SILE排版引擎中复合词连字符重复问题的多语言处理方案

在文本排版领域，复合词连字符的处理是一个具有语言特异性的复杂问题。SILE作为现代化的排版引擎，需要为不同语言提供精确的排版规则支持。本文深入探讨了复合词连字符在多语言环境下的处理方案。

问题背景

当复合词在行尾被断开时，某些语言要求在下一行开头重复连字符。例如波兰语"czarno-biały"在换行时会显示为：

czarno-
-biały

而非简单的：

czarno-
biały

语言规则调研

经过对多语言排版规范的深入研究，我们发现：

1. 需要重复连字符的语言：

   • 捷克语（如"česko-polské"）
   • 葡萄牙语（如"anti-inflamatório"）
   • 西班牙语（如"teórico-práctico"）
   • 波兰语
   • 斯洛伐克语
   • 下索布语和克罗地亚语

2. 例外情况：

   • 巴斯克语明确不推荐重复连字符
   • 西班牙语中，专有名词后接大写字母时不需要重复
   • URL地址中的连字符不应重复

技术实现方案

SILE处理此问题的技术架构可分为以下几个层面：

1. 文本分段阶段：

   • 使用ICU库进行基础文本分段
   • 通过子类化实现语言特定规则
   • 目前法语和波兰语已有定制实现

2. 断字处理阶段：

   • 采用Liang算法处理基础断字
   • 土耳其语和加泰罗尼亚语需要特殊后处理

3. 解决方案选项：

   • BCP47扩展方案：使用语言标签扩展(如"pl-x-nohyp")控制行为
   • 设置回调机制：通过设置变更触发缓存更新
   • 临时解决方案：通过Lua代码动态替换节点生成器

最佳实践建议

1. 对于明确需要重复连字符的语言，应实现专用节点生成器
2. 提供灵活的配置机制应对特殊情况
3. 注意处理URL等特殊文本的例外情况
4. 考虑性能优化，避免频繁的设置检查

未来发展方向

1. 完善BCP47语言标签支持
2. 开发更精细的语言特性开关机制
3. 优化设置变更的回调处理
4. 建立更完善的多语言排版测试套件

SILE作为专业排版引擎，通过持续完善这些多语言处理细节，将为全球用户提供更精准、更专业的排版体验。