CTeX-org/lshort-zh-cn 项目中的表格排版进阶指南
2025-06-25 19:51:38作者:史锋燃Gardner
在 LaTeX 文档排版中,表格处理一直是初学者面临的难点之一。CTeX-org/lshort-zh-cn 项目作为中文 LaTeX 入门指南,对表格排版有着详细的介绍。本文将深入探讨该指南中关于表格排版的内容,并分析其设计思路。
基础表格与进阶需求
lshort-zh-cn 文档在第27页详细介绍了基本的表格排版方法,包括标准的 tabular 环境使用、基本线型控制等内容。这些基础知识对于初学者来说已经足够应付简单的表格需求。然而,在实际学术写作或复杂文档排版中,我们常常会遇到以下高级需求:
- 精确控制列宽和行高
- 实现比例缩放
- 创建符合学术规范的三线表
- 处理复杂的单元格合并(横向和纵向)
- 添加表注和表头
- 处理跨页表格
传统方法的局限性
使用传统的 tabular 环境配合 array、multirow、makecell 等宏包虽然可以实现上述功能,但存在几个明显问题:
- 需要引入多个宏包,增加了文档的复杂性和潜在的兼容性问题
- 代码可读性差,特别是在处理复杂合并时难以直观理解单元格对应关系
- 调试困难,格式调整需要反复编译查看效果
tabularray 宏包的解决方案
在 lshort-zh-cn 的附录B3.3部分介绍了 tabularray 宏包,这是一个相对较新的表格处理解决方案(2021年发布)。tabularray 提供了以下优势:
- 统一的语法处理各种复杂表格需求
- 更直观的单元格合并语法
- 内置支持多种高级功能,减少了额外宏包的依赖
- 更好的代码可读性和可维护性
文档设计的考量
lshort-zh-cn 选择将 tabularray 放在附录而非正文介绍,主要基于以下考虑:
- 保持正文内容的稳定性和通用性
- 避免初学者过早接触较新的技术方案
- 遵循从基础到进阶的学习路径
然而,这种安排可能导致部分用户在需要处理复杂表格时无法及时了解到更优的解决方案。建议用户在掌握基础表格排版后,主动查阅附录中的高级内容。
宏包排序的逻辑
关于附录中宏包的排序,虽然没有明确的标注,但实际上是按照以下原则组织的:
- 常用程度:越常用的宏包位置越靠前
- 功能相关性:相关功能的宏包会集中排列
- 历史因素:部分传统宏包即使现在不推荐也保留介绍
这种排序方式虽然不够精确,但符合大多数用户的使用习惯,能够帮助用户更快地找到所需内容。
给用户的建议
对于 LaTeX 表格排版,建议采取以下学习路径:
- 首先掌握 lshort-zh-cn 正文中的基础表格知识
- 在实际项目中遇到复杂需求时,查阅附录中的高级内容
- 对于特别复杂的表格,可以专门学习 tabularray 宏包的文档
- 保持对 LaTeX 生态发展的关注,及时了解新的优秀工具
通过这种渐进式的学习方式,既能打好基础,又能高效解决实际问题。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
667
4.3 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
511
621
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
297
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++
943
882
🎉 (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
1.56 K
906
暂无简介
Dart
917
222
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
142
169
仓颉编程语言运行时与标准库。
Cangjie
163
924