TeX/LaTeX 与日语

开始用 LaTeX 写日语，多半会被告知去敲 platex 或 uplatex。可这两个名字的可执行文件根本不存在。它们都是同一个引擎 euptex 所载入的 格式 名——敲下 platex，屏幕第一行打出来的是「This is e-upTeX」。把这一点吞下去，日语 TeX 的费解就消掉了一半。本页梳理：日语当初为什么需要专门的机制、今天还活着的三条路线（pLaTeX/upLaTeX 加 dvipdfmx、LuaLaTeX 加 LuaTeX-ja、XeLaTeX）究竟差在哪里，以及第一份文档该用哪条路开始写。

日语为什么需要自己的引擎

第一个理由很直白：最初的 TeX 每种字体只能寻址 256 个字符（最早期是 128 个）。要装下几千个常用汉字，更别说 JIS 字集里的数万字，就得动用把字体切成 256 字一块的子字体这类手段。第二个理由更深：排版规则本身就不一样。西文排版建立在「按词断行、词间空白可伸缩」这个前提上，而日语没有词的分界。既然哪儿都能断，就必须反过来把不许断的地方作为规则告诉系统。

这些「不许断的地方」就是避头尾处理：句读点、右括号、长音符、小写假名不放行首，左括号不放行尾。此外还有和文与西文相邻时插入的四分空（\xkanjiskip）、和文字符之间的间距（\kanjiskip）、标点的紧缩，以及竖排。pTeX 系引擎的解法是：给每个候选断点分配罚分——这个字落在行首扣多少分——再挑出整段罚分总和最小的那种切分方式。也就是说，把日语的规则当作罚分，灌进了 TeX 本来就有的「通盘看完整段再选最佳断行」的机制里。

platex 与 uplatex 的区别，以及它们本是同一个引擎

区别在于各自能处理的字符范围：platex 局限在 JIS X 0208 之内，uplatex 覆盖整个 Unicode。而它们并不是两个程序，而是同一个 euptex 引擎载入的两种格式。打开 TeX Live 目录下的 texmf-dist/web2c/fmtutil.cnf，这层关系就明明白白写在两行里：第一列是格式名，第二列是构建它的引擎。两行的第二列都是 euptex。「引擎与格式是两回事」这件事，在日语这边体现得比任何地方都清楚。

# texmf-dist/web2c/fmtutil.cnf -- format, engine, hyphenation, ini file
platex   euptex language.dat *platex.ini
uplatex  euptex language.dat *uplatex.ini

# and so the banner names the engine, not the command you typed:
$ platex  ... This is e-upTeX, Version 3.141592653-p4.1.1-u1.30-... (utf8.euc)   (preloaded format=platex)
$ uplatex ... This is e-upTeX, Version 3.141592653-p4.1.1-u1.30-... (utf8.uptex) (preloaded format=uplatex)

这行横幅值得细看。3.141592653 正是高德纳冻结的 TeX 版本号，p4.1.1 是 pTeX 扩展的版本，u1.30 是 upTeX 扩展的版本——三代履历叠在一行里。末尾的括号也有讲究：platex 报的是 (utf8.euc)，uplatex 报的是 (utf8.uptex)。稿子两边都写成 UTF-8，但引擎内部保存汉字所用的编码不同。这不是抽象之谈，它会直接咬人。喂给 platex 一个 JIS X 0208 之外的字——比如「髙」「𠮷」「鷗」——它就停在这条错误上：

! LaTeX Error: Unicode character ^^e9^^ab^^99 (U+9AD9)
               not set up for use with LaTeX.

# same file, same class, run through uplatex instead: compiles silently.

实务上的结论很简单：新开一份文档几乎没有理由走 pLaTeX，请用 uplatex。 人名里的异体字、旧字形、补充汉字、引用一句韩语或中文——没有一样是稀罕物，而每一样都能把 platex 当场卡死。仍然要选 platex 的理由只剩下两条：投稿方要求的类文件只为 pLaTeX 而写，或者你接手了既有的稿子。pTeX 系的引擎与宏，如今由 日本 TeX 开发社区 维护。

今天还活着的三条路线

实际可走的路子有三条。upLaTeX 先产出 DVI，再由 dvipdfmx 转成 PDF 的传统路线；LuaLaTeX 加 luatexja，直接输出 PDF；以及 XeLaTeX 加 xeCJK。还有第四条 pdfLaTeX 加 CJKutf8，但它要求把正文裹在 \begin{CJK}{UTF8}{min} 里，也没有像样的避头尾，所以只适合在英文论文里塞进几个日语词。三条路的分野在于：怎么拿到字体，以及通往 PDF 的路有多长。

