Grommet项目表单错误文本可访问性优化方案
2025-05-27 19:46:55作者:董斯意
在Grommet设计系统中,表单错误提示文本的对比度问题引起了开发团队的关注。这个问题涉及到表单组件中错误提示信息的可访问性标准,特别是WCAG 2.1 AA级要求的4.5:1最小对比度比。
问题背景
Grommet的表单组件在显示错误信息时,当前使用的颜色在浅色和深色模式下都无法满足WCAG 2.1 AA级的对比度要求。这会影响视觉障碍用户对错误信息的识别,降低了产品的可访问性。
技术分析
在Grommet的设计系统中,表单错误文本颜色是通过formField.error.color属性配置的,默认映射到status-critical颜色值。当前实现存在两个主要问题:
- 颜色对比度不足:现有颜色在浅色和深色模式下都无法达到4.5:1的最低对比度要求
- 命名语义不清晰:
status-critical既用于表单错误文本,又用于关键状态通知的图标和背景色
解决方案探索
团队考虑了多种解决方案:
-
直接修改颜色映射:提议将
formField.error.color映射改为根据模式使用不同颜色- 浅色模式:
status-error - 深色模式:
status-warning - 问题:破坏向后兼容性
- 浅色模式:
-
创建新颜色命名空间:如
text-error专门用于错误文本- 优点:语义更清晰
- 问题:仍可能影响现有主题
-
调整现有
status-critical颜色值:- 保持现有映射关系
- 选择满足所有使用场景的新颜色值
- 优点:保持向后兼容性
最终方案
经过充分讨论,团队决定采用第三种方案,将status-critical的颜色值更新为#EB0000。这个选择基于以下考虑:
- 对比度达标:新颜色在浅色和深色模式下都满足4.5:1的对比度要求
- 多场景适用:同时满足作为图标颜色与10%透明度背景组合时的3:1对比度要求
- 兼容性保障:不改变现有颜色映射关系,确保向后兼容
实施建议
对于使用Grommet的开发者,建议:
- 检查自定义主题中是否重写了
status-critical颜色值 - 确保表单错误提示在新颜色下仍然符合产品设计规范
- 考虑在长期规划中分离文本颜色和状态颜色的命名空间
这个改进将在不影响现有功能的前提下,显著提升Grommet表单组件的可访问性,为所有用户提供更好的体验。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
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
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217