Style Dictionary中在Transformer内获取引用令牌的方法解析
2025-06-15 02:22:54作者:卓艾滢Kingsley
在Style Dictionary项目中,开发者经常需要处理设计令牌之间的引用关系。本文将深入探讨如何在Transformer内部获取引用令牌的技术实现方案。
理解Transformer与引用机制
Style Dictionary中的Transformer负责对令牌值进行转换处理,而引用机制则允许一个令牌值引用另一个令牌的值。默认情况下,Transformer处理的是已经解析了引用的令牌值,这使得在Transformer内部直接获取原始引用信息变得困难。
关键技术实现方案
要在Transformer内部获取引用令牌,需要采用以下技术方案:
-
启用transitive属性:必须将Transformer标记为
transitive: true,这样它才会处理包含引用的令牌。 -
访问原始值:通过
token.original.value获取未解析引用的原始值,而不是使用已经解析的token.value。 -
使用工具函数:
usesReferences()检查值是否包含引用getReferences()提取所有引用信息
完整实现示例
import StyleDictionary from 'style-dictionary';
import { usesReferences, getReferences } from 'style-dictionary/utils';
const sd = new StyleDictionary('config.json');
await sd.hasInitialized;
sd.registerTransform({
name: 'reference-aware-transformer',
type: 'value',
transitive: true,
transformer: (token, _, options) => {
const originalVal = options.usesDtcg ? token.original.$value : token.original.value;
if (usesReferences(originalVal)) {
const refs = getReferences(originalVal, sd.tokens);
// 处理引用逻辑...
}
return token.value;
}
});
await sd.buildAllPlatforms();
应用场景与注意事项
这种技术在以下场景特别有用:
- 需要基于引用关系生成CSS变量
- 实现复杂的值转换逻辑
- 创建依赖其他令牌值的派生令牌
需要注意:
- 性能影响:处理引用会增加构建时间
- 循环引用:需要避免产生无限循环
- 构建顺序:确保引用的令牌已先被处理
总结
通过结合transitive属性和引用工具函数,开发者可以在Style Dictionary的Transformer中灵活处理令牌引用关系,实现更复杂的令牌转换逻辑。这种方法扩展了Style Dictionary的功能边界,为处理复杂的设计系统提供了更多可能性。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedJavaScript094- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
3步掌握Mermaid Live Editor:让图表创作效率提升10倍3个高效研究工具,让你的学术工作流提升80%效率3步搞定黑苹果EFI:OpCore Simplify如何革新你的配置体验如何使用密码安全检测工具提升系统防护能力零基础2024新版:3步打造专属微信群智能助手3个高效技巧:ChilloutMix NiPrunedFp32Fix让你快速生成超逼真图像3步解锁OpCore Simplify:告别OpenCore配置烦恼,新手也能轻松上手如何3秒提取屏幕文字?Windows OCR工具实战指南Linux Notion客户端:如何突破生态壁垒实现无缝集成AI建筑设计草图生成工具:用ChilloutMix NiPrunedFp32Fix释放创意潜能
项目优选
收起
暂无描述
Dockerfile
700
4.5 K
Ascend Extension for PyTorch
Python
563
691
Claude 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 Started
JavaScript
521
93
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++
956
951
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
411
338
🎉 (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
1.6 K
939
Oohos_react_native
React Native鸿蒙化仓库
C++
340
387
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
128
209
昇腾LLM分布式训练框架
Python
148
176
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
140
221