Quarto项目中使用Typst格式时字体路径解析问题分析
2025-06-13 16:54:44作者:邵娇湘
在Quarto项目中使用Typst格式时,开发者可能会遇到字体路径解析不正确的问题。本文深入分析这一问题的成因及解决方案,帮助开发者正确配置字体路径。
问题现象
当在Quarto项目的_quarto.yml配置文件中使用Typst格式并指定字体路径时,如果路径以/开头,Quarto无法正确解析该路径为相对于项目根目录的路径。具体表现为:
- 配置了
font-paths: /artifacts/.fonts后,Typst文档仍使用默认字体 - 只有当去掉路径开头的
/并在特定子目录下执行命令时,字体才会被正确应用
问题根源
经过分析,这个问题源于Quarto对Typst格式中字体路径解析的特殊处理机制:
- 在Quarto项目中,以
/开头的路径本应解析为相对于项目根目录(即_quarto.yml所在目录)的路径 - 但在Typst格式的字体路径处理中,这一特性尚未完全实现
- 对于扩展(extension)中的资源路径,Quarto有特殊的解析规则
解决方案
针对这一问题,开发者可以采用以下解决方案:
方案一:相对路径配置
在项目配置中,使用相对路径而非以/开头的绝对路径:
format:
typst:
font-paths: artifacts/.fonts
方案二:扩展中的正确配置
当在Quarto扩展中配置字体路径时,应采用相对于扩展目录的路径:
- 将字体文件放在扩展目录下(如
.fonts子目录) - 在
_extension.yml中配置相对路径:
format:
typst:
font-paths: .fonts
最佳实践建议
- 项目结构清晰:保持字体文件与项目或扩展目录的相对位置明确
- 避免绝对路径:在Quarto配置中尽量使用相对路径
- 测试验证:渲染后检查输出文档是否应用了指定字体
- 了解扩展机制:区分
quarto add和quarto use template的不同用途
技术背景
Quarto对资源路径的处理遵循以下原则:
- 项目根目录由
_quarto.yml所在位置确定 - 扩展中的资源路径会相对于扩展目录进行解析
- 不同格式(如Typst)可能对路径解析有特殊实现
理解这些底层机制有助于开发者更灵活地配置Quarto项目,避免类似路径解析问题。
通过本文的分析和建议,开发者应能正确配置Typst格式的字体路径,确保文档按预期渲染。对于复杂的项目结构,建议先进行小规模测试验证路径配置的正确性。
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
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217