LaTeX2e项目中array宏包垂直间距问题的分析与修复
2025-07-05 12:10:07作者:宗隆裙
问题背景
在LaTeX2e项目的array宏包中,当使用m或b列类型时,如果同时满足以下两个条件:
\arraystretch值大于1- 单元格内容以
\par命令结尾
就会出现垂直间距计算错误的问题。这个问题最初由用户mbertucci47在2025年6月发现并报告。
技术细节分析
该问题源于array宏包在处理单元格垂直对齐时的内部机制。当使用m(垂直居中)或b(底部对齐)列类型时,LaTeX需要计算额外的垂直间距来确保内容正确对齐。
问题的核心在于\@finalstrut宏的实现。这个宏负责在表格单元格末尾添加一个"隐形支柱"(strut),以确保行高的一致性。在修复前的问题版本中,当单元格内容以\par结束时,\@finalstrut未能正确处理垂直间距调整,特别是在\arraystretch大于1的情况下。
影响范围
这个问题影响所有使用以下组合的情况:
- array宏包的
m或b列类型 \arraystretch值大于1- 单元格内容包含
\par命令
值得注意的是,p列类型不受此问题影响,因为它的实现机制略有不同。
解决方案
Frank Mittelbach提供了以下修复方案,通过重新定义\@finalstrut宏来解决问题:
\makeatletter
\def\@finalstrut#1{%
\unskip
\ifhmode \nobreak
\else
\ifnum\lastnodetype>\m@ne
\vskip-\baselineskip
\fi
\fi
\vrule\@width\z@\@height\z@\@depth\dp#1}
\makeatother
这个修复方案的关键改进点在于:
- 增加了对水平模式(
\ifhmode)的判断 - 改进了对节点类型的检查(
\ifnum\lastnodetype>\m@ne) - 确保在适当情况下添加负垂直间距(
\vskip-\baselineskip)
技术原理
在LaTeX的表格处理中,strut(支柱)是确保行高一致性的重要机制。\@finalstrut宏的作用是在单元格内容后添加一个不可见的规则,其深度与单元格内容相同,从而保证整行的基线对齐。
当\arraystretch大于1时,LaTeX会放大行高,这时需要更精确地计算strut的位置和尺寸。原始实现中,当单元格以\par结束时,未能正确处理这种放大情况,导致垂直间距计算错误。
修复后的版本通过更精确的模式判断和间距调整,确保了在各种情况下都能正确计算垂直间距。
实际应用建议
对于需要使用受影响功能组合的用户,建议:
- 如果可能,升级到包含修复的LaTeX版本
- 临时解决方案是使用提供的修复代码
- 避免在
m或b列类型的单元格中不必要地使用\par命令 - 如果必须使用
\par,可以考虑改用p列类型作为替代方案
这个问题已在LaTeX2e的后续更新中得到修复,用户可以通过常规更新渠道获取修复后的版本。
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
暂无简介
Dart
670
155
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
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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