Mathjax: 复杂的文本布局，尤其是 TeX 输入 [原为：MathJax 不支持复杂的文本布局。]

请注意，如果您在配置的HTML-CSS和SVG部分中将mtextFontInherit设置为true ，那么 MathJax 会将\text{}作为单个<span> ，因此应该按照您的要求进行。 你是对的，当mtextFontInherit是false时，MathJax 可以做得更好。 它应该将“未知”字符分组到一个集合中，而不是将每个字符放入单独的<span>中。

PS，我在Wikimedia bugzilla上看到了报告，并计划将其添加到要修复的问题列表中。 感谢您在此处关注问题以进行跟踪。

感谢 mtextFontInherit 提示。 无论如何，我都会启用它，但这是这样做的另一个原因。

v2.3 中添加了对 RTL 的一些支持，但仍然存在将多字符序列视为一个单元的问题。 对于\text{} ，这些字符应该已经组合成一个<span> ，所以这是处理它的一种方法，虽然不是很方便。

理想情况下，MathJax 会将组成一个组的每个序列放入单个<mi>或<mo>中，就像现在对单个拉丁字母所做的那样。 我在某种程度上对此进行了调查，处理它有一些困难。 可以将组合字符与其前面的字符组合在一起，但我不清楚某些字符是如何工作的。 例如，似乎 virama (U+0D4D) 不仅结合了左侧的字符，还结合了右侧的字符，尽管我可能会误解它。 似乎其中一些分组是由字体中的连字处理的，而不是通过组合字符来处理的。 不幸的是，MathJax 无法访问字体中的连字信息。 虽然可以将连字数据添加到 MathJax 的字体表中，但这可能是大量数据，其中任何一个页面都不会使用这些数据。

我真的对使用这些功能的语言不够熟悉，无法知道我正在尝试的内容是否足够。 我想知道是否有可能从各种语言中获得一些示例，以显示需要适应的情况范围。

一种方法可能是将每种语言脚本所需的数据放入一个单独的扩展中，该扩展为需要它的页面加载（在 MathJax 配置中显式，或通过页面上的数学中的\require{} ）。 你认为这可以接受吗？

也许我们 WMF 语言工程的@amire80能够在这里提供一些帮助......

@hartman你觉得你可以戳一下@amire80吗？ 我们很乐意改进这一点，特别是如果 Wikipedia 想要更广泛地推出 SVG 输出。

我在这里 ：）

我能提供什么帮助？

测试？ - 很高兴，请告诉我要准确测试什么。

非拉丁文字如何在公式中工作的示例？ - 希伯来语教科书没有使用它，但阿拉伯语和波斯语的教科书使用它。 也许@ebraminio可以在这里插话。

还要别的吗？

感谢您光临@amire80 :-)

我能提供什么帮助？

我希望我们可以改进对非拉丁脚本中组合字符的处理。 这已经反复出现在 WMF bugzilla/phabricator 上。 从https://github.com/mathjax/MathJax/issues/474#issuecomment -38324717 引用 Davide 的话：

理想情况下，MathJax 会将组成一个组的每个序列放入一个要么，就像现在对单个拉丁字母所做的那样。 我在某种程度上对此进行了调查，处理它有一些困难。 可以将组合字符与其前面的字符组合在一起，但我不清楚某些字符是如何工作的。 例如，似乎 virama (U+0D4D) 不仅结合了左侧的字符，还结合了右侧的字符，尽管我可能会误解它。 似乎其中一些分组是由字体中的连字处理的，而不是通过组合字符来处理的。 不幸的是，MathJax 无法访问字体中的连字信息。 虽然可以将连字数据添加到 MathJax 的字体表中，但这可能是大量数据，其中任何一个页面都不会使用这些数据。

我真的对使用这些功能的语言不够熟悉，无法知道我正在尝试的内容是否足够。 我想知道是否有可能从各种语言中获得一些示例，以显示需要适应的情况范围。

所以我们的问题是：是否有人拥有可以与我们分享的专业知识？ @hartman很友好地指出了你 ;-)

（也许我们应该把它分成一个单独的问题。）

virama 的（非常）基本思想是辅音 + virama + 辅音的序列具有三个 Unicode 字符，它们看起来占据了一个字形的空间（但它可以变得更加复杂）。

更一般地说，我很想了解 MathJax 目前的情况。 我应该怎么做才能测试当前的渲染？ 安装我自己的实例？ 或者是否有可以测试当前版本的在线实例？

辅音 + virama + 辅音有 3 个 Unicode 字符，它们看起来占据了一个字形的空间

正确的。 组合字符在数学布局中很常见，因此我们大致了解这种情况。

（但它可能会变得更加复杂）。

那是我们的问题。 我们缺乏大多数自然语言、非拉丁文字的细节。

或者是否有可以测试当前版本的在线实例？

您可以在 MediaWiki（使用数学扩展的 MathML/SVG 模式）、浏览器（此示例或此 codepen ）中执行此操作，或使用 MathJax 的本地副本——无论您喜欢哪个。

