语言学 (gb4e/tipa/avm)

在语言学论文里，真正让 LaTeX 变得非用不可的，不是树也不是音标，而是编号。「见 (1)」「与 (3b) 对照」——例句的编号会被正文反复引用，而中途插入一个例子，后面的编号就全都要挪。手工做这件事是不可能的，于是语言学家来到了 gb4e 和 expex 这类为带编号的例句与注释而生的宏包面前。本页就围绕这套编号机制展开，涵盖行间注释（\gll 与 \glt）、IPA 音标（tipa 与 Unicode）、OT 的 tableau，以及特征结构。同时也记下在 TeX Live 2024 上真正踩到的坑——标签名里只要有一个下划线，gb4e 就会连 PDF 都不产出地死掉。

带编号的例句与子例——生成 (1) 与 (1a) 的两种流派

真正在用的选项实际只有两个：gb4e 和 expex。gb4e 是在 exe 环境里排列 \ex，需要子例的地方嵌套一个 xlist 环境——(1) 下面会出现 a.、b.，而引用则搭在 LaTeX 标准的 \label / \ref 上。expex 的路数完全不同：用 \pex … \xe 括起例句，子例用 \a，而引用不用 LaTeX 的 \ref，而用它自己的 \getref。选哪个，基本取决于「你想不想搭在 LaTeX 的引用机制上」。另外 linguex（v4.3）和 covington（v2.14）也在 TeX Live 2024 里，前者的特色是能用 \ex. 这种像标点一样简短的记法书写。

用 gb4e 排行间注释——\gll 与 \glt

行间注释的本质是逐词的纵向对齐，这正是 \gll 的职责。第一行写原始数据，第二行写逐词注释，各行以 \\ 结束，gb4e 就会按空格切分两行并把对应的词纵向对齐。自由译文交给第三行的 \glt（需要三行对齐时用 \glll）。要留意的是，对齐的单位是「以空格分隔的词」。若原文的一个词需要两个词来注释，就用句点连成一个记号 this.one——这也是莱比锡注释规则的做法，而 TeX Live 附带的 leipzig 宏包会定义 \Erg、\Pfv 之类的标准缩写。非语法性的标记写在方括号里，例如 \ex[*]{...}。若只有一个例句，还有一种不必开 exe 环境的简写：用 \ea … \z 括起来即可。

\documentclass{article}
\usepackage{gb4e}
\noautomath          % see the next section: this line prevents a fatal error
\begin{document}

\begin{exe}
  \ex \label{ex:one}
  \gll Kore wa rei desu.\\
       this TOP example COP\\
  \glt `This is an example.'
  \begin{xlist}
    \ex \label{ex:sub} A sub-example, printed with the label a.
  \end{xlist}
  \ex[*]{ Sleep colorless green ideas furiously. }
\end{exe}

See (\ref{ex:one}) and (\ref{ex:sub}).
\end{document}

当 gb4e 以 ! TeX capacity exceeded, sorry [parameter stack size=20000]. 崩溃时

原因是下划线，修法就是在 \usepackage{gb4e} 之后紧接着加一行 \noautomath。仅仅写了 \label{ex_one}，TeX Live 2024 的 pdfLaTeX 就会这样倒下：! TeX capacity exceeded, sorry [parameter stack size=20000].，回溯里出现 \gb@ifnextchar，最后以 ==> Fatal error occurred, no output PDF file produced! 收场。一个字节的 PDF 都不会产出。 同样的事在 \cite{smith_2020} 上也会发生——用下划线把作者和年份连起来是极普通的 BibTeX 键写法，于是刚加上参考文献，文档就坏了。加上 \noautomath，两者都能通过。

