Thuthesis 模板目录行间距调整技术解析
清华大学学位论文 LaTeX 模板 Thuthesis 是广泛应用于学术论文写作的优秀工具。在使用过程中,用户可能会遇到目录行间距不符合学校格式要求的问题,特别是当模板要求目录行间距固定为20磅且段前段后间距均为0磅时。本文将深入分析这一问题并提供专业解决方案。
问题现象分析
在 Thuthesis 模板生成的目录中,各章标题之间的间距可能出现过宽的情况。这通常表现为:
- 章与章之间的垂直间距明显大于20磅
- 段前段后存在不必要的空白
- 整体目录排版不符合学校规定的格式要求
技术背景
LaTeX 的目录生成机制涉及多个底层命令和参数设置。Thuthesis 作为基于 LaTeX 的模板,其目录样式主要通过以下方式控制:
tocloft宏包提供的目录格式设置- 自定义的章节标题样式
- 间距参数(如
\lineskip和\parskip)
解决方案
要解决目录行间距问题,需要从以下几个方面进行技术调整:
-
修改行间距设置: 在文档类或宏包加载后,使用
\linespread命令调整行距。对于固定20磅的要求,可以设置为:\linespread{1.24} % 近似20磅行距(基于12pt字号) -
调整段间距: 清除段前段后间距:
\setlength{\parskip}{0pt} \setlength{\parindent}{2em} -
目录专用设置: 针对目录的特殊调整:
\usepackage{tocloft} \setlength{\cftbeforechapskip}{0pt} \renewcommand{\cftchapleader}{\cftdotfill{\cftdotsep}} -
章节标题样式: 确保章节标题样式不会引入额外间距:
\titleformat{\chapter}[display] {\normalfont\Large\bfseries} {\chaptertitlename\ \thechapter} {0pt} {\Large}
实现细节
-
精确行距计算: LaTeX 中的行距是相对于字体大小的倍数。假设基础字号为12pt,20磅行距对应的行距因子约为1.24(20/16.2,其中16.2是12pt字号的单倍行距)。
-
间距继承问题: 需要注意目录中的间距设置可能会被文档类或其它宏包的默认设置覆盖,因此调整代码应放在文档类加载之后、正文开始之前。
-
兼容性考虑: 上述修改应与 Thuthesis 模板的其它样式设置兼容,特别是当使用不同文档类选项(如学位类型)时。
最佳实践建议
-
局部调整: 建议将目录间距调整代码封装在单独的命令或环境中,避免影响文档其它部分的排版。
-
验证方法: 生成PDF后,可使用专业设计工具测量实际行距,确保精确符合20磅要求。
-
模板更新: 当 Thuthesis 模板更新时,应检查这些自定义设置是否仍然有效,必要时进行调整。
通过以上技术调整,用户可以精确控制 Thuthesis 模板生成的目录行间距,满足学校严格的格式要求。这些方法不仅解决了当前问题,也为处理类似排版需求提供了技术参考。
kernelopenEuler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。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00