技术文章

PDF Library for Delphi:Delphi 中的连字符断行与均衡文本分栏

把一份德语产品说明书灌进三个 148 pt 宽的分栏,两件事同时出问题。Rechnungsprüfungsausschuss 这种单词前面的那一行,可能以三分之一的空白收尾,因为这个 26 个字母的复合词前面的空格是唯一能下断点的地方。而到了最后一页,剩下的文字填满一栏、占了第二栏的一部分,第三栏整个空着。一个只认识空格、从不清点剩余文字的断行器,排出来的正是这样一页

解法有两半:按文本所属语言的规则在单词内部断行,以及按还没排下的行数来决定末尾几栏的尺寸。这两半要生效有个前提:决策所依据的行数,必须和实际绘制出来的断行出自同一套计算——连字符断行也算在内——而且是在 148 pt 的栏宽下、而不是 480 pt 的整个区域上算出来的

PDF Library for Delphi 中带连字符断行的三栏文本流

PDF Library for Delphi 把一段文字作为文本流来维护:NewTextFlow 返回一个句柄,SetTextFlowLanguage 和 SetTextFlowHyphenation 控制单词可以在哪里断开,DrawTextFlowColumns 则把装得下的剩余文字尽可能多地灌入 1 到 64 个等宽分栏,并让文本流继续向前。栏宽等于区域宽度减去栏间距再除以栏数,所以 480 pt 的区域配三栏、18 pt 栏间距,得到 (480 − 2 × 18) / 3 = 148,每栏 148 pt

调用返回它画出的总行数。返回 0 说明一行都没放下,此时文本流停在原地,不会有文字丢失;陷阱是那种一边不停调用 NewPage、调用却一直返回 0 的翻页循环。区域比一行还矮,或者最小行数设置在给定的空间里无法满足时,就会出现这种情况。下面这段循环把 0 当成错误处理,而不是原地空转

var
  Lib: TPDFlib;
  FontID, Flow, Drawn: Integer;
begin
  Lib := TPDFlib.Create;
  try
    Lib.SetDocumentLanguage('de-DE');      // 在 NewTextFlow 之前设置,见下文
    FontID := Lib.AddTrueTypeFont('Georgia', 1);
    Lib.SetTextSize(10.5);

    Flow := Lib.NewTextFlow(ArticleBody);
    try
      Lib.SetTextFlowHyphenation(Flow, 1, 3, 3);
      Lib.SetTextFlowMinLines(Flow, 2);   // 别让任何一栏末尾孤零零剩下一行

      repeat
        // Left 66、Top 72、480 x 620 pt 区域、3 栏、18 pt 栏间距、启用均衡
        Drawn := Lib.DrawTextFlowColumns(Flow, 66, 72, 480, 620, 3, 18, 1);
        if Lib.TextFlowFinished(Flow) = 1 then
          Break;
        if Drawn = 0 then
          raise Exception.Create('Column region cannot take the next lines');
        Lib.NewPage;
        Lib.SelectFont(FontID);
        Lib.SetTextSize(10.5);            // NewPage 会把字号带回 12 pt
      until False;
    finally
      Lib.ReleaseTextFlow(Flow);
    end;

    Lib.SaveToFile('newsletter.pdf');
  finally
    Lib.Free;
  end;
end;

不管你把原点设成什么,这些坐标都从页面左上角量起,因为分栏调用是从 Top 开始向下排列各行的。默认左对齐时,每行都从所在分栏的左边缘起排,坏断行省下的余量会以参差的右边缘露出来;换成两端对齐,同样的余量就汇成了“河流”

PDF Library for Delphi 对比:窄栏两端对齐在启用与不启用连字符时的差异,展示启用连字符如何断开长单词并消除空白河流
语言感知的断词把断点放进单词内部,两端对齐的余量因此不会汇成“河流”

连字符断行的语言从哪里来?

新建的文本流在 NewTextFlow 运行那一刻,从文档 Catalog 的 /Lang 条目取得语言。屏幕阅读器和搜索索引器读的也是这个值,所以已经声明了语言的文档——比如按面向无障碍 PDF 的自动标签生成的带标签输出——连字符断行就自动到手。不过时机要紧:SetDocumentLanguage 如果在文本流已经存在之后才调用,这个文本流就永远看不到它;第一个示例正是为此先设语言

标签指明的是受支持的语言时,自动连字符断行会自己打开。规则覆盖英语、德语、荷兰语、法语、西班牙语、意大利语、葡萄牙语、俄语、土耳其语、丹麦语、瑞典语、芬兰语、波兰语、捷克语和匈牙利语。查找前会先去掉区域子标签,所以 de-CH、de-AT 和 de 都按德语断行。规则没覆盖的标签,比如 ja,也会被接受,只是该文本流的自动断行就此关掉

