☰

Makro für die durchschnittliche Breite eines Zeichens

tag-icon • tag-icon macros context typography width
Makro für die durchschnittliche Breite eines Zeichens

Wie kann ich ein Makro ähnlich wie \averagecharwidthConTeX in LaTeX erstellen, das die durchschnittliche Breite eines Zeichens basierend auf der Häufigkeit dieses Zeichens in meinem Dokument berechnet? Dieses Makro wird angezeigt inDasPost.

Bildbeschreibung hier eingeben

Antwort1

Hier ist ein naiver Ansatz.

  1. Das gesamte Dokument in einer Tokenliste speichern
  2. Zählen Sie die Anzahl der Vorkommen jedes alphabetischen Zeichens (meistens)
  3. Teilen Sie die Anzahl jedes Zeichens durch die Gesamtzahl der alphabetischen Zeichen, um die relative Häufigkeit dieses Zeichens zu erhalten.
  4. Multiplizieren Sie dieses Verhältnis mit der Breite des Zeichens und summieren Sie die Summe, um die durchschnittliche Zeichenbreite zu erhalten.

Einige Notizen:

  • Klammergruppen werden als ein einzelnes Token gezählt, daher stimmen Dinge wie \begin{environment}und \parnicht mit alphabetischen Zeichen überein. Dies ist ein Vorteil.
  • Gleichzeitig werden die darin enthaltenen Wörter \text{some text}nicht gezählt, was einen Nachteil darstellt.
  • Großbuchstaben können berücksichtigt werden, aber es ist langsam.
  • Ich glaube nicht, dass ich etwas Wichtiges verpasst habe, aber man kann ja nie wissen.
  • Bearbeiten:Leerzeichen werden jetzt in die Berechnung einbezogen und die Wirkung des Makros ist kumulativ. Beim Umgang mit Leerzeichen ging ich davon aus, dass sich Ausdehnung und Verkleinerung auf lange Sicht gegenseitig aufheben und dass die durchschnittliche Breite eines Leerzeichens einfach die normale Breite eines Leerzeichens ist. Bitte lassen Sie mich wissen, ob es eine bessere Möglichkeit gibt, damit umzugehen.
  • Bearbeiten:Zweimal kompilieren, um die Textbreite automatisch auf den gewünschten Wert anzupassen.

Für geraden Text ergibt dies jedenfalls eine exakte durchschnittliche Zeichenbreite. Das Ergebnis wird ungenauer, wenn mehr gedruckter Text in Klammerngruppen verborgen ist.

\documentclass{article}
\usepackage{xparse}
\usepackage{siunitx}
\usepackage{booktabs}
\usepackage{environ}

\ExplSyntaxOn

\bool_new:N \g_has_run_bool
\tl_new:N \l_aw_text_tl
\int_new:N \l_aw_tot_int
\int_new:N \g_aw_tot_alph_int
\int_new:N \g_wid_space_int
\int_new:N \g_space_int
\fp_new:N \g_rat_space_int
\fp_new:N \g_aw_avg_width_fp
\dim_new:N \myalphabetwidth
\dim_new:N \mytextwidth
\input{testing.aux}
\tl_const:Nx \c_aw_the_alphabet_tl {abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ,.;?()!' \token_to_str:N :}

% this can be changed to an evironment or renamed or whatever
\NewDocumentCommand {\avgwidthstart} {}
  {
    \aw_avg_width:w
  }

\NewDocumentCommand {\avgwidthend}{}{}

% Here is the environment version, using just "text" as a name is probably a bad idea.
\NewEnviron{awtext}
{
  \expandafter\avgwidthstart\BODY\avgwidthend
}

\makeatletter

\cs_new:Npn \aw_avg_width:w #1 \avgwidthend
  {
    % if first run, then generate variables to be used
    \bool_if:NF \g_has_run_bool
      {
        \tl_map_inline:Nn \c_aw_the_alphabet_tl
        {
          \int_new:c {g_##1_int}
          \fp_new:c {g_rat_##1_fp}
          \fp_new:c {g_wid_##1_fp}
        }
      }
    \tl_set:Nn \l_aw_text_tl {#1}

