袁永福--南京都昌信息科技有限公司創(chuàng)始人

文本編輯器是一種非常復(fù)雜的圖形軟件，涉及到的很多開發(fā)技巧和軟件結(jié)構(gòu)都是傳統(tǒng)的數(shù)據(jù)庫(kù)程序開發(fā)中所從未應(yīng)用的，因此掌握相關(guān)技術(shù)的人是非常的少的。在其中文字?jǐn)嘈屑芭虐嫠惴ㄊ蔷庉嬈鏖_發(fā)中的核心算法之一。如果沒有掌握這個(gè)算法，那只能在開源軟件的基礎(chǔ)上小打小鬧了。

袁永福 2025-9-19

    文本編輯器是一種非常復(fù)雜的圖形軟件，涉及到的很多開發(fā)技巧和軟件結(jié)構(gòu)都是傳統(tǒng)的數(shù)據(jù)庫(kù)程序開發(fā)中所從未應(yīng)用的，因此掌握相關(guān)技術(shù)的人是非常的少的。在其中文字?jǐn)嘈屑芭虐嫠惴ㄊ蔷庉嬈鏖_發(fā)中的核心算法之一。如果沒有掌握這個(gè)算法，那只能在開源軟件的基礎(chǔ)上小打小鬧了。

　本文就討論一下編輯器中文檔斷行及排版算法。

文字排版大致分為以下幾個(gè)步驟：

1. 測(cè)量各個(gè)字符的寬度和高度。[袁永福版權(quán)所有]
2. 計(jì)算文檔容器的客戶區(qū)寬度。比如設(shè)置的紙張寬度減去左頁(yè)邊距和右頁(yè)邊距的寬度。這里的文檔容器不僅僅指大的正文區(qū)域，還包括單元格、文本框之類的文檔結(jié)構(gòu)。
3. 斷行，也就是將各個(gè)字符從左到右，從上到下的依次放置在文檔容器中。產(chǎn)生一行行文本，實(shí)現(xiàn)一種流式排版。
4. 行內(nèi)排版，也就是在文檔行中進(jìn)行字符排版，特別是為了完成文檔內(nèi)容兩邊對(duì)齊功能。
5. 分頁(yè)。

 ■■測(cè)量字符大小

　　排版的第一步就是計(jì)算文檔中各個(gè)字符的寬度和高度。筆者是使用C#開發(fā)的，因此可以調(diào)用System.Drawing.Graphics.MeasureString方法來測(cè)量字符的寬度和高度。由于文檔中字符個(gè)數(shù)很多，比如幾萬(wàn)個(gè),則一個(gè)個(gè)測(cè)量是非常消耗時(shí)間的，為此需要采用很多優(yōu)化手段來加速測(cè)量。[袁永福版權(quán)所有]

　　說到測(cè)量字符，就涉及到等寬字體和比例字體的概念了。等寬字體就是使用該字體繪制字符，字符的寬度是一樣的，比如“宋體”，它就是等寬字體，用它來測(cè)量和繪制字母“W”和“i”,其寬度是一樣的。比例字體就是使用該字體測(cè)量和繪制字符，其寬度是不一樣的，比如“Times new roman”，用它來測(cè)量字母“W”和“i”，其寬度是不一樣的。

　　對(duì)于等寬字體，可以事先測(cè)量一個(gè)字符的寬度，比如“W”，則以后遇到其他字符就使用這個(gè)已經(jīng)測(cè)量好的寬度；而對(duì)于比例字體，則需要進(jìn)行實(shí)時(shí)的測(cè)量。

　　不過一般來說，對(duì)于等寬字體和比例字體，中文符號(hào)的寬度還是一致的。因此可以實(shí)現(xiàn)測(cè)量一個(gè)中文字符的寬度，以后遇到中文字符就采用這個(gè)事先測(cè)好的寬度。

　　這里帶來一個(gè)問題，如何判斷一個(gè)字符是否為中文字符，那就需要參照GB3212,GBK等計(jì)算機(jī)字符集的標(biāo)準(zhǔn)來判斷了。一般來說Unicode編碼范圍從19968至40869的字符為中文字符，當(dāng)然為了進(jìn)一步的優(yōu)化，可以知道一些全角符號(hào)，它們的寬度也等于中文字符。

