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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112