一个基本示例： ത്ര将转换为ത്ര ，由于我们没有任何例程来识别这些类型的组合字符，因此 TeX 输入在内部将其转换为 MathML

<math xmlns="http://www.w3.org/1998/Math/MathML">
  <mrow class="MJX-TeXAtom-ORD">
    <mo>&#xD24;</mo>
  </mrow>
  <mrow class="MJX-TeXAtom-ORD">
    <mo>&#xD4D;</mo>
  </mrow>
  <mrow class="MJX-TeXAtom-ORD">
    <mo>&#xD30;</mo>
  </mrow>
</math>

MathJax 输出将依次拆分为三个跨度（在 HTML 输出中）或三个 g（在 SVG 输出中）——当然这会破坏组合字符的呈现。

（我只是注意到 Firefox 有时会在 HTML 输出中组合跨度，例如ത്ര但不是കു_ശ中的下标。Chrome 更“一致”，因为没有任何组合）

所以对我们来说，问题是：是否有一组简洁的数据（或一些有效的启发式方法）可以用来识别我们需要在 MathML 中重新组合成一个 mi/mo 元素的所有相关情况？ 一旦我们有了它，渲染也将起作用。

所以对我们来说，问题是：是否有一组简洁的数据（或一些有效的启发式方法）我们可以用来 > 识别我们需要在 MathML 中重新组合成一个 mi/mo 元素的所有相关情况？

很抱歉这么长的评论，将一些场外讨论带回问题跟踪器。

制作 Unicode UCD 数据库的可行性/昂贵程度
为每个字符组合可用于 mathjax 的类？ 基本上（或
至少作为一个很好的第一近似值）任何非零字符
组合类（UnicodeData.txt 中的字段 4）需要与
前一个，此外，如果它是第 9 类 (virama)，则以下
性格也需要保持在一起。

可能还值得注意的是tex，甚至像xetex这样的unicode tex
或 luatex 几乎可以肯定_不会_在没有
标记
那就是你需要 \text{abc} 或 \mathit{abc} 或其他一些这样的
命令强制将字符串排版为带有
单一字体，而不是 TeX 的正常拆分习惯
一个字一个字。 即使构造_看起来_像一个单一的
作者的性格。

在经典 tex 中，这不是问题，因为字体只能有 256 个字符
虽然可以通过各种宏重新映射技巧来支持组合字符
即使是简单的，也基本上不支持在基础之后的组合字符
组成像急性的口音。

对 unicode tex 变体（如 xetex 和 luatex）的支持似乎有点变数。 在文本中，xetex
把东西交给 HarfBuzz 库，所以做得很好。 luatex 在内部处理它，目前在 virama 上做得不太好。 在数学中，两者都需要一个带有 opentype MATH 表的字体来做任何非常有用的事情，我找不到这种有 virama 的字体。

以下乳胶文档在文本中使用kartika，在数学中使用拉丁现代数学，您会注意到
即使是欧洲口音通常在数学上也会失败，但是如果您在此处添加一些标记\mbox或mi或mtext在 MathML 中等效地添加一些标记，则即使是 virama 示例也有效

图像在顶部显示 xetex，在底部显示 luatex。

因此，虽然不需要像 \text{..} 或 \mbox{...} 这样的字符串是可取的，但它会使您的 unicode 支持远远领先于 TeX 目前可以实现的
所以这有点取决于“类tex语法”的规范是什么，TeX可以做多远才合理推动它？

\documentclass{article}

\usepackage{fontspec}
\usepackage{unicode-math}
\setmainfont{kartika.ttf}


\begin{document}

U+0d24 U+0d4d U+0d30 outputs e.g., ത്ര but 

abc $abc \mbox{ത്ര} $  U+0063

abç $abç \mbox{ത്ര} $ U+00e7

abç $abç \mbox{ത്ര} $  U+0063 U+0327

\end{document}

我不确定我是否理解讨论的内容，但如果这个想法是确定哪些字符序列构成一个单元，那么Unicode 字形聚类应该提供所需的信息。

是的 - @khaledhosny所说的对我来说听起来是正确的，尽管我并不是每个人都对此有经验。 也许@santhoshtr可以提供更多细节。

Santhosh，我认为@pkra上面写的三条评论最好地解释了这个问题。

2015 年 3 月 3 日 12:05，Khaled Hosny [email protected]写道：

我不确定我是否理解讨论的内容，但如果
这个想法是确定哪些字符序列构成一个
单元，然后是 Unicode Grapheme 聚类
http://unicode.org/reports/tr29/#Grapheme_Cluster_Boundaries应该
提供所需的信息..