    % this can be used rather than the preceding line to take capital 
    % letters into account, but is Slooooooow
    %\tl_set:Nx \l_aw_text_tl {\tl_expandable_lowercase:n {#1}}

    \int_set:Nn \l_aw_tot_int {\tl_count:N \l_aw_text_tl}
    \tl_map_function:NN \c_aw_the_alphabet_tl \aw_get_counts:n
    \deal_with_spaces:n {#1}
    \tl_map_function:NN \c_aw_the_alphabet_tl \aw_calc_ratios:n
    \tl_map_function:NN \c_aw_the_alphabet_tl \aw_calc_avg_width:n
    \fp_gset_eq:NN \g_aw_avg_width_fp \l_tmpa_fp
    \fp_zero:N \l_tmpa_fp

    % the dimension \myalphabetwidth gives the width of the alphabet based on your character freq,
    % can be accessed by \the\myalphabetwidth
    \dim_gset:Nn \myalphabetwidth {\fp_to_dim:n {\fp_eval:n {61*\g_aw_avg_width_fp}}}

    % the dimension \mytextwidth gives the recommended \textwidth based on 66 chars per line.
    % can be accessed by \the\mytextwidth
    \dim_gset:Nn \mytextwidth {\fp_to_dim:n {\fp_eval:n {66*\g_aw_avg_width_fp}}}
    \protected@write\@mainaux{}{\mytextwidth=\the\mytextwidth}
    \bool_gset_true:N \g_has_run_bool

    % and lastly print the content
    #1
  }

\makeatother

\cs_new:Npn \aw_get_counts:n #1
  {
    % make a temporary token list from the document body 
    \tl_set_eq:NN \l_tmpb_tl \l_aw_text_tl
    % remove all occurrences of the character
    \tl_remove_all:Nn \l_tmpb_tl {#1}
    % add to appropriate int the number of occurrences of that character in current block
    \int_set:Nn \l_tmpa_int {\int_eval:n{\l_aw_tot_int -\tl_count:N \l_tmpb_tl}}
    % add to appropriate int the number of occurrences of that character in current block
    \int_gadd:cn {g_#1_int} {\l_tmpa_int}
    % add this to the total
    \int_gadd:Nn \g_aw_tot_alph_int {\l_tmpa_int}
  }

\cs_new:Npn \deal_with_spaces:n #1
  {
    \tl_set:Nn \l_tmpa_tl {#1}
    % rescan body with spaces as characters
    \tl_set_rescan:Nnn \l_tmpb_tl {\char_set_catcode_letter:N \ }{#1}
    % find number of new characters introduced.  add to number of spaces and alph chars
    \int_set:Nn \l_tmpa_int {\tl_count:N \l_tmpb_tl -\tl_count:N \l_tmpa_tl}
    \int_gadd:Nn \g_space_int {\l_tmpa_int}
    \int_gadd:Nn \g_aw_tot_alph_int {\l_tmpa_int}
    % since this comes after the rest of chars are dealt with, tot_alph is final total
    \fp_set:Nn \g_rat_space_fp {\g_space_int/\g_aw_tot_alph_int}
    % get width of space and use it.  obviously space is stretchable, so i'll assume
    % that the expansions and contractions cancel one another over large text.  is this
    % a terrible assumption???
    \hbox_set:Nn \l_tmpa_box {\ }
    \fp_gset:Nn \g_wid_space_fp {\dim_to_fp:n {\box_wd:N \l_tmpa_box}}
    \fp_add:Nn \l_tmpa_fp {\g_wid_space_fp*\g_rat_space_fp}
  }

\cs_new:Npn \aw_calc_ratios:n #1
  {
    % divide number of occurrences of char by total alphabetic chars
    \fp_gset:cn {g_rat_#1_fp}{{\int_use:c {g_#1_int}}/\g_aw_tot_alph_int}
  }

