ekp/readme_zh.md

Emacs-KP: Knuth-Plass 排版算法 Emacs 实现

English Documentation | 开发者指南

Emacs-kp 在 Emacs 内部完整实现了 Knuth-Plass 最优断行算法,支持中日韩 (CJK)与拉丁文混合排版。

特性

• 全局最优断行 — Knuth-Plass 动态规划求段落全局最优断点,而非贪心 首次适应。
• CJK 支持 — 每个 CJK 字符都是可断行的盒子;避头尾规则保证标点正确 附着(,。 不出现在行首,「《 不出现在行尾);汉字间距、中西文间距 独立可调。
• 连字符断词 — Frank Liang 算法(TeX 同款),内置 70+ 种语言的 Hunspell 词典。
• 像素级两端对齐 — 每一行渲染宽度精确等于目标像素宽度(通过 display (space :width ...) 属性实现),支持变宽字体。
• 文本属性保留 — face、颜色等属性完整保留;断词插入的连字符继承所 在单词的样式。
• 困难输入不丢内容 — 超长不可断 token(URL、窄栏长词)退化为紧急 断行而不是吞掉文本;任何输入都有输出。
• 可选 C 模块 — 动态模块用 C 执行 DP,线程池并行处理多个段落(见 性能数据)。

环境要求

• Emacs 29.1+(依赖 string-pixel-width 与 object-intervals)
• 可选(C 模块):C11 编译器和 pthreads

快速开始

(add-to-list 'load-path "/path/to/emacs-kp")
(require 'ekp)

;; 按 600 像素宽度两端对齐
(insert (ekp-pixel-justify "这是一段测试文本..." 600))

;; 在范围内寻找最优宽度,返回 (对齐文本 . 最优宽度)
(ekp-pixel-range-justify "测试文本" 400 800)

多行字符串按行分段处理,空行保留。

C 模块(长文本推荐)

cd ekp_c && make        # 需要 C11 编译器,产出 ekp.dylib/.so/.dll

(ekp-c-module-load)     ; 显示 "ekp-c module loaded (version 1.1, N threads)"

加载后(ekp-use-c-module 默认为 t)所有排版调用自动走 C 引擎。 Elisp 与 C 两个引擎的输出完全一致;Elisp 是永远可用的后备。若磁盘 上的模块版本旧于 Elisp 代码的要求,加载会拒绝并提示重新编译。

交互使用(buffer 与 region)

ekp-region.el 把字符串 API 变成 buffer 级命令:

(require 'ekp-region)

• M-x ekp-justify-region — 把选区排版到窗口文本宽度(数字前缀参数 可指定像素宽)。
• M-x ekp-unjustify-region — 精确还原原文,包括被折叠的连续空 格。排版是无损的:每个合成空隙、软换行、软连字符都携带它所替换的 原文,还原是纯结构变换,即使排版后又编辑过也能正确还原。
• M-x ekp-auto-justify-mode — 让整个 buffer 保持按窗口宽度排版。 窗口宽度变化时自动重排(防抖延迟 ekp-auto-justify-resize-delay); 编辑后只重排被改动的段落(空闲延迟 ekp-auto-justify-edit-delay), 未变段落直接命中段落缓存。关闭 mode 时 buffer 精确恢复原状。

ekp-region-margin-pixel(默认 2)是从窗口宽度中扣除的取整安全边距。

保护代码块与 verbatim 文本

• 段落级:携带 ekp-verbatim 文本属性(M-x ekp-verbatim-region)、 face 在 ekp-region-skip-faces 列表中(如 org-block、 markdown-code-face)、或被 buffer-local 的 ekp-region-skip-predicate 判定的段落原样跳过,一个字节都不动。
• 行内级:带 ekp-no-break 属性的区间(M-x ekp-no-break-region) 成为刚性原子——不断行、不断词、空格保持字面宽度——适合行内代码、 产品名、数字加单位。