是的，但我想问题是它对 javascript 的意义有多大
图书馆这样做
如果底层平台没有创建 unicode 属性，则手动
可用的
如果它正在模拟 tex 语法，那么 tex 会走多远？ 你知道的一样多
关于 tex 支持任何人。 在 xetex 中到什么程度才合理
让这样的集群在_math_中做任何有意义的事情而不转义为文本
使用\text{..}或一些这样的命令，因为你不能分配
\mathclass 到这样一个集群？

我找到了一个用于字形的 CoffeeScript 实现。
https://github.com/devongovett/grapheme-breaker

可能有用。

感谢所有有用的评论。 总结一下，

• xetex/luatex 不按本期要求的方式处理输入，即没有额外的标记，例如\text
• 目前尚不清楚（至少对我而言）是否有计划以这种方式处理它
• 解决方案可以从 David C 概述的简单方法开始，或者可能建立在 grapheme-breaker 上（感谢@hartman！）

除此之外，

• 另一方面，对 LaTeXML 和 pandoc 的快速测试表明，它们确实可以处理此处要求的字符，即，不像 xetex/luatex。

所以在我看来，解决方案不能在核心 TeX 输入中，但需要作为扩展。 当然，这不是问题，因为无论如何它可能最终都会延长。

如果 MediaWiki/WMF 社区真的想从这里的 TeX 引擎中描绘出来，那将是很好的选择。

再次获得更多反馈会很好。

• 在 TeX 的人们，在没有额外标记的情况下以数学模式处理字符是 xetex/luatex/etc 的未来方向吗？
• 在 MediaWiki / WMF 的人们：相关社区真的需要非标准的 TeX 行为吗？

如果没有更多的反馈，我认为我们应该在此/将其移出 2.6 里程碑。

让我理解这里的问题，人们想做像$x+y=<complex character>$这样的事情，其中<complex character>可能是一个多代码点字素，并且将<complex character>视为数学标识符，对吧? 如果是这样，那么我认为这是一个合理的期望，并且如果当前的 Unicode TeX 引擎不能正确处理它（他们可能没有），这可能是一个错误或缺失的功能，而不是设计使然。

还是人们想做类似$<complex text string>$之类的事情，其中<complex text string>是一个多字符的文本字符串，可能需要复杂的文本布局，并获得正确的文本布局（bidi、shape 等） ? 我不认为这是一个合理的期望，这里需要某种标记来表明这是一个需要这样处理的常规文本字符串。

谢谢，@khaledhosny！

[...] 人们想做像 $x+y= 这样的事情$哪里可能是一个多码点字素，并且有被视为数学标识符，对吗？

是的，我也是这么理解的。 （这有点难说，因为这最初是来自维基百科端的请求）。

我认为这是一个合理的期望

谢谢！

如果当前的 Unicode TeX 引擎不能正确处理它（他们可能没有），它可能是一个错误或缺失的功能，而不是设计使然。

也谢谢你。 “他们可能不会”部分让我有点担心，但如果你和@davidcarlisle同意这是 Unicode TeX 引擎中所需的行为，那么我认为这对我们来说就足够了。

仍然希望 MediaWiki/WMF/Wikipedia 方面能够加入进来。

根据 F2F，我们将从 v2.6 里程碑（即即将发布的版本）中删除它。

目前尚不清楚正确的方法是什么，特别是在与 TeX/LaTeX（或者更确切地说是 XeTeX/LuaTeX）的兼容性方面。 也不清楚 WMF 和维基百科社区在这里真正想要什么。

需要明确的是，我们并没有结束这个问题，我们仍然有兴趣弄清楚在 TeX 输入中复杂的布局可能如何工作。

来自未来的爆炸：有一个 TC39 提案“Unicode 分段”允许（除其他外）通过字形拆分字符串https://github.com/tc39/proposal-intl-segmenter。 该存储库包含一个指向 polyfill 的链接（显然还有一个非标准的 Chrome 功能）。

凉爽的。 谢谢，@pkra。

没问题。 不幸的是，polyfill 没用——它只涵盖英语。 但对于那些想尝试的人来说，chrome 内置可能会很有用。