Apache FOP特定场景下换行与单词折行规则不一致问题排查咨询

复现测试用例 #

<?xml version="1.0" encoding="UTF-8"?>
<root xmlns="http://www.w3.org/1999/XSL/Format">
    <layout-master-set>
        <simple-page-master master-name="the-master-name" page-height="29.7cm" page-width="21.0cm" margin-top="1.21cm" margin-bottom=".8cm" margin-left="2.4cm" margin-right="1.5cm">
            <region-body region-name="the-region-body"/>
        </simple-page-master>
    </layout-master-set>
    <page-sequence master-reference="the-master-name" force-page-count="no-force">
        <flow flow-name="the-region-body">
            <block border="1px solid red">
                Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Aenean commodo ligula eget dolor. Aenean massa. Cum sociis natoque penatibus et magnis dis parturient montes, nascetur ridiculus mus. Donec quam felis, ultricies nec, pellentesque eu, pretium quis, sem. Nulla consequat massa quis enim. Donec pede justo, fringilla vel, aliquet nec a a a, vulputate eget, arcu. In enim justo, rhoncus ut, imperdiet a, venenatis vitae, justo. rhoncus. Maecenas tempus, tellus eget condimentum rhoncus, sem quam semper liberi a, sit amet adipiscing sem neque sed ipsum. Nam quam nunc, blandit vel, luctus pulvinaraxe, hendrerit id, lorem. Maecenas nec odio et ante tincidunt tempus. Donec vitae sapien ia a a a ut libero venenatis faucibus. Nullam quis ante. Etiam sit amet orci eget eros faucibusilem tincidunt. Duis leo. Sed fringilla mauris sit amet nibh. Donec sodales sagittis magna. Sed consequat, leo eget bibendum sodales, augue velit cursus nunc,
            </block>
        </flow>
    </page-sequence>
</root>

核心成因 #

• FOP默认采用Knuth-Plass 最优断行算法完成排版，该算法不会单纯基于行剩余空间是否可容纳字符判断折行位置，而是为所有可断行点分配不同的惩罚权重，全局选择总惩罚值最低的断行组合。
• 测试用例中的两处连续a a a序列字符结构完全一致，但上下文对应的断行惩罚权重存在本质差异，最终算出的最优折行位置自然不同：
  • 第一组a a a的末尾紧跟逗号，一方面FOP默认启用悬挂标点处理，逗号会被标记为溢出当前行内容区的元素，为避免标点超出页边距，该位置的断行惩罚值会大幅提升；另一方面标点前断行本身就属于排版优先级中需要尽量避免的场景，算法会优先选择更早的空白位置断行，哪怕当前行剩余空间仍可容纳更多字符。
  • 第二组a a a的前后均为普通实词（前接ia、后接ut），所有可断行点都是普通空白词边界，权重一致，算法会优先最大化利用当前行的可用宽度，尽可能填满行后再断行，因此折行位置更靠后。

表现说明 #

• 上述折行差异不属于程序BUG，是Knuth-Plass算法的设计目标：优先规避标点前断行、行尾空隙过大、标点溢出等不符合排版规范的问题，相同字符序列在不同上下文下出现不同折行表现是正常的计算结果。

调整方案 #

如果需要强制统一折行逻辑、让相同字符序列保持一致的折行位置，可通过以下配置调整：

• 全局关闭Knuth-Plass最优断行算法，切换为简单的逐宽度计算折行模式，配置在FOP的核心配置文件fop.xconf中完成，对应参数为 <use-knuth-line-breaking>false</use-knuth-line-breaking>
• 针对特定区域关闭悬挂标点处理，在对应block节点添加属性 overflow="visible" 同时设置 padding-right 预留标点溢出空间，避免标点触发额外的断行惩罚
• 手动为指定空白位置添加强制断行/禁止断行标记，通过white-space属性控制具体折行点

内容的提问来源于stack exchange，提问作者Monkey Supersonic