Style Dictionary项目中如何处理token引用时的前缀问题
2025-06-15 04:47:01作者:吴年前Myrtle
在Style Dictionary项目中,开发者经常需要处理设计系统中的token前缀问题。本文将深入探讨如何灵活控制token引用时的前缀行为,特别是针对不同来源(token来源)的前缀差异化处理方案。
前缀问题的背景
在大型设计系统中,我们通常会为CSS变量添加前缀以避免命名冲突。例如:
--PREFIX-padding-sm: var(--PREFIX-size-4);
但有时我们希望引用的基础token不包含前缀:
--PREFIX-padding-sm: var(--size-4);
默认行为分析
Style Dictionary的默认行为是将配置的prefix应用于所有token,无论它们是来自include(基础token)还是source(项目特有token)。这种一刀切的方式在某些场景下并不理想。
自定义解决方案
通过自定义name转换器(transformer),我们可以实现更精细的前缀控制。核心思路是:
- 检查token的来源属性(isSource)
- 根据条件决定是否应用prefix
- 保留原有的路径转换逻辑
实现代码示例
以下是一个功能完整的自定义name转换器实现:
export default {
name: 'name/pathToKebabCasePrefix',
type: 'name',
transformer: (token, platform = {}) => {
const {prefix} = platform
const addPrefix = platform.addPrefix ?? (() => true)
const getPrefix = (token, addPrefix) => addPrefix(token) && prefix
return (
[getPrefix(token, addPrefix), ...token.path]
.filter(part => typeof part === 'string' && part !== '@')
.join('-')
)
},
}
关键点解析
- 平台配置读取:从platform参数中获取prefix配置
- 条件判断:通过addPrefix函数决定是否应用prefix
- 路径处理:保留原有的路径转换和过滤逻辑
- 灵活性:支持通过platform.addPrefix覆盖默认行为
实际应用建议
在实际项目中,你可以:
- 为不同来源的token设置不同的prefix规则
- 通过platform.addPrefix实现复杂的前缀逻辑
- 结合其他转换器构建完整的设计系统管道
这种方案比在format阶段处理前缀更加灵活和可维护,是Style Dictionary推荐的最佳实践。
总结
通过自定义name转换器,我们可以精细控制Style Dictionary中token的前缀行为,满足不同来源token的前缀差异化需求。这种方法既保持了系统的灵活性,又不失可维护性,是处理复杂设计系统token命名的理想选择。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C0131
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
496
3.64 K
Ascend Extension for PyTorch
Python
300
338
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
307
131
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++
868
479
暂无简介
Dart
744
180
React Native鸿蒙化仓库
JavaScript
297
346
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
11
1
🔥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
66
20
仓颉编译器源码及 cjdb 调试工具。
C++
150
882