最好的自动换行算法？ [关闭]
Posted
技术标签:
【中文标题】最好的自动换行算法？ [关闭]【英文标题】：Best word wrap algorithm? [closed] 【发布时间】：2010-09-06 06:21:36 【问题描述】：自动换行是现代文本编辑器的必备功能之一。
如何处理自动换行？换行的最佳算法是什么？
如果文本有几百万行，我怎样才能使自动换行非常快？
为什么我需要解决方案？因为我的项目必须绘制具有不同缩放级别的文本，同时还要美观。
运行环境为 Windows Mobile 设备。最高 600 MHz 的速度，内存非常小。
我应该如何处理线路信息？假设原始数据有三行。
THIS IS LINE 1.
THIS IS LINE 2.
THIS IS LINE 3.
之后，中断文本将显示如下：
THIS IS
LINE 1.
THIS IS
LINE 2.
THIS IS
LINE 3.
我应该再分配三行吗？或者有什么其他建议？
【问题讨论】：
关于你的更新和速度问题，记得稍后优化。首先，编写你的自动换行算法。如果是文本，则运行一百万行。如果且仅当对于您的要求而言速度太慢，则进行优化。 问题没有明确指定它用于固定宽度的字体，尽管示例和“文本编辑器”中的使用暗示了这一点。只有 Yaakov Ellis 的回答提到了非固定宽度字体的文本换行。 以什么方式最好？最漂亮、最快、最小、最简单、最聪明…… 【参考方案1】：带或不带连字符？
没有它很容易。只需将您的文本封装为每个单词的 wordobjects 并给它们一个方法 getWidth()。然后从第一个单词开始累加行长度，直到它大于可用空间。如果是这样，则将最后一个单词换行并重新开始计算以该单词开头的下一行，依此类推。
使用断字，您需要采用通用格式的断字规则，例如：hy-phen-a-tion
那么和上面一样，只是需要拆分导致溢出的最后一个单词。
Gang of Four Design Patterns 一书中提供了一个很好的示例和教程，说明如何为优秀的文本编辑器构建代码。这是他们展示模式的主要样本之一。
【讨论】：
为什么会被选为-1？当然贪心算法不是最优的，但是...... 打败了我。我也很惊讶。 因为说它“容易”是不正确的，所以即使你忽略连字符，为这项工作编写一个有效的算法也不是一件容易的事。也很难创建对固定宽度和可变宽度字体都有效的任何版本。 Easy 不正确，因此投反对票。【参考方案2】：我不知道任何具体的算法，但以下可能是它应该如何工作的粗略概述：
-
对于当前的文本大小、字体、显示大小、窗口大小、边距等，确定一行可以容纳多少个字符（如果是固定类型），或者一行可以容纳多少像素（如果不是固定类型）。
逐个字符遍历该行，计算自该行开始以来记录了多少个字符或像素。
当您超过该行的最大字符数/像素数时，移回最后一个空格/标点符号，并将所有文本移至下一行。
重复，直到浏览完文档中的所有文本。
在 .NET 中，自动换行功能内置于 TextBox 等控件中。我确信其他语言也存在类似的内置功能。
【讨论】：
【参考方案3】：这是我用 C# 编写的自动换行算法。翻译成其他语言应该相当容易（可能IndexOfAny 除外）。
static char[] splitChars = new char[] ' ', '-', '\t' ;
private static string WordWrap(string str, int width)
string[] words = Explode(str, splitChars);
int curLineLength = 0;
StringBuilder strBuilder = new StringBuilder();
for(int i = 0; i < words.Length; i += 1)
string word = words[i];
// If adding the new word to the current line would be too long,
// then put it on a new line (and split it up if it's too long).
if (curLineLength + word.Length > width)
// Only move down to a new line if we have text on the current line.
