首页
/ 南京大学学位论文LaTeX模板使用指南

南京大学学位论文LaTeX模板使用指南

2026-02-06 04:04:17作者:宣聪麟

项目简介

njuthesis 是南京大学官方推出的学位论文LaTeX模板,专门为本科生毕业论文、研究生学位论文和博士后出站报告设计。该模板严格遵循南京大学本科生院和研究生院的论文撰写规范,能够自动生成符合国家标准和学校要求的专业论文格式。

快速开始

获取模板

通过以下命令下载最新版本的模板:

git clone https://gitcode.com/gh_mirrors/nj/NJUThesis

环境配置

确保系统已安装TeX Live或MiKTeX等LaTeX发行版,并支持XeLaTeX或LuaLaTeX编译引擎。

编译文档

进入项目目录,使用XeLaTeX编译主文档:

cd NJUThesis
xelatex main.tex

编译完成后,将在当前目录生成PDF格式的论文文档。

模板结构解析

核心文件说明

  • njuthesis.dtx:模板的核心实现文件
  • njuthesis-sample.tex:示例文档,可直接修改使用
  • test/:测试目录,包含多种应用场景的示例
  • docs/:文档目录,提供学校标志和名称文件

项目目录概览

项目目录结构

不同学位类型配置

本科生毕业论文

本科生使用模板时,只需在文档类选项中指定类型为bachelor

\documentclass[type=bachelor]{njuthesis}

研究生学位论文

研究生可根据学位类型选择masterdoctor,并区分学术型与专业型:

\documentclass[
    type=master,
    degree=academic
]{njuthesis}

博士后出站报告

博士后研究人员可选择postdoc类型:

\documentclass[type=postdoc]{njuthesis}

高级功能配置

封面设置

模板支持多种封面选项,包括是否需要国家图书馆封面、诚信承诺书等:

\documentclass[
    nl-cover,   % 国家图书馆封面
    decl-page    % 诚信承诺书
]{njuthesis}

页面模式设置

根据需求选择合适的页面模式:

\documentclass[
    draft,      % 草稿模式
    anonymous,  % 盲审模式
    oneside     % 单面打印
]{njuthesis}

写作技巧与最佳实践

文档结构组织

建议将论文内容按章节拆分为多个文件,便于管理和维护:

\include{chapters/introduction}
\include{chapters/methodology}
\include{chapters/results}

参考文献管理

使用BibTeX管理参考文献,确保引用格式规范统一:

\printbibliography

论文示例图表

常见问题解决

编译错误处理

遇到编译错误时,首先检查以下几点:

  • 确保使用UTF-8编码保存文件
  • 确认已安装必要的字体包
  • 验证BibTeX文件格式正确

格式调整技巧

如需调整特定格式,可参考模板提供的配置选项,避免直接修改核心代码。

进阶功能探索

自定义命令定义

在导言区可定义自定义数学命令:

\DeclareMathOperator{\spn}{span}
\NewDocumentCommand\mathbi{m}{\textbf{\em #1}}

宏包扩展使用

根据需要载入额外的宏包:

\usepackage{subcaption}    % 嵌套小幅图像
\usepackage{siunitx}       % 标准单位符号
\usepackage{physics}       % 物理符号

成果展示

模板支持学术成果列表功能,可自动生成攻读学位期间发表的论文清单:

\njuchapter{学术成果}
\njupaperlist[攻读博士学位期间发表的学术论文]{citation_key}

通过本指南的学习,你将能够熟练使用南京大学学位论文LaTeX模板,专注于论文内容创作,让格式问题不再成为写作障碍。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.48 K
kernelkernel
openEuler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。
C
494
515
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
970
2.28 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
cannbot-skillscannbot-skills
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
284