LaTeX2e longtable宏包中的页面高度计算问题分析
2025-07-05 08:23:58作者:沈韬淼Beryl
问题背景
在LaTeX排版系统中,longtable宏包是处理跨页表格的重要工具。近期在2024年4月26日发布的4.20版本中发现了一个与页面高度计算相关的bug,该问题在表格跨页时会导致"dimension too large"的错误。
问题本质
这个bug的核心在于longtable宏包在处理页面底部空间时对\pagegoal变量的不当操作。具体表现为:
- 当表格跨页时,系统会尝试调整页面剩余高度(
\pagegoal) - 在某些情况下,
\pagegoal会被设置为\maxdimen(TeX系统中的最大允许尺寸) - 后续代码尝试对已经是
\maxdimen的值进行加法运算,违反了TeX的尺寸计算规则
技术细节
在longtable宏包中,\endlongtable命令包含以下关键代码段:
\dimen@\pagegoal\advance\dimen@\ht\LT@foot\pagegoal\dimen@
这段代码的本意是计算页面剩余高度并考虑表格脚注的高度。但当\pagegoal为\maxdimen时,增加任何正值都会导致"dimension too large"错误。
解决方案分析
开发团队经过讨论后确定了以下修复方案:
- 将加法运算改为减法运算,避免在
\maxdimen基础上增加数值 - 保持对
\pagegoal的全局设置,因为该变量在TeX中是全局性质的 - 不需要显式检查
\pagegoal是否为\maxdimen,因为减法运算在两种情况下都安全
修正后的代码类似于:
\dimen@\pagegoal\advance\dimen@-\ht\LT@foot\pagegoal\dimen@
版本兼容性
这个问题是在longtable v4.14版本(提交819fda96d)引入的。用户可以通过以下方式临时规避:
\usepackage{longtable}[=v4.13]
对用户的影响
虽然这个问题在简单文档中可能不会出现,但在处理复杂表格布局时可能引发排版中断。特别是当表格包含:
- 跨页单元格
- 复杂的脚注设计
- 自定义的页面布局
等高级功能时,更容易触发此错误。
技术启示
这个问题揭示了TeX排版引擎中几个重要的技术点:
\pagegoal的全局性质:即使在局部组内设置,其值也会影响全局排版- 尺寸计算限制:任何尺寸值都不能超过
\maxdimen(通常为16383.99998pt) - 页面构建机制:输出例程触发时机对页面参数的影响
结论
LaTeX开发团队已在新版本中修复了这个问题,确保了longtable宏包在复杂排版场景下的稳定性。对于遇到类似问题的用户,建议更新到最新版本或采用上述临时解决方案。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.12 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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
315
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
219