LaTeX2e项目中array宏包垂直间距问题的分析与修复
2025-07-05 05:37:23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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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