Word论文公式的两个格式问题

简介: Word论文公式的两个格式问题

1. 公式居中,编号右对齐

solution编写一个样式,一劳永逸

你要居中,你要右对齐,先要有个参考。即你居中的“中”是哪里,右对齐的“右”是哪里。也就是要指定相应的坐标。不同设计要求可能某些细节不同,下面以A4纸为例。

纸张大小21x29.7:

6b5e101e24d78adf7bebd4d119d97a54_watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzc2NDk3NA==,size_16,color_FFFFFF,t_70#pic_center.png

页边距如图。不同组织可能有所差异。

be5203a2f18635836b6c42965cc45899_watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzc2NDk3NA==,size_16,color_FFFFFF,t_70#pic_center.png

OK,纸张本来21cm宽,除去页边距,有效宽度为16cm。那么“居中”的位置就是8cm的地方,“右对齐”的位置就是16cm处。


你也许会问,那居中为什么不是21cm/2=10.5cm呢?


打开标尺,你可以看到他是从除去页边距的有效范围开始计算的。注意,标尺的数字不是厘米,而是字符数。

e23426b9e1466da438463bf5d9d2d6fb_watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzc2NDk3NA==,size_16,color_FFFFFF,t_70#pic_center.png

好了好了,准备工作完毕。直接设置样式。

1.创建新的样式

cc00fcd5dc809ba60ef0f93b9a30eeeb_watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzc2NDk3NA==,size_16,color_FFFFFF,t_70#pic_center.png

2.设置名称,点击修改

bc4299d28fa687e8e6afd58c4a0b4d40_watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzc2NDk3NA==,size_16,color_FFFFFF,t_70#pic_center.png

3.如图修改

5f66dc45f1e280f2d2c321f1843ce7a8_watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzc2NDk3NA==,size_16,color_FFFFFF,t_70#pic_center.png

4.点击格式>制表位

59fbfba83c1f02dc3efd4f311dfc39c9_watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzc2NDk3NA==,size_16,color_FFFFFF,t_70#pic_center.png

5.居中设置

0b1ebc04084dfa8443d31628e2732636_watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzc2NDk3NA==,size_16,color_FFFFFF,t_70#pic_center.png

6.右对齐同上

badc7de34819ffc141c04e9ed82ccbd1_watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzc2NDk3NA==,size_16,color_FFFFFF,t_70#pic_center.png

最后保存,你就可以看到你的样式了。

f6c3b778b3f5199a4129b4a2636c2213_watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzc2NDk3NA==,size_16,color_FFFFFF,t_70#pic_center.png

选中公式样式,分别在公式最前面、编号前面点击Tab键,OK!2021041620020578.gif

2.公式与文字、编号对不齐

还有这种情况

3afc07fc78ad28652e4b250d00a76ba1_watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzc2NDk3NA==,size_16,color_FFFFFF,t_70#pic_center.png

solution选中要调整的内容,右键>段落>居中对齐

de740ff9c67b14caca7e77f2fc987061_watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzc2NDk3NA==,size_16,color_FFFFFF,t_70#pic_center.png

这是Word2019操作,WPS中一样一样的。


相关文章
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
【EMNLP2024】面向长文本的文视频表征学习与检索模型 VideoCLIP-XL
阿里云人工智能平台 PAI 与华南理工大学金连文教授团队合作,在自然语言处理顶会 EMNLP 2024 上发表论文《VideoCLIP-XL: Advancing Long Description Understanding for Video CLIP Models》。VideoCLIP-XL 模型,有效地提升了对视频的长文本描述的理解能力。
|
9月前
|
自然语言处理 Python
【Python自然语言处理】文本向量化的六种常见模型讲解(独热编码、词袋模型、词频-逆文档频率模型、N元模型、单词-向量模型、文档-向量模型)
【Python自然语言处理】文本向量化的六种常见模型讲解(独热编码、词袋模型、词频-逆文档频率模型、N元模型、单词-向量模型、文档-向量模型)
1698 0
|
7月前
|
算法 JavaScript
「AIGC算法」将word文档转换为纯文本
使用Node.js模块`mammoth`和`html-to-text`,该代码示例演示了如何将Word文档(.docx格式)转换为纯文本以适应AIGC的文本识别。流程包括将Word文档转化为HTML,然后进一步转换为纯文本,进行格式调整,并输出到控制台。转换过程中考虑了错误处理。提供的代码片段展示了具体的实现细节,包括关键库的导入和转换函数的调用。
74 0
|
9月前
【图片公式识别】图片公式转Word与LaTeX文档:智能识别与转换
【图片公式识别】图片公式转Word与LaTeX文档:智能识别与转换
342 4
【Word】Word公式导出PDF后出现井号括号#()错误
【Word】Word公式导出PDF后出现井号括号#()错误
238 0
word添加参考文献和标注的详细简单方法
word添加参考文献和标注的详细简单方法
943 0
word添加参考文献和标注的详细简单方法
|
9月前
typora中的公式怎么在word里面正常显示,怎么问可以让chatgpt的公式在word里面正常显示
typora中的公式怎么在word里面正常显示,怎么问可以让chatgpt的公式在word里面正常显示
499 0
|
机器学习/深度学习 自然语言处理 算法
深度学习基础入门篇10:序列模型-词表示{One-Hot编码、Word Embedding、Word2Vec、词向量的一些有趣应用}
深度学习基础入门篇10:序列模型-词表示{One-Hot编码、Word Embedding、Word2Vec、词向量的一些有趣应用}
深度学习基础入门篇10:序列模型-词表示{One-Hot编码、Word Embedding、Word2Vec、词向量的一些有趣应用}
【Word】docx转doc后公式转换为图片不清晰/模糊
【Word】docx转doc后公式转换为图片不清晰/模糊
470 0
|
机器学习/深度学习 存储 人工智能
文本深度表示模型——word2vec&doc2vec词向量模型
NLP 中最直观,也是到目前为止最常用的词表示方法是 One-hot Representation,这种方法把每个词表示为一个很长的向量。这个向量的维度是词表大小,其中绝大多数元素为 0,只有一个维度的值为 1,这个维度就代表了当前的词。
文本深度表示模型——word2vec&doc2vec词向量模型