三个返回值会告诉你发生了什么;语言若来自用户数据,代码里值得逐一检查:

  • SetTextFlowLanguage 只在标签格式非法时返回 0;格式合法但语言未覆盖的标签返回 1,自动连字符断行保持关闭
  • SetTextFlowHyphenation 在 Enable = 1 时,若文本流的语言没有规则则返回 0,断行器因此没法凭空造出没有语言依据的断点
  • GetTextFlowHyphenation 报告自动断行此刻是否开启;版面看着不对劲时,该记进日志的就是这个值

这里的顺序同样要紧。SetTextFlowLanguage 会按新语言重新计算开关状态,所以在 SetTextFlowHyphenation(Flow, 0, …) 之后调用它,受支持的语言等于又把连字符断行打开了。先设语言,再设连字符断行的选项

MinPrefix 和 MinSuffix 属于排版风格设置

启用标志后面的两个整数,是断点前必须留在本行、断点后必须挪到下一行的最少字母数,两者都接受 1 到 16。连字符断行仅因语言而开启时,两者都是 2,而一个单词至少要有 MinPrefix + MinSuffix + 1 个字母,才会进入断行考量

2 和 2 是几乎所有文档里我们都建议改掉的设置。它给出更多断点机会,但一行末尾挂着两个字母的残片读起来像个拼写错误,在德语或荷兰语里还会把两个字母的前缀之类切下来,留给读者自己拼回去。3 和 3 多付几行参差作代价,换来的才是像样的排版。字号大时每个残片都很显眼,最小值还应再往上调;只有当分栏真的窄、而且你已经认定紧凑的栏宽比干净的效果更重要时,才降回 2

哪些单词能断开,URL 又会怎么样

行在空格和制表符处断开,换行符强制另起一行。单词内部,自动连字符断行只看完全由字母构成的单词(拉丁字母,含带变音符的 Latin Extended 区段,以及西里尔字母),前导和尾随的标点先放到一边。规则由元音组合、合法辅音串和常见词缀保守组合而成,所以给出的断点比词典式断词器少。带数字或内部标点的单词,比如 ISO-32000 或 v2Beta,以及超过 128 个字母的单词,都拿不到自动断点

软连字符(U+00AD)是人工覆盖手段。单词里只要含有软连字符,这些位置就成了它仅有的断点:这个单词跳过自动规则,而且就算自动连字符断行关着、语言也没有规则,软连字符照样生效。品牌名、产品代号和规则切不好的术语都适合用它;在下一个示例里,Rechnungs 和 prüfungs 是这个复合词仅有的两个可断位置

var
  Flow: Integer;
  Body, Rest: WideString;
begin
  // U+00AD 标出这个复合词仅有的几个可断位置
  Body := 'Die Pr' + #$00FC + 'fung erfolgt durch den Rechnungs' + #$00AD +
    'pr' + #$00FC + 'fungs' + #$00AD + 'ausschuss der Gesellschaft';
  Flow := Lib.NewTextFlow(Body);
  try
    if Lib.SetTextFlowLanguage(Flow, CustomerLanguageTag) = 0 then
      raise Exception.Create('Malformed language tag: ' + CustomerLanguageTag);
    if Lib.SetTextFlowHyphenation(Flow, 1, 3, 3) = 0 then
      LogWarning('No hyphenation rules; only soft hyphens will break words');
      // LogWarning 是你自己的日志例程

    Lib.DrawTextFlow(Flow, 72, 72, 148, 240);

    // 装不下的部分会按传入时的原样返回,
    // 软连字符也一并保留
    Rest := Lib.GetTextFlowRemaining(Flow);
  finally
    Lib.ReleaseTextFlow(Flow);
  end;
end;

连字符减号只在最终选中的那个断点处绘制。没选中的软连字符在度量和绘制里都不可见,断点信息记录的也是原始文本,这就是 GetTextFlowRemaining 能把软连字符原样奉还的原因。朴素的设计会用一种眼熟的方式把这件事做错:尝试候选断点时就把连字符写进字符串,断点随后挪了位置,一个多余的连字符便留在了一行的中间

一个哪行都放不下的 token——比如没有合法断点的长 URL 或编号——会在放得下的最长前缀处被切断,且不加连字符。切口绝不会落在代理对两半之间,也绝不会落在组合附标之前,所以 emoji 或带变音符的字母绝不会被跨行劈开