　　不過僅僅依照UNICODE編碼來判斷是否是中文字符是不可靠的。因?yàn)橐粯拥腢NICODE字符在不同的字體中其意義可能是不一樣的。[袁永福版權(quán)所有]

　　比如對(duì)于字體“Wingdings”，所有的字符在這個(gè)字體中完全變味了，就表示一個(gè)個(gè)特定形狀的符號(hào)，判斷是否是中文就毫無意義了；另外對(duì)于條碼字體也有這種情況。

　　最為保險(xiǎn)的做法就是直接解析字體二進(jìn)制文件（擴(kuò)展名為ttf或ttc），獲得其中的字體輪廓信息，然后根據(jù)字符的UNICODE編碼值來計(jì)算出字符的寬度，這樣做是最為準(zhǔn)確可靠的。筆者猜測(cè)Graphics.MeasureString方法內(nèi)部也可能采用這種方法。不過編輯器自己解析字體二進(jìn)制文件進(jìn)行字符測(cè)量，繞過底層諸多的調(diào)用層次，其速度可以非常的快，可以在幾十毫秒內(nèi)完成幾萬(wàn)個(gè)字符的測(cè)量。[袁永福版權(quán)所有]

　　不過解析字體二進(jìn)制文件信息還是要花掉不少時(shí)間的，比如對(duì)于宋體，其字體文件名simsun.ttc，文件大小15MB，含28762個(gè)字符輪廓信息。但分析所得的結(jié)果信息量很小，只有1424 字節(jié)，為此需要將分析結(jié)果保存在一個(gè)臨時(shí)文件中，下次就無需分析這個(gè)字體二進(jìn)制文件了。

■■斷行

　　測(cè)量完字符的大小后，編輯器程序開始在內(nèi)存中構(gòu)造排版對(duì)象模型，不斷的將字符填充到最后一個(gè)文檔行，若文檔行的字符寬度和加上準(zhǔn)備添加的字符的寬度大于文檔容器客戶區(qū)寬度時(shí)，就進(jìn)行斷行，另起一行開始填充字符。

　　不過也存在提前斷行的情況。為了盡量保證連續(xù)的英文字母字符和阿拉伯?dāng)?shù)字之間不能出現(xiàn)斷行，這樣會(huì)導(dǎo)致同一個(gè)邏輯上密切相關(guān)的單詞被拆散放在兩行了。因此遇到這種情況需要提前斷行。

　　為此程序在執(zhí)行斷行的時(shí)候需要進(jìn)行判斷，如果下一個(gè)字符和文檔行中最后幾個(gè)字符都是英文字母字符或阿拉伯?dāng)?shù)字字符時(shí)，需要從右到左遍歷最后一個(gè)文檔行，將相關(guān)字符抽取出來，準(zhǔn)備放置在下一行中。[袁永福版權(quán)所有]

　　當(dāng)然這樣的操作也不是絕對(duì)的，比如遇到連續(xù)的超級(jí)長(zhǎng)的“單詞”時(shí)，比如100個(gè)連續(xù)字符“a”，雖然基本上沒有實(shí)際意義，但這是一種必需考慮的邊界條件，很容易導(dǎo)致程序運(yùn)行錯(cuò)誤。因此在提前斷行時(shí)需要進(jìn)行這樣的判斷，若真的出現(xiàn)這種情況，那就取消提前斷行。

※前置標(biāo)點(diǎn)和后置標(biāo)點(diǎn)

　　不能出現(xiàn)在行尾的符號(hào)稱為前置標(biāo)點(diǎn)，例如“([{·‘“〈《「『【〔〖（．［｛￡￥”；不能出現(xiàn)在行首的符號(hào)稱為后置標(biāo)點(diǎn)，例如“!),.:;?]}¨·ˇˉ―‖’”…∶、。〃々〉》」』】〕〗！＂＇），．：；？］｀｜｝～￠”。

　　比如一個(gè)文本行內(nèi)容為“？張三李四王五【”，這就是一種不和規(guī)范的文本行，需要避免這種情況。

　　在進(jìn)行文字?jǐn)嘈袝r(shí)，若這個(gè)文檔行的最后一個(gè)字符是前置標(biāo)點(diǎn)時(shí)，需要進(jìn)行提前斷行；如果斷行后第一個(gè)要排版的字符為后置標(biāo)點(diǎn)時(shí)，也需要進(jìn)行提前斷行。