之所以如此，gb4e 自己的源码里写得很清楚。gb4e 把 _ 和 ^ 变成活动字符，好让下标和上标能直接写在正文里。效果确实惊人：载入 gb4e 后，可以在段落中直接敲 NP_i、t_j、X^0。不载入的话，同样的输入会得到 ! Missing $ inserted.——对一篇要写几百次带下标范畴标签的句法学论文而言，这是实实在在的便利。代价则是与所有以 TeX 本义使用 _ 的宏正面冲突。源码中的注记正是这么说的：本文件让 _ 与 ^ 可用于正文，因此必须在任何以 TeX 本义使用它们的文件之后载入，并提到可用 \noautomath 关闭该特性。「gb4e 要放在导言区最后」这条常见忠告，内涵就在这里。

\cref 印成 ?? 1——cref reference format for label type 'xnumi' undefined

修法是在导言区加两行：\crefname{xnumi}{example}{examples} 与 \crefname{xnumii}{example}{examples}。把 gb4e 与 cleveref 一起载入，编译本身一个错误都不会报，顺利通过，可 \cref{ex:one} 的输出却是 ?? 1。查看 .aux 会看到 \newlabel{ex:one@cref}{{[xnumi][1][]1}...}，而日志里留着 LaTeX Warning: cref reference format for label type 'xnumi' undefined。cleveref 为每一种计数器都备了称呼，却不认得 gb4e 的例句计数器 xnumi（子例是 xnumii），于是在该放名称的位置塞了 ??。由于这是警告而不是错误，编译照样通过——一份带着两百处 ?? 1 的 PDF 就是这样被交上去的。加上那两行之后，\cref{ex:one} 会印出 example 1，\cref{ex:sub} 会印出 example 1a。

另一方面，常被一并提起的与 hyperref 的冲突，在 TeX Live 2024 上没有复现。无论把 \usepackage{hyperref} 放在 gb4e 之前还是之后，含 \gll 的例句都能无错排出，\ref 也正确返回 (1)。网上「gb4e 与 hyperref 不能同用」的说法，至少对同捆版本的组合而言，可以视为过时信息。不过载入顺序的原则本身依然有效——若不使用 \noautomath，请把 gb4e 放在其他使用 _ 的宏包之后。

\documentclass{article}
\usepackage{gb4e}
\usepackage{cleveref}
% Without these two lines \cref prints "?? 1" and the run still succeeds:
%   LaTeX Warning: cref reference format for label type `xnumi' undefined
\crefname{xnumi}{example}{examples}    % top-level examples: (1), (2), ...
\crefname{xnumii}{example}{examples}   % sub-examples: (1a), (1b), ...
\begin{document}
\begin{exe}
  \ex \label{ex:one} A top-level example.
  \begin{xlist}
    \ex \label{ex:sub} A sub-example.
  \end{xlist}
\end{exe}
See \cref{ex:one} and \cref{ex:sub}.   % -> "example 1 and example 1a"
\end{document}

expex 的引用机制——\getref、\getfullref、\nextx

在 expex 里，标签不用 \label，而是写在例句紧后的尖括号里——\pex<top>，子例则是 \a<one>。引用用 \getref{top} 得到 1；子例要带上父级前缀，\getref{top.one} 得到 a；而 \getfullref{top.two} 得到 1b，即把上层编号与子标号合在一起的形式。前向引用还有 \nextx（下一个例句的编号）与 \lastx（前一个例句的编号），于是「见下面的 (1)」可以不写具体数字。当引用无法解析时，输出里会印出带方括号的 [one]，日志中出现 ====> EXPEX WARNING: tag one is called but not defined.——就不让未定义的引用悄悄溜过这一点而言，它比 cleveref 的组合更安全。

\documentclass{article}
\usepackage{expex}     % lives in tex/generic: works under plain TeX too
\begin{document}
Consider (\nextx).     % forward reference to the example below

\pex<top>
  \a<one> \begingl
    \gla Kore wa rei desu.//
    \glb this TOP example COP//
    \glft `This is an example.'//
  \endgl
  \a<two> A second sub-example.
\xe