为什么只有日语这条路还要绕经 DVI

因为 pTeX 系的引擎不能直接写出 PDF。pdfTeX 把 PDF 输出内建了，而 pTeX 干到吐出 TeX 本来的输出格式 DVI 就收工。把这份 DVI 转成 PDF 的是 dvipdfmx，它负责嵌入和文字体、以及竖排所需的坐标变换。也就是说，日语的传统路线把「排版」和「生成 PDF」分给了两个人。在本机先跑 uplatex 再跑 dvipdfmx，几百字节的 .dvi 会变成几 KB 的 PDF，用 pdffonts 一看，就能见到 HaranoAjiMincho 以 CID Type 0C 的形式被嵌了进去。

$ uplatex doc.tex      # typeset -> doc.dvi
$ dvipdfmx doc.dvi     # convert  -> doc.pdf
$ pdffonts doc.pdf
# HaranoAjiMincho-Regular   CID Type 0C   Identity-H   emb yes

# dvipdfmx is a symlink to xdvipdfmx: one binary serves both
# the Japanese .dvi route and XeTeX's .xdv output.

顺带一提，磁盘上的 dvipdfmx 其实是指向 xdvipdfmx 的符号链接。一个二进制同时照看日语的 .dvi 和 XeTeX 产出的 .xdv。一个为日语打磨出来的转换器，最后成了全世界 XeTeX 的输出环节——这是日本造的工具汇入 TeX 主流的一例。被嵌进去的原之味字体（Harano Aji）也一样，TeX Live 里就带着，所以第一份日语 PDF 用不着另买字体。

第一份文档该用哪条路来写

写上 \documentclass{jlreq}，然后用 lualatex 跑。 理由不只是质量。阿部纪行做的 jlreq 是照着 W3C 的《日语排版处理需求（JLReq）》设计的类，但实务上最叫人感激的一点是：同一份源码在 LuaLaTeX、upLaTeX、pLaTeX 上都能原样跑起来。引擎会自动判定，需要时也可以把 platex／uplatex／lualatex 写成类选项。这意味着最初的选择不是一锤定音的决定。实测把同一个 .tex 分别喂给 uplatex 和 lualatex，两边都能输出嵌了原之味明朝的 PDF。

% runs unchanged under lualatex, uplatex and platex
\documentclass{jlreq}
\begin{document}
こんにちは、\LaTeX。日本語の組版です。
\end{document}

想换字体时，LuaLaTeX 下载入 luatexja-fontspec，用 \setmainjfont 指定明朝、\setsansjfont 指定黑体。若要靠向传统一路，标配是给 pLaTeX/upLaTeX 用的 jsclasses（jsarticle、jsbook），以及 LuaLaTeX 专用的 ltjsclasses（ltjsarticle 等）。不过一旦选了 ltjsarticle，编译器也要跟着换成 LuaLaTeX——类与引擎对不上，是日语环境里最常见的事故。

最初会卡住的地方

日语出不来或变成乱码时，原因几乎只有两种：稿件的字符编码，或者类与引擎不匹配。请把稿子存成 UTF-8。从前 EUC-JP、Shift_JIS、ISO-2022-JP 并存，nkf 这类转换工具是必备家伙；现在不需要了。upTeX 与 LuaTeX 原生支持 Unicode，现行的 pLaTeX 也以 UTF-8 输入为前提。只有接手旧稿时才需要转换。另一个陷阱是换行符：LF 与 CRLF 混在同一个文件里，可能造成难以追查的崩坏。

• 不要用 pdflatex 排日语正文。看到报错或乱码，先怀疑编译器设置；就算用 CJKutf8，正文也得裹在 \begin{CJK}{UTF8}{min} 里。
• 载入 ltjsarticle 或 luatexja 就用 lualatex 编译；用 jsarticle 就用 uplatex。是类决定引擎，所以编辑器的构建设置也要跟着改。
• 若 platex 报出 ! LaTeX Error: Unicode character ... not set up for use with LaTeX.，说明那个字在 JIS X 0208 之外，换成 uplatex 多半就过了。
• 合作写稿时，把引擎名、字符编码、类名这三样写进 README 的一行。三者不齐，对方那边就复现不出来。
• 若投稿方发的是为 platex 写的类文件，照办便是——但交稿前要确认正文里没混进异体字。