标题 Small caps 的样式未适配

[timelic]

问题描述

对于这种 Small caps 的标题字号，应该参考第一个字母而非后续字母。判定条件应该是段落字体本身较大，且段落内有多个较为突出的首字母。

# converter.py
if not cur_v:                                               # 文字入栈
    if (                                                    # 根据当前字符修正段落属性
        child.size > pstk[-1].size / 0.79                   # 1. 当前字符显著比段落字体大
        or len(sstk[-1].strip()) == 1                       # 2. 当前字符为段落第二个文字（考虑首字母放大的情况）
    ) and child.get_text() != " ":                          # 3. 当前字符不是空格
        pstk[-1].y -= child.size - pstk[-1].size            # 修正段落初始纵坐标，假设两个不同大小字符的上边界对齐
        pstk[-1].size = child.size
    sstk[-1] += child.get_text()

测试文档

Important

请提供用于复现测试的 PDF 文档

https://openreview.net/pdf?id=u1cQYxRI1H

[Byaidu]

有一种类似的情况是这样，也是第一个字母比第二个字母大 #86

想要区分两者需要额外的工作，而且启发式方法不一定准确

[timelic]

@Byaidu 首字母下沉和small caps确实容易造成混淆，但是并非无法区分。关键是首字母下沉只会有一次，而small caps会有多个较大的首字母。

[Byaidu]

想了一下，我们可能不需要在状态转移时维护“出现了几个突出的首字母”

我们可以直接把代码里的规则1阈值去掉，改成child.size > pstk[-1].size就可以了，这样第二次突出大写出现的时候就会自动修正

至于当初为啥写的0.79好像记不太清了，可能是历史遗留（x

[timelic]

想了一下，我们可能不需要在状态转移时维护“出现了几个突出的首字母”

我们可以直接把代码里的规则1阈值去掉，改成child.size > pstk[-1].size就可以了，这样第二次突出大写出现的时候就会自动修正

至于当初为啥写的0.79好像记不太清了，可能是历史遗留（x

是的，这似乎非常巧妙！