Balance=1 会改变最后一页的什么

Balance 参数只在剩余内容能全部装进区域时才有意义。此时 DrawTextFlowColumns 拿剩余行数除以栏数、向上取整,把结果用作每一栏的高度。剩余 22 行、三栏时,结果是 8、8 和 6。剩余内容装不下时,每栏保持完整高度,这一页尽量多装,其余排到下一页

最小行数设置会抬高均衡后的高度。设了 SetTextFlowMinLines(Flow, 3)、还剩四行时,均衡高度 2 低于最小值,各栏便按顺序填:第一栏三行,第二栏一行,第三栏空着。段落最末尾的一小截尾巴总会被排进去,因为它无处可去。要是还想让下一栏顶部也至少两行作伴,SetTextFlowPaginationLines 一次调用就能同时设下孤行和寡行的最小值

PDF Library for Delphi 示意图:Balance 参数让前面的栏区域保持填满,同时把最后一个区域缩短到每栏行数相等
平衡只在段落末尾生效,把每一栏修剪到相同行数

连续排版的文章,每次都传 1。排在文章中段时它什么也不改变,反正各栏本来就是满的。只有当分栏区域是表单式版面里的一个固定盒子时我们才会传 0:那种版面里,43 行高的分栏碰到 52 行的剩余内容,应该落成 43、9 和 0,而不是 18、18 和 16

版面本身取决于这段文字有多长时,先度量再绘制。MeasureTextFlow 返回文本流剩余部分在给定宽度下需要多少行,用的是同一套断行——连字符断行包括在内——而且不会挪动文本流

var
  Flow, Needed, LinesPerColumn: Integer;
  LinePitch: Double;
begin
  Flow := Lib.NewTextFlow(ArticleBody);
  try
    Lib.SetTextFlowLanguage(Flow, 'fr');
    Lib.SetTextFlowHyphenation(Flow, 1, 3, 3);

    Lib.SelectFont(FontID);
    Lib.SetTextSize(10.5);
    // 分栏调用用的行距:所选文字高度的 1.2 倍
    LinePitch := Lib.GetTextHeight * 1.2;
    LinesPerColumn := Trunc(620 / LinePitch);

    Needed := Lib.MeasureTextFlow(Flow, (480 - 2 * 18) / 3);
    if Needed > 3 * LinesPerColumn then
      UseTwoPageSpread      // 你自己的布局决策
    else
      UseSinglePage;        // Balance=1 会把各栏匀齐

    Lib.DrawTextFlowColumns(Flow, 66, 72, 480, 620, 3, 18, 1);
    if Lib.TextFlowFinished(Flow) <> 1 then
      CarryOver(Lib.GetTextFlowRemaining(Flow));   // 同样是你自己的
  finally
    Lib.ReleaseTextFlow(Flow);
  end;
end;

让字体和字号在每个文本框之间保持一致

DrawTextFlow、DrawTextFlowColumns 和 MeasureTextFlow 断行时用的都是被调用那一刻选定的字体和字号。同一个文本流的两个文本框之间只要改了其中一项,第二个文本框的断行就和第一个度量出来的不一样。行距也跟着变,因为行距是所选文字高度的 1.2 倍。假设 GetTextHeight 对你的字体报出 12 pt:行距就是 14.4 pt,一个 620 pt 高的分栏装得下 43 行

最容易在这里栽跟头的是新起一页。NewPage 会重新选定当前字体,但字号回到 12 pt,SelectFont 也是一样。于是第一页按 10.5 pt 设置的文本流,从第二页起就按 12 pt 排,除非循环里再次调用 SetTextSize:单词更宽、行距更高、每栏行数更少,第一页 MeasureTextFlow 的结果也不再对得上。这个症状看着时有时无,因为第一页永远是对的。每次 NewPage 之后都按先字体、后字号的顺序重选,第一个示例正是这么做的

PDF Library for Delphi:警示图:框间更换字体导致断行漂移,对比之下,每个新页面后重新选定字体的循环保持稳定
三个排版方法都用当前选定的字体断行,因此字体必须跨页面保持不变

混排多种文字的段落,度量和绘制走的是同一条选定字体路径,所以CJK 与 emoji 文本的自动字体回退挑中的替代字体不会在两者之间撕开缝。在文本流与页眉、页脚、数据驱动区块同页共处的报表版面里,数据集报表引擎一文的顺序原样照搬:先度量,放好固定元素,再把剩下的区域交给文本流

本文覆盖的这些文本流调用——从创建、度量到回退与释放——都是面向 Delphi、C++Builder 和 Lazarus 的 PDF Library for Delphi 的一部分。函数参考与下载见 PDF Library for Delphi 产品页