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
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
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
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
68
20
🎉 (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
1.37 K
781