\cs_new:Npn \aw_calc_avg_width:n #1
  {
    % only need to find char widths once
    \bool_if:NF \g_has_run_bool
      {
        % find width of char box
        \hbox_set:Nn \l_tmpa_box {#1}
        \fp_gset:cn {g_wid_#1_fp}{\dim_to_fp:n {\box_wd:N \l_tmpa_box}}
      }
    % multiply it by char frequency and add to avg width
    \fp_add:Nn \l_tmpa_fp {{\fp_use:c {g_wid_#1_fp}}*{\fp_use:c {g_rat_#1_fp}}}
  }
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% This part is just for fun. Delete it and the showtable command from the document if
% it isn't wanted
\tl_new:N \l_aw_tab_rows_tl
\seq_new:N \g_aw_the_alphabet_seq

\NewDocumentCommand {\showtable}{}
    {
      \clearpage
      \aw_make_table:
    }

\cs_generate_variant:Nn \seq_set_split:Nnn {NnV}
\cs_new:Npn \aw_make_table:
    {
      \thispagestyle{empty}
      \seq_set_split:NnV \g_aw_the_alphabet_seq {} \c_aw_the_alphabet_tl
      \seq_map_function:NN \g_aw_the_alphabet_seq \aw_generate_row:n
      \begin{table}
      \centering
      \sisetup{round-mode = places,round-precision = 5,output-decimal-marker={,},table-format = 3.5}
      \begin{tabular}{lll}
        \toprule
        {Average\,text\,width}&{Average\,character\,width}&{Average\,alphabet\,width}\\
        \midrule
        \the\mytextwidth&\fp_eval:n {round(\g_aw_avg_width_fp,5)}pt&\the\myalphabetwidth\\
        \bottomrule
      \end{tabular}\par
      \end{table}
      \vfil
      \centering
      \sisetup{round-mode = places,round-precision = 5,output-decimal-marker={,},table-format = 3.5}
      \begin{longtable}{cS}
        \toprule
        {Letter}&{Actual}\\
        \midrule
        spaces&\fp_eval:n {\g_rat_space_fp*100}\%\\
        \tl_use:N \l_aw_tab_rows_tl
        \bottomrule
      \end{longtable}\par
    }

\cs_new:Npn \aw_generate_row:n #1
    {
      \tl_put_right:Nn \l_aw_tab_rows_tl {#1&}
      \tl_put_right:Nx \l_aw_tab_rows_tl {\fp_eval:n {100*{\fp_use:c {g_rat_#1_fp}}}\%}
      \tl_put_right:Nn \l_aw_tab_rows_tl {\\}
    }

\ExplSyntaxOff

    \begin{document}

    \avgwidthstart
    My audit group's Group Manager and his wife have an infant I can describe only as fierce.
    Its expression is fierce; its demeanor is fierce; its gaze over bottle or pacifier or finger-fierce, 
    intimidating, aggressive. I have never heard it cry. When it feeds or sleeps, its pale face reddens,
    which makes it look all the fiercer.
    \avgwidthend

    \avgwidthstart
    On those workdays when our Group Manager, Mr. Yeagle, brought it in to the District office, hanging papoose-style in a nylon device on his back, the infant appeared to 
    be riding him as a mahout does an elephant. It hung there, radiating authority. Its back lay directly 
    against Mr. Yeagle's, its large head resting in the hollow of its father's neck and forcing our Group 
    Manager's head out and down into a posture of classic oppression. They made a creature with two faces,
    one of which was calm and blandly adult and the other unformed and yet emphatically fierce. The infant 
    never wiggled or fussed in the device. Its gaze around the corridor at the rest of us gathered waiting 
    for the morning elevator was level and unblinking and (it seemed) almost accusing. The infant's face, as 
    I experienced it, was mostly eyes and lower lip, its nose a mere pinch, its forehead milky and domed, 
    its pale red hair wispy, no eyebrows or lashes or even eyelids I could see. I never saw it blink. Its 
    features seemed suggestions only. It had roughly as much face as a whale does. I did not like it at all.\par\noindent
    http://harpers.org/media/pdf/dfw/HarpersMagazine-2008-02-0081893.pdf
    \avgwidthend

    \begin{awtext}
    Here is some more text in an environment this time.  This text is included in the calculation of the average width.
    \end{awtext}
    \showtable{}