% \getref{top} -> 1   \getref{top.one} -> a   \getfullref{top.two} -> 1b
See (\getref{top}), (\getref{top.one}) and (\getfullref{top.two}).
\end{document}

expex 出自约翰·弗兰普顿（东北大学）之手；README 的版权年份为 2006–2017，随附版本为 v5.1b，用户指南长达 82 页。技术上有意思的是它所在的位置：tex/generic/expex/。也就是说，它不是 LaTeX 专用，而是在 plain TeX 下也能运行的宏集，expex.sty 只是一层薄薄的 LaTeX 包装。注释的写法也和 gb4e 不同：在 \begingl … \endgl 中排列 \gla（原始数据）、\glb（逐词注释）、\glft（自由译文），而每行以 // 结束，不是 \\。这个 // 正是初次接触 expex 的人最先弄错的地方。

Language Science Press 的工具组——langsci-gb4e 与 langsci-avm

当下语言学 LaTeX 生态中更新最勤的一角，是开放获取的语言学专业出版社 Language Science Press 发布的那一组宏包。langsci-gb4e.sty（日期 2022-10-21）是经过整理的 gb4e，并把 cgloss 与 jambox 的功能一并纳入。文件放在 tex/xelatex/langsci/，但 kpsewhich 不论引擎都能找到，实测在 pdfLaTeX 与 XeLaTeX 下都能无错通过。同一目录里还有 langscibook.cls——出版社用来排自家图书的那个真正的类。一家把书免费公开的出版社，连排出这些书的排版类也一并放上 CTAN，于是作者能在自己机器上做出与出版社相同的 PDF。

关于特征结构（属性值矩阵），要注意旧文章点名的 Chris Manning 的 avm 宏包并不在 TeX Live 2024 里。写 \usepackage{avm} 会停在 ! LaTeX Error: File 'avm.sty' not found.。取而代之的是 langsci-avm（Felix Kopecky，v0.3.0，2023 年 2 月 21 日），其 README 明说它「与 Christopher Manning 的 avm 宏包服务于同一目的，但不共享任何代码」。它的写法是命令而非环境：\avm{ [ cat & [ head & noun \\ case & nom ] ] }，用 & 分隔属性与值，用 \\ 分隔行。方括号、尖括号、圆括号、花括号各自会排出对应的括号。手册里有一节讲从 Manning 的 avm 迁移，手上有旧稿的话，从那里读起最省事。

如何排 IPA 音标——tipa、Unicode、tipauni 三选一

pdfLaTeX 就用 tipa，XeLaTeX / LuaLaTeX 就直接敲 Unicode，而 tipauni 是二者之间的桥。 tipa（福井玲 编写）用 ASCII 简写书写 IPA：\textipa{[tSi:z]}，其中 S 是 ʃ、T 是 θ、N 是 ŋ、@ 是 ə、P 是 ʔ。记住这套映射是第一道门槛，但记住之后输入很快，而且只靠 pdfLaTeX 就能完成。若连续出现多处转写，可以用 IPA 环境整段包起来，不必反复写 \textipa{...}。若能用 XeLaTeX 或 LuaLaTeX，最直截了当的路子是用 fontspec 选一款含 IPA 的字体，在编辑器里直接敲 [tʃiːz]。TeX Live 2024 附带了 Linguistics Pro（linguisticspro），这是一套含 IPA 符号与声调符号的 OpenType 字族，所以不必额外安装就能走这条路。

不过，这两条路产出的 PDF 并不相同。用 pdftotext 从 tipa 排出的 PDF 中抽取文本，得到的是 [tSi:z]——是你输入的简写，而不是 IPA。用 pdffonts 查看，嵌入的字体是 TeX-tipa10 这个 Type 1 字体，编码为 Builtin；也就是说 PDF 的文本层不是 Unicode，读者复制或检索时都得不到 IPA。把同样的内容用 XeLaTeX 加 Linguistics Pro 排出来，pdftotext 返回的则是 [tʃiːz]、[θɔːt]、[sɪŋ]、[ma˥˥]。如果能设想审稿人会搜索某个音标，或者作者要从 PDF 里把自己的数据取回来，那么这个差别就不能耸耸肩带过。

