当前位置: 首页 > news >正文

利用tikz包中的tikzmark对公式作注释

文章目录

  • 介绍
  • tikzmarknode的用法
  • 示例

介绍

tikz宏包中的tikzmark模块的\tikzmarknode函数可以在公式中设置node, 随后利用tikz中的元素对其注释。在tikzpicture的参数中设置overlayremember picture就可以在公式之上绘制元素。

tikzmarknode的用法

\tikzmarknode[样式]{标签}

[样式]的选项有:

示例

\documentclass{article} \usepackage{tikz} \usetikzlibrary{tikzmark, positioning, arrows.meta} \usepackage{xcolor} % 设置颜色 \definecolor{purple}{rgb}{0.6, 0.1, 0.8} \definecolor{lightpink}{rgb}{0.95, 0.85, 0.95} \definecolor{lightblue}{rgb}{0.8, 0.9, 1.0} \begin{document} \begin{equation} a^2= \tikzmarknode[fill=lightpink]{B}{b^2} + \tikzmarknode[fill=lightblue]{C}{c^2}+ \tikzmarknode[fill=lightpink]{D}{d^2} \end{equation} \begin{tikzpicture}[overlay, remember picture, >=Stealth] \draw[purple, <-] (B.north) -- ++(0,0.5) -- node[above] { $b=a+c$} ++(-2,0); % 下方注释 (蓝色) \draw[blue, <-] (C.south) -- ++(0,-1) -- node[above] {$c=x+y$} ++(-2,0); \draw[lightpink, <-] (D.south) -- ++(0,-1) -- node[above] { $d=m+n$} ++(2,0); \end{tikzpicture}

http://www.jsqmd.com/news/162239/

相关文章:

  • PyTorch镜像中运行Anomaly Detection异常检测模型
  • PyTorch-CUDA镜像支持WebGPU吗?前端集成前景分析
  • 高密度PCB设计中过孔电流选型注意事项
  • XUnity自动翻译器终极指南:轻松实现Unity游戏本地化
  • XUnity自动翻译器:游戏本地化的终极解决方案指南
  • Unity游戏翻译终极指南:用XUnity自动翻译器跨越语言障碍
  • MyBatis 与 Hibernate 对比
  • PyTorch-CUDA-v2.8镜像对RegNet模型的训练表现
  • 为什么《代码大全2》是每个程序员的必读书?
  • (022)FastJson 序列化导致的 java.util.ConcurrentModificationException
  • Unity游戏翻译革命:XUnity自动翻译插件深度指南
  • MySQL索引数据结构:B+树 vs 哈希索
  • XUnity自动翻译器终极指南:打破游戏语言障碍的完整解决方案
  • Multi-Paxos和Raft的区别
  • ModelEngine应用编排创新实践:通过可视化编排构建大模型应用工作流
  • 《代码大全2》变量命名:看似简单,却藏着大学问
  • 30 款 Apple 同款核心 SVG 模板(E2 分类精选)
  • PyTorch-CUDA-v2.8镜像对T5模型的微调实践
  • Unity游戏自动翻译终极指南:XUnity.AutoTranslator完整配置与实战教程
  • Unity游戏多语言翻译插件配置与使用完全指南
  • PyTorch-CUDA镜像支持Zero-Shot Learning零样本学习吗?
  • XUnity自动翻译插件:游戏语言障碍的一站式解决方案
  • MySQL锁机制全解:彻底理解行锁、表锁与死锁原理
  • PyTorch-CUDA镜像是否支持ROCm?AMD显卡兼容性分析
  • PyTorch-CUDA-v2.8镜像对ShuffleNet模型的轻量化支持
  • PyTorch镜像中如何切换不同Python版本?
  • 力扣26.有序数组去重:HashSet vs 双指针法
  • 从零实现基于UDS 31服务的MCU程序烧录功能
  • PyTorch-CUDA-v2.8镜像对NeRF神经辐射场的支持
  • PyTorch镜像中实现多模态学习(Multimodal Learning)