    \end{document}

Hier sind die Zeichenhäufigkeiten für den angegebenen Text

Erläuterung Der Kerngedanke, den ich aus der Sache mit der „durchschnittlichen Breite eines Zeichens“ ziehe, ist folgender.

  • Man ist zu dem Schluss gekommen, dass etwa 66 Zeichen pro Zeile die Lesbarkeit eines Textes verbessern.
  • Da die Zeilenbreite fest ist, hängt die tatsächliche Anzahl der Zeichen pro Zeile davon ab, welche Zeichen eingegeben werden. Beispielsweise menthält eine Zeile voller "s" weniger Zeichen als eine Zeile voller i"s, da ein mbreiter ist als ein i.
  • Um also eine sinnvolle Zeilenbreite von ungefähr 66 Zeichen pro Zeile festzulegen, müssen wir die relative Häufigkeit der im Dokument verwendeten Zeichen kennen. Wenn die meisten Zeichen breit sind, benötigen wir breitere Linien. Wenn die meisten Zeichen schmal sind, benötigen wir entsprechend schmalere Linien.
  • Daher berechnen wir die durchschnittliche Breite der verwendeten Zeichen und verwenden diese, um die Zeilenbreite zu bestimmen. Wenn unser Dokument beispielsweise aus m's und i's in einem gleichen Verhältnis (50/50) besteht, dann hat „das durchschnittliche Zeichen“ eine Breite irgendwo zwischen der Breite eines mund der eines i. Genauer gesagt hat das durchschnittliche Zeichen eine Breite x=(wd(m)+wd(i))/2und wir sollten unsere \textwidthauf setzen 66*x. Extrapolierend auf ein beliebiges Dokument berechnen wir den gewichteten Durchschnitt der Breiten der verwendeten Zeichen entsprechend ihrer relativen Häufigkeit innerhalb des Dokuments und multiplizieren dies mit 66 (oder verwenden es auf beliebige Weise), um die zu erhalten, \textwidthdie das Kriterium von 66 Zeichen pro Zeile am besten erfüllt.

Antwort2

Die Makros sind relativ Low-Level-TeX, daher ist es einfach, sie in LaTeX zu verwenden, indem man einige fehlende Definitionen hinzufügt. Wenn diese Definitionen vorhanden sind, können Sie einfach importierenlang-frq.mkii,
lang-frd.mkiiund die Hilfsdateisupp-mis.mkii(Klicken Sie auf der Zielseite rawzum Herunterladen) und verwenden Sie ConTeXt \averagecharwidthdirekt.

% Copy definition of \emptybox from supp-box.mkii
\ifx\voidbox\undefined      \newbox\voidbox \fi
\def\emptybox{\box\voidbox}

% Copy definition of \startnointerference from syst-new.mkii
\newbox\nointerferencebox

\def\startnointerference
  {\setbox\nointerferencebox\vbox
   \bgroup}

\def\stopnointerference
  {\egroup
   \setbox\nointerferencebox\emptybox}

% Load a trimmed down version of ConTeXt macros
\input supp-mis.mkii

\input lang-frq.mkii 
\input lang-frd.mkii

% Set the main language. (I don't know what the LateX equivalent of
% \currentmainlanguage)
\def\currentmainlanguage{en}

\documentclass{article}
\begin{document}
The average character width is \the\averagecharwidth
\end{document}

NOTIZ: Kommentarzeile 116 von lang-frd.mkii(die, in der steht \startcharactertable[en] 100 x \stopcharactertable % kind of default).

verwandte Informationen