 　　在進(jìn)行斷行的時(shí)候，對(duì)于段落符號(hào)要進(jìn)行一些特殊處理。段落符號(hào)本身是有一定的寬度的，但當(dāng)文檔行要執(zhí)行斷行時(shí)，參與計(jì)算時(shí)的寬度就可以當(dāng)做零了。

 　　在排版的編程實(shí)踐中，筆者采用堆棧的方式實(shí)現(xiàn)斷行。首先將所有要排版的字符壓入一個(gè)堆棧中，然后循環(huán)從堆棧中Peek獲得一個(gè)字符元素，然后試圖添加到當(dāng)前文檔行中，若文檔行剩余空間足夠容納新字符，則將該新字符添加到文檔行中，同時(shí)堆棧執(zhí)行Pop操作。若文檔行剩余空間不夠，則不執(zhí)行Pop操作，新建一個(gè)文檔行，從而開始新的循環(huán)。如果出現(xiàn)提前斷行，則需要將當(dāng)前文檔行中的若干個(gè)字符元素移出來，并壓入堆棧中等著下一次循環(huán)中使用。

　　當(dāng)堆棧內(nèi)容為空時(shí)，就跳出循環(huán)，完成文檔的斷行操作。[袁永福版權(quán)所有]

 ※停止行

　　用戶在編輯的時(shí)候會(huì)頻繁的輸入字符，這就使得程序頻繁的進(jìn)行文檔排版操作。當(dāng)文檔內(nèi)容比較多，比如上萬(wàn)個(gè)字符時(shí)，進(jìn)行整個(gè)文檔范圍的字符排版及重新繪制用戶界面可能要花上幾百毫秒的，這樣就導(dǎo)致用戶輸入字符時(shí)編輯器反應(yīng)遲鈍。

　　為此在用戶編輯錄入的時(shí)候，需要進(jìn)行文檔內(nèi)容的部分區(qū)域的文字排版，而其他區(qū)域的排版就不要?jiǎng)恿恕榇嗽诰幊讨胁捎昧艘环N技巧來減輕排版的工作量，筆者稱之為停止行技巧。

　　在排版前，首先備份文檔容器的文檔行信息。在每完成一個(gè)斷行，形成一個(gè)新的文檔行時(shí)。遍歷備份的文檔行信息，從最后一行開始和新的文檔行內(nèi)容進(jìn)行比較，比較內(nèi)容主要是文檔行中的文檔元素是否完全一致，當(dāng)然還有一些其他判斷。當(dāng)新舊兩個(gè)文檔行內(nèi)容一致時(shí)，這個(gè)舊的文檔行稱為停止行。此時(shí)文檔內(nèi)容斷行提前結(jié)束。然后進(jìn)行新文檔行的行內(nèi)排版，最后新文檔行和一部分舊的文檔行合并，形成新的文檔排版。這樣就能比較大的降低運(yùn)行時(shí)排版工作量。[袁永福版權(quán)所有]

 ■■行內(nèi)排版

　　文字?jǐn)嘈型瓿珊螅枰M(jìn)行行內(nèi)排版。

　　文檔行中各個(gè)字符的寬度之和不大可能正好等于文檔容器的客戶區(qū)寬度。兩者會(huì)有空白差。

　　由于中文字符和英文字符寬度不一樣，對(duì)于不等寬字體，各個(gè)英文字符、數(shù)字字符等寬度還不一樣。使得各個(gè)文本行的字符寬度之和是不一樣的，使得各個(gè)文檔行右邊緣是參差不齊的。這樣比較嚴(yán)重的影響美觀。

　　為此需要將文檔行的寬度拉長(zhǎng)成文檔容器客戶區(qū)寬度，由此會(huì)額外的制造出不少空白，此時(shí)需要將這些空白比較均勻的分?jǐn)偟礁鱾€(gè)字符上。此處是比較均勻的分?jǐn)偅皇峭耆鶆颍怯幸欢ǖ姆植妓惴ǖ摹?/span>

