☰

tex4ht：UTF-8 HTML 源代码中撇号的 Unicode 表示

tag-icon • tag-icon unicode tex4ht apostrophe
tex4ht：UTF-8 HTML 源代码中撇号的 Unicode 表示

如果我使用 tex4ht 编译 latex 文档（在 Tex Live 2016 / Windows 10 下）

htlatex "my_doc.tex" "xhtml,charset=utf-8,fn-in" " -cunihtf -utf8"

LaTeX 源代码中的撇号字符（U+2019 (') 或 U+0027 (')）在 HTML 源代码中呈现为 ，而’不仅仅是’。

是否有可能修复此问题，也许通过自定义配置？

提前致谢。

答案1

tex4ht使用特殊文件unicode.4hf，将转换后的文档中的某些字符转换为其他字符或实体。否则，当您使用选项时，XML它们将写为字符。utf8-utf8tex4ht

-c此文件由命令选项请求tex4ht，在您的情况下是unihtf。发行版中有多个版本unicode.4hf，它们的位置在文件中配置tex4ht.env：

<unihtf>
i~/tex4ht.dir/texmf/tex4ht/ht-fonts/unicode/!
i~/tex4ht.dir/texmf/tex4ht/ht-fonts/ascii/!
i~/tex4ht.dir/texmf/tex4ht/ht-fonts/alias/!
</unihtf>

第一个找到的文件会被使用。你可以在命令行输出中找到哪一个：

tex4ht.c (2012-07-25-19:36 kpathsea)
tex4ht -utf8 
  -cunihtf 
  sample.dvi 
(/usr/local/texlive/2016/texmf-dist/tex4ht/base/unix/tex4ht.env)
(/usr/local/texlive/2016/texmf-dist/tex4ht/ht-fonts/unicode/html/charset/unicode.4hf)

当你打开此文件时，你可以在开头看到：

'&#x003C;' '' '&#x003C;' '' 
'&#x003E;' '' '&#x003E;' '' 
'&#x0022;' '' '&#x0022;' '' 
'&#x2019;' '' '&#x2019;' '' 
'&#x0026;' '' '&#x0026;' ''

要查找的字符位于第一个字段中，并且必须是数字实体的形式xml。输出字符位于第三个字段中，它可以是任何字符串，在这种情况下，它与源中的实体相同。

因此，要在文档中输出撇号，请将 复制unicode.4hf到文档的目录中，然后删除该行

'&#x2019;' '' '&#x2019;' ''

示例输出：

<!--l. 7--><p class="noindent" >hello’ world’
</p>

相关内容