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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
openEuler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。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781