　　同一行中，字符不是相對(duì)孤立的，而且從邏輯上分為一組一組的，對(duì)于漢字和標(biāo)點(diǎn)符號(hào)，它們是各自為政，自己組成一組。對(duì)于連續(xù)的英文字母字符和阿拉伯?dāng)?shù)字，它們邏輯上是同一組的，一起構(gòu)成一個(gè)完整的單詞，因此同一組之間的字符之間應(yīng)該是緊密連接在一起，不得拆開。[袁永福版權(quán)所有]

　　為此要分?jǐn)傆捎谖淖謨蛇厡?duì)齊而造成的額外空間時(shí)，首先要對(duì)文檔行的字符進(jìn)行分組，然后將額外的空白平均分?jǐn)偟阶址M上。

　　例如對(duì)于文字“DCWriter電子病歷文本編輯器。”，其分組為“[DCWriter][/電][子][病][歷][文][本][編][輯][器][。]”，其中一對(duì)方括號(hào)之間就是一組字符，這樣就分成11組。如果額外的空白寬度為20個(gè)單位，則需要將空白平均分?jǐn)偟竭@些字符組上面，最后一組不分?jǐn)偅谑乔懊?0組分配得到20÷(11-1)=2個(gè)單位的空白寬度。在排版時(shí)將這10個(gè)2單位的空白寬度插入到字符組之間，這樣就能拉長(zhǎng)文檔行的寬度正好等于文檔容器的客戶區(qū)寬度。

 ■■分頁(yè)

　　分頁(yè)本質(zhì)上說就是計(jì)算分頁(yè)線的位置。其過程如下

1. 首先計(jì)算出標(biāo)準(zhǔn)頁(yè)的高度，也就是紙張高度減去上下頁(yè)邊距的值，還需要考慮到頁(yè)眉頁(yè)腳的修正量。
2. 設(shè)置當(dāng)前分頁(yè)線的位置，也就是上一個(gè)分頁(yè)線的位置加上標(biāo)準(zhǔn)頁(yè)高。
3. 遍歷文檔行，若分頁(yè)線的位置在文檔行中間，說明該行文字被分割到兩頁(yè)中，此時(shí)將分頁(yè)線的位置向上移動(dòng)，使得分頁(yè)線在當(dāng)前文檔行的上邊緣和上一個(gè)文檔行下邊緣的中間。
4. 如此循環(huán)，使得所有的文檔頁(yè)的高度和大于等于文檔的內(nèi)容高度。[袁永福版權(quán)所有]

　　在進(jìn)行分頁(yè)時(shí)，也需要判斷很多邊界條件，比如當(dāng)某個(gè)文檔行非常高，比如中間放置了一個(gè)超高的圖片，使得這個(gè)文檔行的高度大于標(biāo)準(zhǔn)頁(yè)高，此時(shí)就不能隨便移動(dòng)分頁(yè)線的位置了。

　　另外當(dāng)文檔中有表格時(shí)，則需要深入到表格單元格內(nèi)部進(jìn)行修正分頁(yè)線位置的操作，這是一種遞歸操作。

 　　在電子病歷業(yè)務(wù)中有著繼續(xù)打印的功能，在筆者的實(shí)現(xiàn)中，續(xù)打位置實(shí)際上就算是一種特殊的分頁(yè)線，這樣就能避免在續(xù)打時(shí)文字被分割打印的情況。

 　　文字?jǐn)嘈泻团虐嫠惴ㄊ欠浅?fù)雜的，即使筆者經(jīng)過長(zhǎng)期的重構(gòu)再重構(gòu)，優(yōu)化再優(yōu)化，也還是花費(fèi)了一萬(wàn)多行的C#代碼來實(shí)現(xiàn)這個(gè)功能，而且還有不少地方仍然需要優(yōu)化。

　　一些人認(rèn)為C#無法開發(fā)高性能的程序，編輯器這樣程序應(yīng)該需要用C++開發(fā)。筆者經(jīng)過實(shí)踐認(rèn)為，所謂C#性能不高的說法是不對(duì)的，關(guān)鍵還是算法。C#程序只是啟動(dòng)有些慢，運(yùn)行起來后仍然可以達(dá)到很高的性能。[袁永福版權(quán)所有]