SILE排版引擎v0.15.10版本发布:CSL引用与索引功能全面升级
SILE是一款现代化的专业排版引擎,采用Lua脚本语言实现,旨在为复杂排版需求提供灵活而强大的解决方案。与传统的TeX系统不同,SILE采用了更现代化的设计理念,同时保持了处理复杂排版任务的能力。最新发布的v0.15.10版本带来了多项重要改进,特别是在参考文献管理和索引生成方面有了显著提升。
CSL引用成为默认参考文献处理方式
本次版本最重大的变化是将CSL(Citation Style Language)作为默认的参考文献处理引擎。CSL是一种基于XML的开放标准,被广泛应用于学术出版领域,能够精确控制文献引用的格式。SILE现在能够更好地支持:
-
分组引用:通过新增的
\cites命令,用户可以方便地输出多个文献的合并引用,这在学术写作中非常常见。例如可以将多个相关研究合并为一个引用组。 -
文献标记:新增的
\nocite命令允许用户将文献条目标记为已引用状态,即使正文中没有直接引用该文献,这在需要展示参考文献列表但不一定全部引用的场景下非常有用。 -
样式合规性:改进了对CSL样式的支持,包括文献缩进规则、名称部分格式化等细节处理,使得输出结果更加符合各种学术期刊的要求。
-
链接处理:修正了DOI、PMID等标识符的链接生成问题,确保这些学术资源链接能够正确呈现。
索引功能全面增强
索引功能在这个版本中获得了多项重要改进:
-
页码范围处理:新增了"minimal"和"minimal-two"选项,可以智能地折叠连续的页码范围。例如将"1,2,3,4"显示为"1-4",提高了索引的可读性。
-
样式定制:增加了多个样式钩子,允许用户更灵活地控制索引的外观。特别是新增了条目与页码之间填充物的自定义选项,可以满足不同出版风格的需求。
-
位置灵活性:现在索引可以出现在文档的任何位置,而不仅限于传统的位置限制,这为文档结构设计提供了更多可能性。
-
语言感知排序:索引条目现在会根据文档语言自动采用合适的排序规则,这对于多语言文档特别重要,确保不同语言的索引都能正确排序。
字体与排版质量改进
在字体处理方面,这个版本引入了基于x高度和大写字母高度的调整功能,特别改善了代码和逐字文本的显示效果:
-
精确度量:改进了对由多个字形组成的单个字符的度量计算,确保复杂字符(如某些语言的连字)能够正确显示。
-
代码显示优化:专门为代码和逐字文本应用了x高度调整,使得等宽字体中的代码显示更加整齐美观。
-
断行优化:新增了避免在连字符后分页的功能,减少了"孤行"现象,提升了排版的美观性。
多语言支持改进
针对多语言文档的处理也有多项改进:
-
维吾尔语断字:修复了维吾尔语特定的断字问题,确保这种右向左书写的语言能够正确断行。
-
UTF-16处理:改进了对UTF-16编码文本的处理,避免了可能的空终止符问题。
-
语言设置逻辑:优化了语言设置的声明时机,确保语言支持已加载后再进行设置。
开发者体验提升
对于开发者而言,这个版本也带来了便利:
-
模块加载简化:新增了
--luarocks-tree命令行参数,简化了第三方模块的加载过程,使得使用自定义安装的Lua模块更加方便。 -
警告信息优化:改进了关于不支持语言的警告信息,避免了重复输出,使开发过程更加清晰。
-
构建工具增强:增加了生成vendored crates压缩包的工具,方便开发者进行依赖管理。
总结
SILE v0.15.10版本在参考文献处理、索引生成、多语言支持和开发者体验等方面都带来了显著改进。特别是对CSL标准的全面支持,使得SILE在学术出版领域的实用性大大提升。这些改进不仅增强了核心功能,也提高了排版输出的质量和专业性,使SILE成为一个更加强大和易用的现代化排版解决方案。
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。C080
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
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TSX0135
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