排版特性

• 对齐模式 — ekp-alignment:justify(默认)/ragged-right/ ragged-left/center。非两端对齐模式下词间距保持自然,K-P 仍在 每行 ekp-ragged-stretch-pixel(≈2 em)的余量内全局最小化参差。
• 标点悬挂 — 置 ekp-protrusion 为 t,行尾标点(。、」以及 西文句读、断词连字符)按 ekp-protrusion-ratios 悬出齐边。全角 闭合标点默认 0.5,视觉上等价于 CLREQ 的行尾标点半角化。 ekp-auto-justify-mode 自动预留悬挂宽度。
• 段落形状 — ekp-first-line-indent(t = 2 em)实现中文段首 缩进惯例;或用 TeX 式 ekp-parshape 逐行指定 (缩进 . 宽度)。 两者走 Elisp 2D 路径(C 模块自动旁路,同 ekp-looseness)。
• 不可断字符 — NBSP、窄 NBSP、数字空格、WORD JOINER 天然把两侧 锁在同一行。
• 禁则覆盖全角与半角标点:行首不会出现 。、」!? 或独立的 .,;:!?,行尾不会出现 「( 等。

已知限制:行中的 CLREQ 标点压缩(如「字。下」行内挤压)无法渲 染——Emacs 不能缩减字形 advance——因此行边压缩以悬挂方式呈现;左缘 悬挂同理不可渲染(文本无法起笔于行原点之前)。

配置

断词语言

(setq ekp-latin-lang "de_DE")   ; 默认 "en_US"

dictionaries/hyph_<lang>.dic 中的任意语言均可;"de" 这类短代码会解 析到第一个匹配的词典。

间距参数

三类 glue 控制间距(单位均为像素):

参数组	位置
lws-*	拉丁词之间
mws-*	拉丁词与 CJK 字符之间
cws-*	CJK 字符之间

每类包含理想宽度、最大拉伸、最大收缩:

(ekp-param-set lws-ideal lws-stretch lws-shrink
               mws-ideal mws-stretch mws-shrink
               cws-ideal cws-stretch cws-shrink)
;; 例如 (ekp-param-set 7 3 2  5 2 1  0 2 0)

• 从不调用 ekp-param-set 时,参数按每个字符串的字体自动计算。
• 显式设置的参数持久生效,直到调用 ekp-param-reset 恢复自动模式。

算法参数

变量	默认值	含义
ekp-line-penalty	10	每行基础代价;越大越倾向少行
ekp-hyphen-penalty	50	连字符断词代价(以 penalty² 计入)
ekp-adjacent-fitness-penalty	100	相邻行松紧等级相差 >1 的代价
ekp-consecutive-hyphen-penalty	100	连续断词行的代价系数(× 次数²)
ekp-last-line-min-ratio	0.5	末行最小填充比例
ekp-last-line-short-penalty	50	末行过短的代价系数
ekp-looseness	0	目标行数偏移:+1 比最优多一行,−1 少一行

所有参数对两个引擎都生效:每次调用 C 之前 Elisp 会同步这些参数。 ekp-looseness 由专门的 Elisp 路径处理(非零时自动绕过 C 模块)。

缓存

分词、测宽和 DP 结果按段落缓存。

• ekp-para-cache-limit(默认 256):缓存段落数上限,超过后整体清空。
• M-x ekp-clear-caches 清空所有缓存(更换字体或影响字宽的主题后使用)。

性能

基于内置示例文本(tests/ekp-bench.el)、batch Emacs 30.2、Apple Silicon 测得;方法见 DEVELOPER_ZH.md:

场景(text-zh.txt ≈ 3.6KB)	Elisp(字节编译)	C 模块
两端对齐,宽 200px	96 ms	57 ms
最优宽度搜索 340–380	294 ms	75 ms
仅 DP,宽 400px	15 ms	1.3 ms

请字节编译本包——编译后 Elisp 引擎快约 10 倍。两引擎输出完全一 致;C 模块在最优宽度搜索和长多段文本上收益最大。

已知限制

• 宽度按字符串自身的文本属性测量。若目标 buffer 重映射了 face(不同 :height、主题),宽度可能有偏差;请用与显示时相同的属性做排版。
• 计算默认间距时假定每段落的拉丁/CJK 各使用一种字体;混合字体段落可以 工作,但默认间距取自找到的第一个字体。
• ekp-pixel-range-justify 用三分搜索加局部扫描最小化平均 demerits; 代价关于宽度并非严格单峰,结果是很好的局部最优,不保证全局最优。
• batch/tty 模式下像素宽度退化为字符列数(整条管线仍可工作,便于测试)。

测试

tests/run-tests.sh /path/to/emacs     # 36 个 ERT 测试,全部支持 batch

致谢

• 核心算法: "Breaking Paragraphs into Lines" by Donald E. Knuth and Michael F. Plass (1981)
• 断词算法: Frank Liang 算法,改编自 Pyphen
• 词典: Hunspell 断词模式