LaTeX3中的水平盒子对齐机制解析
2025-07-05 07:03:08作者:尤峻淳Whitney
在LaTeX3开发过程中,水平盒子的对齐方式是一个基础但重要的排版概念。本文将深入分析LaTeX3中各种水平盒子对齐命令的等效关系及其设计思路。
水平盒子对齐的基本原理
LaTeX3提供了多种创建水平盒子的命令,每种命令都有特定的对齐行为:
- 右重叠盒子:
\hbox_overlap_right:n与\makebox[\c_zero_dim][l]效果相同,内容左对齐并向右延伸 - 居中重叠盒子:
\hbox_overlap_center:n与\makebox[\c_zero_dim][c]效果相同,内容居中对齐并向两侧延伸 - 左重叠盒子:
\hbox_overlap_left:n与\makebox[\c_zero_dim][r]效果相同,内容右对齐并向左延伸 - 固定宽度左对齐盒子:
\hbox_to_wd:nn与\makebox[⟨dim⟩][l]效果相同,内容在指定宽度内左对齐
当前对齐方式的局限性
目前LaTeX3核心命令集中缺少两个重要的对齐变体:
- 固定宽度居中对齐盒子:没有直接对应
\makebox[⟨dim⟩][c]的底层命令 - 固定宽度右对齐盒子:没有直接对应
\makebox[⟨dim⟩][r]的底层命令
这种缺失意味着开发者在使用底层命令时需要额外的工作来实现这些常见对齐方式。
解决方案与未来方向
LaTeX3团队已经意识到这一需求,并在实验性的xbox模块中进行了相关开发。这个尚未正式发布的模块很可能包含了更完整的盒子对齐命令集,如:
\hbox_overlap_center_to_wd:nn:固定宽度居中对齐盒子\hbox_overlap_left_to_wd:nn:固定宽度右对齐盒子
这些新命令将填补当前功能集的空白,提供更灵活、更一致的盒子对齐控制方式。
实际应用建议
在等待这些新命令正式发布期间,开发者可以:
- 继续使用
\makebox系列命令实现各种对齐需求 - 关注LaTeX3的更新日志,及时了解
xbox模块的发布情况 - 在需要精确控制时,考虑组合现有底层命令实现所需效果
理解这些对齐机制对于开发高质量的LaTeX宏包和文档模板至关重要,特别是在需要精确控制元素位置时。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137