// Avoids situation where wrapped whitespace causes emptylines in text.
if (curLineLength > 0)
strBuilder.Append(Environment.NewLine);
curLineLength = 0;
// If the current word is too long to fit on a line even on it's own then
// split the word up.
while (word.Length > width)
strBuilder.Append(word.Substring(0, width - 1) + "-");
word = word.Substring(width - 1);
strBuilder.Append(Environment.NewLine);
// Remove leading whitespace from the word so the new line starts flush to the left.
word = word.TrimStart();
strBuilder.Append(word);
curLineLength += word.Length;
return strBuilder.ToString();
private static string[] Explode(string str, char[] splitChars)
List<string> parts = new List<string>();
int startIndex = 0;
while (true)
int index = str.IndexOfAny(splitChars, startIndex);
if (index == -1)
parts.Add(str.Substring(startIndex));
return parts.ToArray();
string word = str.Substring(startIndex, index - startIndex);
char nextChar = str.Substring(index, 1)[0];
// Dashes and the likes should stick to the word occuring before it. Whitespace doesn't have to.
if (char.IsWhiteSpace(nextChar))
parts.Add(word);
parts.Add(nextChar.ToString());
else
parts.Add(word + nextChar);
startIndex = index + 1;
它相当原始 - 它以空格、制表符和破折号分隔。它确实确保破折号坚持它之前的单词（所以你不会以 stack\n-overflow 结束），尽管它不赞成将带连字符的小单词移动到换行符而不是拆分它们。如果单词太长而不是一行，它会拆分单词。
这也是相当特定的文化，因为我不太了解其他文化的自动换行规则。
【讨论】：
非常简洁明了。小错误：如果字符串包含换行符，则 curLineLength 应设置为零（最简单的方法是在断字符中添加 '\n'，然后测试 word 是否等于 '\n'）。 另外，最好不要在拆分长词时尝试使用连字符，而是将它们分开。正确的行尾连字符是一个难题，即使对于英语（不是英语或英语）也是如此。 其中一个错误是非空格字符。例如，如果您的用户输入了 LATIN SMALL LETTER E 后跟 COMBINING BREVE，并且只有 50 个单词，那么您将每行的 2/3 到 1/2 留空。规范化为 FormC 将限制组合的单个代码点变体，但通常您需要扫描并检查每个字形以查看它是否是间距字符。小问题通常，一些输入的大问题。【参考方案4】：Donald E. Knuth 在他的 TeX 排版系统中对换行算法做了很多工作。这可以说是最好的换行算法之一——就结果的视觉外观而言是“最好的”。
他的算法避免了贪婪线填充的问题，在这种情况下，你可能会得到一条非常密集的线，然后是一条非常松散的线。
可以使用动态规划来实现高效的算法。
A paper on TeX's line breaking.
【讨论】：
【参考方案5】：最近有机会写一个自动换行功能，想分享一下自己的想法。
我使用的TDD 方法几乎与Go example 中的方法一样严格。我从包装字符串“Hello, world!”的测试开始。宽度为 80 时应返回“Hello, World!”。显然，最简单的方法是原封不动地返回输入字符串。从那开始，我进行了越来越复杂的测试，最终得到了一个递归解决方案，它（至少对我而言）非常有效地处理了任务。
递归解决方案的伪代码：
函数 WordWrap（输入字符串，宽度） 修剪前导和尾随空格的输入字符串。 如果修剪后的字符串的长度这仅在空格处换行，如果要换行已经包含换行符的字符串，则需要在换行符处将其拆分，将每个部分发送到此函数，然后重新组合字符串。尽管如此，在快速机器上运行的 VB.NET 中，这可以处理大约 20 MB/秒。
【讨论】：
【参考方案6】：我对自己的编辑器项目也有同样的想法。我的解决方案分为两步：
-
找到行尾并将它们存储在一个数组中。
对于很长的线，以大约 1K 的间隔找到合适的断点，并将它们也保存在线阵列中。这是为了捕捉“4 MB 文本，没有一个换行符”。
当您需要显示文本时，找到有问题的行并即时换行。在缓存中记住此信息以便快速重绘。当用户滚动整个页面时，刷新缓存并重复。