于是 tipauni 就登场了（作者 निरंजन，v0.7a，2023 年 2 月 13 日，GPL v3+）。这是一个保留 TIPA 命令、却输出 Unicode 字符的宏包。把文档里的 \usepackage{tipa} 换成 \usepackage{tipauni} 再用 LuaLaTeX 编译，pdftotext 返回的就是 [tʃiːz], [θɔːt], [sɪŋ]。也就是说，二十年积攒的 \textipa{...} 不必重写，就能迁移到可检索的 PDF。它自带的示例假定使用 Charis SIL，但在没有该字体的机器上会退回 New Computer Modern，照样能用。作为 tipa 的兄弟，同一套里还有绘制元音四边形的 vowel（\putcvowel）；用来排音系规则的 phonrule 也在 TeX Live 2024 中。

% Three routes to IPA, and what pdftotext gets back from each PDF.

% 1. pdfLaTeX + tipa -> text layer is the shorthand, not IPA: "[tSi:z]"
\usepackage{tipa}
\textipa{[tSi:z]}   \textipa{[TO:t]}   \textipa{[sIN]}

% 2. LuaLaTeX + tipauni -> same commands, Unicode output: "[tSiz]" becomes IPA
\usepackage{tipauni}
\textipa{[tSi:z]}

% 3. XeLaTeX/LuaLaTeX + fontspec -> type the IPA directly
\usepackage{fontspec}
\setmainfont{LinguisticsPro-Regular.otf}[
  Path = /usr/local/texlive/2024/texmf-dist/fonts/opentype/public/linguisticspro/]
% then simply: [tʃiːz] [θɔːt] [sɪŋ] [ma˥˥]

优选论的 tableau——ot-tableau 与 *! 的位置

OT 的 tableau 由 ot-tableau 宏包提供，只需三个命令：输入、制约、候选。\inp{/pat/} 给出输入形式，一连串 \const{NoCoda} 把制约从左到右排开，每个候选写成 \cand{pa}{}{*}{}——候选形式后面跟着它对各制约的违反。最优候选用 \cand[\Optimal]{...} 标记，会得到那个指示手符号。致命违反直接写 *!，就照样印出来。要紧的是，制约的排序就是你书写 \const 的顺序，因此做重排序实验时，只需调换那几行 \const，而不必手工重排列。用 TeX Live 2024 附带版本编译 tableau 环境，没有报错。

\usepackage{ot-tableau}
...
\begin{tableau}{c|c|c}
  \inp{/pat/}
  \const{NoCoda}\const{Max}\const{Dep}
  \cand[\Optimal]{pa}{}{*}{}
  \cand{pat}{*!}{}{}
  \cand{pati}{}{}{*!}
\end{tableau}

要画句法树——forest 会无声地误读 qtree 的点记法

句法树在本站有专门的页面（「树形结构（forest / qtree）」），所以这里只记下迁移时才会咬人的一点。qtree 与 tikz-qtree 会在节点名前加一个句点——\Tree [.S [.NP ] [.VP ] ]——而 forest 的记法是 [S [NP] [VP]]，不用句点。而把 qtree 的记法喂给 forest，不会报任何错：[.S [.NP Kim ]] 会被老老实实地排成一个名字就叫 .S 的节点。如果你得到一棵形状没错、但所有标签都以点开头的树，原因就在这里。完整的取舍比较以及 forest 的自动排布，请沿 related 前往。

最后，明确一下本页有意未涉及的内容。化学式与反应式（mhchem、chemfig）和兴趣、娱乐类排版各有专门页面。语言学这一侧留下的工具，还有选用 covington 与 linguex 时的写法、langsci-avm 面向 LFG 的语义括号（lfg 选项，需 XeLaTeX），以及用 glossaries 做术语表，但都不是主线。这个领域首先要定的，还是那句话——采用哪一套例句编号机制。若用 gb4e，一开始就把 \noautomath 与 \crefname 这三行写好；若用 expex，就习惯 \getref 的路数。等稿子超过一百个例句再换，代价比你想的要大。