CTeX-org/lshort-zh-cn 项目中的表格排版进阶指南
2025-06-25 12:33:18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
kernelopenEuler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。C046
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0124
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
435
3.32 K
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
🔥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
65
19
暂无简介
Dart
699
162
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++
697
374
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.23 K
676
Ascend Extension for PyTorch
Python
245
282
React Native鸿蒙化仓库
JavaScript
272
328