如果可以，请在后台线程中加载/分析整个文本。这样，您就可以在文档的其余部分仍在检查时显示文本的第一页。这里最简单的解决方案是删除前 16 KB 的文本并在子字符串上运行算法。这非常快，即使您的编辑器仍在加载文本，您也可以立即呈现第一页。
当光标最初位于文本末尾时，您可以使用类似的方法；只需阅读最后 16 KB 的文本并对其进行分析。在这种情况下，使用两个编辑缓冲区并将除最后 16 KB 之外的所有内容加载到第一个缓冲区中，而用户被锁定在第二个缓冲区中。当你关闭编辑器时，你可能想记住文本有多少行，这样滚动条就不会看起来很奇怪。
当用户可以将光标放在中间某处启动编辑器时，它会变得很棘手，但最终它只是最终问题的扩展。只需要记住字节位置、当前行号和上次会话的总行数，另外还需要三个编辑缓冲区，或者需要一个可以在中间切掉 16 KB 的编辑缓冲区。
或者，在文本加载时锁定滚动条和其他界面元素；允许用户在完全加载时查看文本。
【讨论】：
【参考方案7】：@ICR，感谢分享 C# 示例。
我没有成功使用它，但我想出了另一个解决方案。如果对此有任何兴趣，请随时使用： WordWrap function in C#。来源是on GitHub。
我已经包含了单元测试/示例。
【讨论】：
【参考方案8】：我不能声称它没有错误，但我需要一个包含单词并遵守缩进边界的东西。除了到目前为止它对我有用之外，我对这段代码没有任何要求。这是一种扩展方法，违反了 StringBuilder 的完整性，但可以使用您想要的任何输入/输出来实现。
public static void WordWrap(this StringBuilder sb, int tabSize, int width)
string[] lines = sb.ToString().Replace("\r\n", "\n").Split('\n');
sb.Clear();
for (int i = 0; i < lines.Length; ++i)
var line = lines[i];
if (line.Length < 1)
sb.AppendLine();//empty lines
else
int indent = line.TakeWhile(c => c == '\t').Count(); //tab indents
line = line.Replace("\t", new String(' ', tabSize)); //need to expand tabs here
string lead = new String(' ', indent * tabSize); //create the leading space
do
//get the string that fits in the window
string subline = line.Substring(0, Math.Min(line.Length, width));
if (subline.Length < line.Length && subline.Length > 0)
//grab the last non white character
int lastword = subline.LastOrDefault() == ' ' ? -1 : subline.LastIndexOf(' ', subline.Length - 1);
if (lastword >= 0)
subline = subline.Substring(0, lastword);
sb.AppendLine(subline);
//next part
line = lead + line.Substring(subline.Length).TrimStart();
else
sb.AppendLine(subline); //everything fits
break;
while (true);
【讨论】：
【参考方案9】：我不妨加入我制作的 perl 解决方案，因为 gnu fold -s 会留下尾随空格和其他不良行为。此解决方案不（正确）处理包含制表符或退格或嵌入回车等的文本，尽管它确实处理 CRLF 行尾，将它们全部转换为 LF。它对文本的更改很小，特别是它从不拆分单词（不会更改wc -w），并且对于一行中只有一个空格（并且没有 CR）的文本不会更改wc -c （因为它 用 LF 替换 空间而不是 插入 LF）。
#!/usr/bin/perl
use strict;
use warnings;
my $WIDTH = 80;
if ($ARGV[0] =~ /^[1-9][0-9]*$/)
$WIDTH = $ARGV[0];
shift @ARGV;
while (<>)
s/\r\n$/\n/;
chomp;
if (length $_ <= $WIDTH)
print "$_\n";
next;
@_=split /(\s+)/;
# make @_ start with a separator field and end with a content field
unshift @_, "";
push @_, "" if @_%2;
my ($sep,$cont) = splice(@_, 0, 2);
do
if (length $cont > $WIDTH)
print "$cont";
($sep,$cont) = splice(@_, 0, 2);
elsif (length($sep) + length($cont) > $WIDTH)
printf "%*s%s", $WIDTH - length $cont, "", $cont;
($sep,$cont) = splice(@_, 0, 2);
else
my $remain = $WIDTH;
do
print "$sep$cont";
