团队仍然致力于提供更精确、更一致的排版结果。
结论
LaTeX2e中由\label或\index引起的运行页眉额外空格问题现已得到修复。这一改进进一步提升了LaTeX排版系统的精确性和一致性,为用户提供了更专业的排版结果。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00