Style Dictionary 中实现 SwiftUI 动态颜色的技术探索
2025-06-15 02:21:04作者:劳婵绚Shirley
背景介绍
在现代移动应用开发中,设计系统的跨平台一致性至关重要。Style Dictionary 作为一款强大的设计令牌管理工具,能够帮助开发者将设计系统转化为多平台可用的代码。本文聚焦于 iOS 平台,探讨如何利用 Style Dictionary 生成支持 SwiftUI 动态颜色(Dark Mode/Light Mode)的枚举结构。
传统实现方式
在传统的实现中,开发者通常会为不同的主题模式(如 Light/Dark)生成独立的枚举结构:
public enum DividerLight: DividerDesignTokens {
public static let dividerColorDefault = Color(red: 0.910, green: 0.910, blue: 0.910, opacity: 1)
// 其他Light模式颜色定义
}
public enum DividerDark: DividerDesignTokens {
public static let dividerColorDefault = Color(red: 0.357, green: 0.357, blue: 0.357, opacity: 1)
// 其他Dark模式颜色定义
}
这种方式虽然可行,但存在以下问题:
- 需要在运行时根据当前颜色模式手动切换枚举
- 增加了代码复杂度
- 不符合 SwiftUI 的动态颜色设计理念
理想解决方案
更符合 SwiftUI 理念的做法是生成单一枚举,其中颜色属性能够根据系统主题自动切换:
public enum DividerTokens: DividerDesignTokens {
public static let dividerColorDefault = Color(
light: Color(red: 0.910, green: 0.910, blue: 0.910, opacity: 1),
dark: Color(red: 0.357, green: 0.357, blue: 0.357, opacity: 1)
)
// 其他动态颜色定义
}
技术挑战
实现这种动态颜色输出面临以下技术难点:
- Style Dictionary 通常按主题模式(Light/Dark)分别运行,每个实例只了解单一主题的上下文
- 多个 Style Dictionary 实例写入同一文件会导致覆盖问题
- 需要合并不同主题的颜色值到一个输出中
解决方案探索
方案一:自定义格式处理器
可以创建一个自定义的格式处理器,该处理器能够:
- 同时加载 Light 和 Dark 主题的令牌数据
- 在生成代码时合并两种主题的颜色定义
- 输出包含动态颜色初始化的 Swift 代码
方案二:高级 API 使用
利用 Style Dictionary 提供的高级 API 方法:
const sdLight = new StyleDictionary(getConfig('light'));
const sdDark = new StyleDictionary(getConfig('dark'));
const [light, dark] = await Promise.all([
sdLight.formatPlatform('ios'),
sdDark.formatPlatform('ios')
]);
// 合并light和dark的输出,生成动态颜色代码
方案三:预处理令牌数据
在 Style Dictionary 处理前,先将 Light 和 Dark 主题的令牌数据合并为一个数据结构,然后使用自定义转换器生成动态颜色代码。
实现建议
- 创建颜色扩展:首先在 Swift 中创建颜色扩展,支持动态颜色初始化
public extension Color {
init(light: Color, dark: Color) {
self.init(light: UIColor(light), dark: UIColor(dark))
}
}
-
设计令牌结构:确保令牌结构能够同时包含 Light 和 Dark 模式的值
-
自定义格式模板:创建能够处理多主题数据的自定义模板
-
构建流程调整:可能需要调整构建流程,先收集所有主题数据再生成最终代码
最佳实践
- 保持令牌结构清晰:为颜色令牌设计明确的命名空间和结构
- 文档记录:详细记录动态颜色的实现方式和用法
- 测试覆盖:确保生成的代码在各种主题切换场景下表现正常
- 性能考量:评估动态颜色初始化对应用性能的影响
未来展望
随着 Style Dictionary 的不断发展,期待官方提供更便捷的多主题合并输出功能,简化动态颜色的生成流程。同时,SwiftUI 的演进也可能带来更优雅的动态颜色实现方式。
通过本文介绍的方法,开发者可以在现有技术条件下,实现符合 SwiftUI 理念的动态颜色枚举生成,提升代码的可维护性和开发体验。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.71 K
仓颉编译器源码及 cjdb 调试工具。
C++
123
759
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
598
132
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
616
Ascend Extension for PyTorch
Python
141
170
仓颉编程语言命令行工具,包括仓颉包管理工具、仓颉格式化工具、仓颉多语言桥接工具及仓颉语言服务。
C++
55
737
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
634
232