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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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