Spectrum CSS 评分组件重大更新解析
2025-07-04 23:54:13作者:廉皓灿Ida
项目背景
Spectrum CSS 是 Adobe 设计系统的重要组成部分,它提供了一套符合 Spectrum 设计语言的 CSS 组件库。这些组件帮助开发者快速构建符合 Adobe 设计规范的 Web 应用界面。评分组件(Rating)是用户界面中常见的交互元素,用于收集用户对内容的评价反馈。
版本 7.0.0-next.2 主要变更
最新发布的 7.0.0-next.2 版本对评分组件进行了重大重构,将其迁移至 Spectrum 2(S2)设计系统。这一变更不仅涉及视觉样式的更新,还包括组件结构和功能的增强。
核心改进
-
尺寸系统重构
- 默认采用中等(medium)尺寸变体
- 新增了T恤尺码(T-shirt sizing)的中等尺寸变体
- 移除了原有的垂直间距自定义属性
-
部分填充功能
- 新增支持部分填充星形图标的功能
- 通过添加
.is-partial类和设置--mod-rating-icon-fill自定义属性控制填充比例
-
工具提示支持
- 新增工具提示功能,可向用户说明交互行为
- 包含文档示例和控制方式
自定义属性变更
新增属性
- 组件尺寸相关:
--mod-rating-width、--mod-rating-height - 间距控制:
--mod-rating-bottom-to-content-area、--mod-rating-edge-to-content-area、--mod-rating-top-to-content-area - 填充控制:
--mod-rating-icon-fill
移除属性
- 旧版尺寸控制:
--mod-rating-icon-spacing-vertical-top、--mod-rating-indicator-height - 旧版边框控制:
--mod-rating-indicator-border-radius - 焦点状态颜色:
--mod-rating-icon-color-key-focus
底层样式更新
新版本采用了 Spectrum 2 的设计规范,引入了以下基础样式变量:
- 间距:
--spectrum-spacing-75 - 图标尺寸:
--spectrum-workflow-icon-size-75 - 圆角半径:
--spectrum-corner-radius-medium-size-medium、--spectrum-corner-radius-medium-size-small - 中性色内容颜色:
--spectrum-neutral-content-color-default等状态变体
同时移除了与旧版设计系统相关的多个变量,包括:
- 旧版焦点状态颜色:
--spectrum-accent-content-color-key-focus - 边框宽度:
--spectrum-border-width-200 - 旧版间距:
--spectrum-component-top-to-workflow-icon-100 - 旧版圆角:
--spectrum-corner-radius-100
技术实现细节
部分填充实现
新版本引入了精细的填充控制能力,开发者可以通过以下方式实现部分填充效果:
<span class="spectrum-Rating-icon is-selected is-partial" style="--mod-rating-icon-fill: 50%"></span>
这种实现方式提供了极大的灵活性,允许开发者精确控制每个星形图标的填充比例。
工具提示集成
工具提示的加入增强了组件的可访问性和用户体验。当用户与评分组件交互时,可以显示提示信息,说明操作将清除还是修改现有评分。这一功能特别适用于需要明确用户意图的场景。
响应式设计改进
新版本通过引入基于内容区域的间距控制属性(--mod-rating-*-to-content-area),使组件在不同屏幕尺寸和布局中具有更好的适应性。这种设计思路符合现代Web开发对响应式设计的重视。
迁移建议
对于现有项目迁移到新版本,开发者需要注意:
- 检查并更新所有使用自定义属性的地方
- 重新评估组件尺寸设置,特别是从旧版尺寸系统迁移的情况
- 考虑是否需要添加工具提示功能来提升用户体验
- 测试部分填充功能是否符合产品需求
总结
Spectrum CSS 7.0.0-next.2 版本的评分组件更新代表了向现代化设计系统的演进。通过这次重构,组件获得了更精细的控制能力、更好的可访问性和更灵活的样式定制选项。这些改进使开发者能够构建更符合现代Web标准的用户界面,同时保持与Adobe设计语言的一致性。
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
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
423
3.25 K
Ascend Extension for PyTorch
Python
231
262
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++
689
331
暂无简介
Dart
686
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
65
19
🎉 (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
1.22 K
667
仓颉编译器源码及 cjdb 调试工具。
C++
136
869