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。
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