SJTUThesis 项目编译中字体问题的分析与解决
在学术写作领域,LaTeX 因其出色的排版质量而广受欢迎。上海交通大学开源的 SJTUThesis 模板为该校师生提供了符合规范的学位论文写作工具。然而,近期有用户反馈在 macOS 系统下使用该模板时遇到了编译问题,本文将深入分析这一技术问题并提供解决方案。
问题现象
当用户在 macOS 系统上使用 MacTeX (TeX Live 2024) 发行版编译 SJTUThesis 项目时,编译过程会在生成 PDF 阶段失败。错误信息显示为"xdvipdfmx:fatal: Unknown coverage format",同时伴随有关于"Heiti SC Medium"字体的警告信息。
根本原因分析
经过技术排查,该问题主要源于以下两个方面的因素:
-
字体兼容性问题:错误信息"Unknown coverage format"表明 TrueType 字体的 GSUB (字形替换) 表格式不被 xdvipdfmx 识别。这通常发生在字体文件损坏或格式不兼容的情况下。
-
系统字体缺失:日志中明确显示"Heiti SC Medium"字体缺失或未正确安装。值得注意的是,在较新版本的 macOS 系统中,部分中文字体不再默认预装,需要用户手动安装。
解决方案
针对上述问题,我们建议采取以下解决步骤:
1. 检查并安装缺失字体
打开 macOS 自带的"字体册"应用,搜索并确认是否已安装"Heiti SC Medium"字体。若未找到,可通过以下途径获取:
- 通过字体册应用的"所有字体"视图检查可用字体
- 在苹果官方渠道获取该字体
- 考虑使用其他兼容的替代字体
2. 修改模板字体配置
如果无法获取原字体,可以修改 SJTUThesis 模板的字体配置。在文档类选项或导言区中,将默认字体更改为系统已安装的其他中文字体,例如:
\documentclass[fontset=mac]{sjtuthesis}
或明确指定替代字体:
\usepackage{xeCJK}
\setCJKmainfont{STHeiti}
3. 验证字体完整性
对于已安装的字体,建议通过字体册应用验证其完整性。右键点击字体选择"验证字体"选项,确保没有损坏的字体文件。
预防措施
为避免类似问题再次发生,建议用户:
- 在开始论文写作前,先测试模板的基本编译功能
- 记录系统中已安装的字体列表
- 考虑将项目使用的字体随文档一起打包(注意版权问题)
- 定期更新 TeX 发行版和模板版本
技术背景延伸
TrueType 字体的 GSUB 表是控制字形替换的重要数据结构,它允许字体设计者定义特定条件下的字形替换规则。当 PDF 生成工具无法正确解析这些规则时,就会导致编译失败。在跨平台环境下,字体兼容性问题尤为常见,这也是为什么学术写作中常常推荐使用开源字体或跨平台标准字体的原因。
通过理解并解决这一问题,用户不仅能够顺利完成 SJTUThesis 模板的编译,也能对 LaTeX 排版系统中的字体机制有更深入的认识,为后续的学术写作打下坚实基础。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00