LaTeX3 coffin模块中的JoinCoffins命令解析
2025-07-05 08:42:37作者:虞亚竹Luna
概述
LaTeX3的coffin模块提供了一种强大的排版机制,允许用户将不同类型的内容(文本、图片、公式等)作为"棺材"(coffin)对象进行处理和组合。其中\JoinCoffins命令是coffin模块中最核心的功能之一,用于将两个coffin对象按照指定的对齐方式进行组合。
JoinCoffins命令的基本语法
\JoinCoffins命令的基本语法格式如下:
\JoinCoffins *
⟨coffin1⟩ [ ⟨coffin1-pole1⟩ , ⟨coffin1-pole2⟩ ]
⟨coffin2⟩ [ ⟨coffin2-pole1⟩ , ⟨coffin2-pole2⟩ ]
( ⟨x-offset ⟩ , ⟨y-offset ⟩ )
其中:
*是可选参数,表示以相对方式连接coffin⟨coffin1⟩是目标coffin,将被修改以包含组合后的结果⟨coffin2⟩是要合并到⟨coffin1⟩中的源coffin- 方括号中的参数指定了对齐的极点(pole)
- 圆括号中的参数指定了x和y方向的偏移量
极点的继承特性
在coffin组合过程中,一个重要的特性是极点的继承。当使用\JoinCoffins将一个coffin合并到另一个coffin中后,被合并coffin的极点仍然可以被访问,它们会成为新coffin的一部分。
例如,在以下代码中:
\SetHorizontalCoffin\OutputCoffin{}
\SetHorizontalCoffin\RedCoffin{\color{red!20!white}\rule{0.2 in}{0.2 in}}
\JoinCoffins\OutputCoffin[vc,hc]\RedCoffin[vc,hc]
\SetHorizontalCoffin\BlueCoffin{\color{blue!20!white}\rule{0.2 in}{0.2 in}}
\JoinCoffins\OutputCoffin[\RedCoffin-vc,\RedCoffin-hc]\BlueCoffin[b,l]
- 首先创建了一个空的
\OutputCoffin和一个红色的\RedCoffin - 将
\RedCoffin合并到\OutputCoffin中,使用两者的垂直中心(vc)和水平中心(hc)对齐 - 创建蓝色的
\BlueCoffin - 将
\BlueCoffin合并到\OutputCoffin中,但这次使用\RedCoffin的极点作为对齐参考
关键点在于,尽管\RedCoffin已经被合并到\OutputCoffin中,我们仍然可以通过\RedCoffin-vc和\RedCoffin-hc来引用它的极点,这些极点现在属于\OutputCoffin的一部分。
实际应用中的极点命名
在coffin组合过程中,极点名称遵循以下规则:
- 每个coffin有自己的一组内置极点(如vc、hc、t、b、l、r等)
- 当一个coffin被合并到另一个coffin中后,它的极点可以通过
\原coffin名-极点名的方式访问 - 这种命名机制确保了即使经过多次合并,我们仍然可以精确定位之前合并的各个coffin的位置
设计考量
这种极点继承机制的设计考虑到了复杂排版的需求:
- 精确定位:允许在多次合并后仍能精确定位之前合并的元素
- 相对布局:支持基于之前合并元素的相对布局
- 可维护性:通过明确的命名规则,使代码更易于理解和维护
总结
LaTeX3 coffin模块的\JoinCoffins命令通过极点继承机制,为复杂排版提供了强大的支持。理解极点如何在合并过程中被保留和访问,是掌握coffin模块的关键。这种设计使得用户可以构建复杂的排版结构,同时保持对每个组成部分的精确控制。
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
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
879