$remain -= length $sep;
$remain -= length $cont;
($sep,$cont) = splice(@_, 0, 2) or last;
while (length($sep) + length($cont) <= $remain);
print "\n";
$sep = "";
while ($cont);
【讨论】：
【参考方案10】：这是我今天为了好玩而在 C 中工作的：
以下是我的考虑：
不复制字符，只打印到标准输出。因此，由于我不喜欢修改 argv[x] 参数，并且因为我喜欢挑战，所以我想在不修改的情况下进行。我没有考虑插入'\n'。
我不想
This line breaks here
成为
This line breaks
here
因此，鉴于此目标，将字符更改为 '\n' 不是一种选择。
如果线宽设置为 80，并且第 80 个字符位于单词的中间，则整个单词必须放在下一行。因此，在您扫描时，您必须记住最后一个不超过 80 个字符的单词的结尾位置。
所以这是我的，不干净；在过去的一个小时里，我一直在努力让它工作，在这里和那里添加一些东西。它适用于我所知道的所有边缘情况。
#include <stdlib.h>
#include <string.h>
#include <stdio.h>
int isDelim(char c)
switch(c)
case '\0':
case '\t':
case ' ' :
return 1;
break; /* As a matter of style, put the 'break' anyway even if there is a return above it.*/
default:
return 0;
int printLine(const char * start, const char * end)
const char * p = start;
while ( p <= end )
putchar(*p++);
putchar('\n');
int main ( int argc , char ** argv )
if( argc <= 2 )
exit(1);
char * start = argv[1];
char * lastChar = argv[1];
char * current = argv[1];
int wrapLength = atoi(argv[2]);
int chars = 1;
while( *current != '\0' )
while( chars <= wrapLength )
while ( !isDelim( *current ) ) ++current, ++chars;
if( chars <= wrapLength)
if(*current == '\0')
puts(start);
return 0;
lastChar = current-1;
current++,chars++;
if( lastChar == start )
lastChar = current-1;
printLine(start,lastChar);
current = lastChar + 1;
while(isDelim(*current))
if( *current == '\0')
return 0;
else
++current;
start = current;
lastChar = current;
chars = 1;
return 0;
所以基本上，我想将start 和lastChar 设置为行的开头和行的最后一个字符。设置好后，我将所有字符从头到尾输出到标准输出，然后输出'\n'，然后继续下一行。
最初一切都指向开始，然后我跳过带有while(!isDelim(*current)) ++current,++chars; 的单词。当我这样做时，我记得最后一个字符在 80 个字符之前 (lastChar)。
如果在一个单词的末尾，我已经传递了我的字符数 (80)，那么我就会退出 while(chars <= wrapLength) 块。我输出start 和lastChar 和newline 之间的所有字符。
然后我将current 设置为lastChar+1 并跳过分隔符（如果这导致我到达字符串的末尾，我们就完成了，return 0）。将start、lastChar 和current 设置为下一行的开头。
if(*current == '\0')
puts(start);
return 0;
part 用于太短而无法包装一次的字符串。我在写这篇文章之前添加了这个，因为我尝试了一个短字符串但它不起作用。
我觉得这可能以更优雅的方式可行。如果有人有什么建议，我很乐意尝试。
当我写这篇文章时，我问自己“如果我有一个比我的 wraplength 长的单词的字符串会发生什么” 好吧，它不起作用。所以我添加了
if( lastChar == start )
lastChar = current-1;
在printLine() 语句之前（如果lastChar 没有移动，那么我们有一个单词对于单行来说太长了，所以我们只需要把整个东西放在一行上）。
自从我写这篇文章以来，我就从代码中删除了 cmets，但我真的觉得肯定有比我不需要 cmets 的更好的方法来做到这一点。
这就是我如何写这个东西的故事。我希望它可以对人们有用，我也希望有人对我的代码不满意，并提出一种更优雅的方式。
需要注意的是，它适用于所有边缘情况：单词对于一行来说太长，字符串短于一个 wrapLength，以及空字符串。
【讨论】：
以上是关于最好的自动换行算法？ [关闭]的主要内容，如果未能解决你的问题，请参考以下文章