PlantUML预处理输出中的换行符问题解析
问题背景
在PlantUML的预处理过程中,开发者发现当使用%newline()函数时,预处理输出会显示奇怪的字符,而不是预期的换行效果。这个问题在版本1.2025.1中出现,而在之前的1.2024.8版本中表现正常。
技术分析
问题本质
%newline()函数在PlantUML中实际上是一个"显示换行符",它会在预处理输出中显示为特殊字符。这不是一个bug,而是设计如此。对于需要在实际渲染中产生换行效果的情况,PlantUML提供了更合适的%breakline()函数。
解决方案
正确的做法是使用%breakline()替代%newline()。%breakline()专门用于在预处理和最终渲染中都能正确产生换行效果。以下是改进后的代码示例:
@startuml
!function $fct()
!$r = "BackgroundColor lightgreen" + %breakline()
!$r = $r + "FontColor green" + %breakline()
!return $r
!endfunction
!unquoted procedure $proc()
!$r = "skinparam rectangle<<boundary>> {" + %breakline()
!$r = $r + $fct()
!$r = $r + %breakline() + "}" + %breakline()
$r
!end procedure
$proc()
rectangle r1 <<boundary>> [
Test preproc
I 💚 plantuml
]
@enduml
版本兼容性说明
在PlantUML的C4库中,开发团队曾经实现了一个临时解决方案,使得%newline()在skinparam中也能工作。这是为了给开发者迁移到%breakline()提供过渡时间。但这个解决方案并不总是有效,特别是在某些特定函数如AddBoundaryTag中。
最佳实践建议
-
统一使用
%breakline():对于所有需要换行效果的场景,建议使用%breakline()而不是%newline()。 -
预处理检查:在开发复杂PlantUML图表时,定期使用
-preproc选项检查预处理输出,确保换行等特殊字符按预期工作。 -
版本升级注意事项:从1.2024.8升级到1.2025.1或更高版本时,需要检查所有使用
%newline()的地方,特别是涉及skinparam等样式定义的代码。
结论
PlantUML中的换行处理有其特定的设计考虑。理解%newline()和%breakline()的区别对于编写可维护的PlantUML代码非常重要。随着PlantUML版本的更新,遵循官方推荐的最佳实践可以避免类似预处理输出问题。开发者应当逐步将现有代码中的%newline()迁移到%breakline(),以确保代码的长期兼容性和可维护性。
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
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