开源夏令营之foldcolumn工具及解决方案（三）表格列超长自动换行实现

常用自动换行算法

参见WIKI关于自动换行算法的介绍链接

自动换行是一个最优化问题，因不同的需求有不同的解决办法，下面是两种常用的算法。

最小长度

这种方法是实现自动换行的一个简单方法，属于贪心算法：尽可能多的单词放进一行里，直到所有的单词都已经放进去为止。这是很多现代文字处理软件的做法，如Microsoft Word和Open Office 。这个算法在追求最少行数的目标上能够达到最优化。下面是该算法的伪代码实现：

SpaceLeft = LineWidth
for each Word in Text
  if Width(Word) > SpaceLeft
    insert line break before Word in Text
    SpaceLeft = LineWidth - Width(Word)
  else
    SpaceLeft = SpaceLeft - (Width(Word) + SpaceWidth)

LineWidth指一行的宽度，SpaceLeft指一行中剩余的空格，SpaceWidth是一个空格的宽度，Text是输入的文本，Word是文本中的一个单词。

注意：实现中，对于连续不能换行长度大于表格列宽的字符串（如长单词）直接从下一行开始输出。

最小破损度

在TeX中使用的，则是另一个算法，旨在将行尾空格数的平方最小化，以产生一个更加美观的结果。以上的最小长度算法不能完成这一目标,为了解决这个问题，我们需要定义一个惩罚函数c(i, j)，用于计算包含单词Word[i]到单词Word[j]的一行的代价：

其中P通常为2或3。另外，有一些特殊的情况值得考虑：如果结果为负（即单词串不能全部放在一行里），惩罚函数需要反映跟踪或压缩文本以适应一行的代价；如果这是不可能的，则返回无穷大。最优解的代价可以用以下的递归式定义：

这种方法的时间与空间代价是值得考虑的：当利用动态规划来实现，时间和空间复杂度均为O(N^2)。

foldcolumn自动换行实现

算法选择

foldcolumn采用上面的最小长度方法实现自动换行，而不采用最小破损度的方法，下面分析原因：

（1）从命令行管道等读入数据，不能提前读入数据，所以不适合最小破损度的方法；

（2）从文件读入数据时，可以使用最小破损度的方法，但是这种算法的复杂度不适合本项目，一是空间复杂度较高，二是需要多次读入数据来确定列宽。

算法实现

循环读入一行数据，按列分隔符分列，对每列循环使用最小长度算法进行输出，这里和上面的算法描述不同的是，不是按单词来处理，而是按连续不能断行的字符串来处理。其中借助libunibreak的liblinebreak库判读某个字符后面是否可以断行，liblinebreak的使用方法如下：

 liblinebreak/libunibreak提供了简单明了的函数接口，使我们能对Annex 14/29等不是很了解的情况下，能根据其返回信息，决定该如何换行、断单词。如使用时，先init初始化，再根据编码调用set_linebreaks_utf32(const utf32_t*s, size_t len, const char *lang, char *brks）等相应函数，获得一段数据的必须换行、允许换行、不可换行等信息并存储在brks，然后我们根据brks再结合实际需求选择某些可以断行位置实现断行输出。具体实现参见foldcolumn/libfoldcolumn/src/foldcolumn.c foco_dumpOneLineOfColumn函数。

效果展示

不包含连续不可断行的长字符串

包含连续不可断行的长字符串

参考

自动换行实现链接

libunibreak链接