al-folio项目中作者姓名上标符号的支持与实现
2025-05-18 07:14:24作者:秋泉律Samson
在学术论文的作者列表中,使用特殊符号标注共同第一作者和通讯作者是一种常见做法。本文将详细介绍如何在al-folio项目中实现对作者姓名上标符号的支持,包括技术实现方案和实际应用效果。
背景与需求
学术出版领域通常使用星号(*)和剑号(†)等特殊符号来标识作者的贡献类型。例如:
- 星号(*)常用于标注通讯作者
- 剑号(†)常用于标注共同第一作者
- 双剑号(‡)、节号(§)等符号也有类似用途
然而,在al-folio项目的BibTeX处理中,这些符号默认以正常文本大小显示,导致视觉上不够突出,甚至可能造成阅读混淆。例如"Du†"可能被误认为"Dut"。
技术实现方案
al-folio项目通过修改parser.bib文件中的处理逻辑,实现了对8种常用上标符号的支持:
-
支持的符号范围:
- 基本符号:* † ‡ § ¶ ‖ & ^
- 这些符号涵盖了学术文献中最常用的标注方式
-
处理逻辑:
- 使用正则表达式匹配这些特殊符号
- 将匹配到的符号用HTML的
<sup>标签包裹 - 同时从BIB文本中移除原始符号,避免重复显示
-
实现方式:
- 依赖jekyll-regex-replace插件进行正则替换
- 采用非侵入式修改,保持原有功能不变
实际效果对比
改进前: 特殊符号以正常文本大小显示,视觉区分度不足,可能导致阅读混淆。
改进后:
- 特殊符号以上标形式显示,更加醒目
- 符号与姓名的关联性更明确
- 整体排版更加专业,符合学术出版规范
技术细节与注意事项
-
符号处理优先级: 实现中需要考虑符号处理的顺序,避免多重替换导致的冲突。
-
兼容性考虑:
- 确保修改不影响现有的BibTeX解析功能
- 保持与不同浏览器的兼容性
-
扩展性设计: 代码结构设计为易于扩展,未来可以方便地添加更多特殊符号的支持。
应用价值
这一改进为学术网站带来了以下好处:
- 提升专业性:使作者列表展示更符合学术出版规范
- 增强可读性:明确区分普通文本和标注符号
- 改善用户体验:减少因符号显示不清导致的误解
总结
al-folio项目通过对作者姓名中特殊符号的处理改进,显著提升了学术个人网站在展示研究成果时的专业性和可读性。这一实现不仅解决了现有问题,还为未来的功能扩展奠定了良好基础。对于需要展示学术成果的研究人员来说,这一改进使得他们的出版物列表能够更准确地反映作者的贡献和角色。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217