LaTeX3中char_generate:nn函数对文本输入层级的影响分析
问题背景
在LaTeX3的开发和使用过程中,\char_generate:nn
函数的行为特性引起了开发者的关注。这个函数用于动态生成具有指定字符代码和类别代码的字符标记(token),但在某些情况下会表现出与预期不同的行为。
现象描述
当使用\char_generate:nn
函数在递归宏定义中生成字符时,在LuaLaTeX引擎下会出现"text input levels"耗尽的问题,而在PDFLaTeX和XeLaTeX中则表现为输入栈大小耗尽。具体表现为:
\def\f{\expandafter \expandafter \expandafter\f \char_generate:nn{32}{12} }
\f
在LuaLaTeX中会报错:"TeX capacity exceeded, sorry [text input levels=15]",而在PDFLaTeX/XeLaTeX中则是"[input stack size=10000]"错误。
技术分析
底层机制
\char_generate:nn
函数的核心是通过\tex_Ucharcat:D
原语实现的。在LuaTeX引擎中,这个原语是通过Lua代码模拟实现的。当前的实现会根据字符的类别代码选择不同的处理方式:
- 对于类别代码10(空格)的字符,使用
sprint()
函数 - 对于其他类别代码的字符,使用
cprint()
函数
这种选择性处理原本是为了优化性能,但在递归场景下会导致文本输入层级不断增加而无法正确释放。
性能与稳定性的权衡
测试表明,如果修改实现方式,始终使用put_next
配合token_create
来生成字符标记,可以避免文本输入层级的问题。但这种修改可能会带来约20%的性能下降。这是一个典型的性能与稳定性之间的权衡问题。
解决方案探讨
临时解决方案
目前可以通过修改\__char_generate_aux:nnw
的内部实现,增加额外的展开步骤来"跳过"生成的字符标记,从而避免输入层级问题:
\patchcmd\__char_generate_aux:nnw {
\exp_after:wN \exp_end: \tex_Ucharcat:D #1 \exp_stop_f: #2 \exp_stop_f:
} {
\exp_after:wN
\exp_after:wN
\exp_after:wN
\exp_end:
\exp_after:wN
\exp_after:wN
\tex_Ucharcat:D #1 \exp_stop_f: #2 \exp_stop_f:
\empty
}
长期解决方案
从长远来看,更彻底的解决方案是修改LuaTeX引擎中\tex_Ucharcat:D
的实现方式,统一使用put_next
和token_create
来生成字符标记。虽然这会带来一定的性能损失,但可以保证在各种使用场景下的稳定性。
最佳实践建议
对于需要在递归环境中使用\char_generate:nn
的开发者,建议:
- 尽量避免在深度递归中使用该函数
- 如果必须使用,考虑使用上述的临时解决方案
- 监控文本输入层级的变化,确保不会超过限制
- 对于性能敏感的应用,需要进行充分的基准测试
结论
\char_generate:nn
函数在生成字符标记时的行为特性反映了LaTeX3底层机制与不同TeX引擎交互时的复杂性。开发者在设计递归宏时需要特别注意这类底层行为,合理选择实现方式以平衡性能与稳定性。随着LaTeX3的持续发展,这类边界情况将会得到更完善的解决方案。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-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++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0286Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
项目优选









