LaTeX + CJK 到底干了什么?

很多人被 LaTeX 的各种文件，字体搞的头昏脑胀(我就曾经是其中一个). 其实 LaTeX+CJK 处理汉字的过程很简单。是这样的：

首先你编辑了一个文件 example.tex，里面有如下内容：

\documentclass{article}
\usepackage{CJK}
\begin{CJK}{GBK}{song}
\begin{document}
您
\end{CJK}
\end{document}

1. 用户在命令行敲入 "latex example.tex". 一个跟 "tex" 一模一样只不过叫做 "latex"的程序启动了。它其实就是 TeX, LaTeX 和 TeX 其实是同一个程序。在有些系统下 latex 是一个脚本，里面只有几行字。比如我的 Linux 版本就是这样：

   #!/bin/sh
   test -f "`kpsewhich latex.fmt`" || fmtutil --byfmt latex
   exec tex -fmt=latex "$@"
   

2. TeX 发现自己是用叫做 "latex" 的命令启动的。或者脚本里明显指明了需要"latex"格式，它就去读入一个宏包叫做 latex.fmt. 这个文件一般在 $TEXMF/web2c. 以后我们就进入了 LaTeX 的世界，看到了？LaTeX 只是 TeX 的一种特殊情况(一种“格式”)。所以如果你能明白 TeX, LaTeX 给你的很多条条框框你都可以不遵守。

3. LaTeX 发现用户使用了 CJK 宏包，在 \begin{CJK}{GBK}{song} 时，CJK 宏包把从现在开始一直到 \end{CJK} 的内容里的中文都变成了一些奇怪的TeX命令。这些命令根据不同的汉字转换不同的字体。它发现“您”，它就会把字体设置为 gbksong51, 然后取里面的第115个字符。

   为了达到这个目的，它把我们的汉字“您”变成了 "\C19/song/m/n/10/51 s", \C19/song/m/n/10/51 表示用 GBK 编码(C19) 的 song 体，粗细为 medium(m), 而不是 bold, 形状为upright(n), 而不是 italic, 大小是 10pt, 子集号码 51. 这个描述会被 C19song.fd 这个字体描述文件映射为gbksong51. 因为 C19song.fd 里有这样一行：

   \DeclareFontShape{C19}{song}{m}{n}{ CJK * gbksong}{}
   

   所以 "\C19/song/m/n/10/51" 这个命令就会把字体设置为 "gbksong51 at 10pt"(TeX术语). 后面接着一个"s", "s" 的 ASCII 码是 115, 正好是 “您” 在这个子集中的索引号。

4. LaTeX 继续处理文档的其它部分，就象处理其它任何英语文件一样……最后生成了 dvi 文件。

5. 用户用 dvips 生成 PostScript 文件。dvips 找到 config.ps 配置，读取里面的字体映射文件列表，列表里有一个文件叫做 cjk.map, 它就去读取 cjk.map. cjk.map 指出：gbksong51 这个字体的图像(glyph)应该从Type1字体文件 gbksong51.pfb 里得到…… dvips 把这些信息存到一张表里备用。

6. dvips 开始读取 dvi 文件，发现里面要求使用 gbksong51 这个字体，并且输出一个 "s" 对应的字符。它就下载(download,PostScript术语) gbksong51.pfb 到生成的 PostScript 文件 example.ps, 然后在合适的位置放上对“您”索引: s. 现在你用一个文本编辑器，比如 VIM, 打开 example.ps 就可以看到里面有如下内容：

   %%BeginFont: SimSun51
   %!FontType1-1.0: SimSun 2.10
   %%Creator: ttf2pfb, $Id: ttf2pfb.c,v 1.2 2002/07/27 12:58:58 wy Exp $
   %%CreationDate: Sun Jul 28 17:44:29 2002
   %%VMusage: 030000 030000
   ...............
   %%Page: 1 1
   TeXDict begin 1 0 bop 639 523 a Fb(s)1926 8991 y Fa(1)p
   eop end
   %%Trailer
   ....
   

   而你用 gsview 打开文件就看到了“您”。发现没有？"SimSun51" 就是插入Type1字体的开始处, 而"(s)" 就是说“输出字符串s”。这个字体里的"s"看起来就是“您”。而那个SimSun51，就是所谓的PostScript 字体名字。你的文档就是这样生成的。

   从这个分析你可以看出，TeX 在本质上处理汉字是没有任何问题的，因为经过 CJK 的转化，汉字被转成了和英文字符一样的“盒子”。我们只要按照 TeX 的规则来处理这些盒子就可以实现与英文完全同样的功能。