Style Dictionary项目中处理Tokens Studio字体尺寸单位问题
问题背景
在使用Style Dictionary处理来自Tokens Studio for Figma的设计令牌时,开发者遇到了一个常见问题:无法为字体尺寸值自动添加px或rem单位。原始令牌数据如下所示:
"body": {
"value": "16",
"type": "fontSizes"
}
开发者期望的输出是带有单位的CSS变量,例如:
$sd-font-sizes-body: 16px;
但实际得到的输出却是不带单位的纯数字:
$sd-font-sizes-body: 16;
问题根源分析
这个问题源于Tokens Studio与DTCG(Design Token Community Group)规范在类型命名上的不一致:
- DTCG规范中定义字体尺寸的类型名称为
fontSize(单数形式) - Tokens Studio则使用了
fontSizes(复数形式)作为类型名称
Style Dictionary内置的size/px和size/rem转换器是按照DTCG规范实现的,因此只识别fontSize类型的令牌,而忽略了fontSizes类型的令牌。
解决方案
针对使用Tokens Studio生成的设计令牌,推荐以下解决方案:
-
使用专门为Tokens Studio设计的转换器
可以使用@tokens-studio/sd-transforms包中的ts/size/px转换器,这个转换器专门适配了Tokens Studio的类型命名约定。 -
配置转换器
在Style Dictionary配置文件中,将转换器从size/px替换为ts/size/px:"transforms": [ "attribute/cti", "name/cti/kebab", "time/seconds", "content/icon", "color/css", "ts/size/px" ]
深入理解
-
设计令牌类型系统
设计令牌的类型系统是确保转换器正确工作的关键。不同的工具可能对同一概念使用不同的类型名称,这是跨工具协作时常见的兼容性问题。 -
单位转换的重要性
自动添加单位是设计系统工作流中的重要环节,可以确保输出样式的一致性,避免开发者手动添加单位可能带来的错误。 -
转换器的工作机制
Style Dictionary的转换器是基于令牌类型进行匹配的。当类型名称不匹配时,转换器将不会对相应的令牌值进行处理。
最佳实践建议
-
统一工具链
如果项目中使用Tokens Studio作为设计输入,建议在整个工具链中使用专为它优化的转换器和插件。 -
明确类型约定
在团队内部明确设计令牌的类型命名规范,确保设计工具和开发工具使用相同的约定。 -
测试输出结果
在设置转换器后,应该验证生成的样式文件是否包含预期的单位,确保转换器按预期工作。
通过理解这些原理和解决方案,开发者可以更有效地使用Style Dictionary处理来自不同设计工具的设计令牌,确保输出结果符合预期。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00