Q01
为什么 UI 上线前一定要测对比度?
因为单看颜色顺眼,并不代表放到真实文本场景里就足够可读。
检测 WCAG 对比度等级
Quick CTA
先填前景色和背景色,首屏直接看对比度和 WCAG 等级;修正建议放在 Deep。
17.40:1下一步(Workflow)
Deep 展开踩坑、配方、片段、FAQ 与相关工具,适合排查问题或继续深入。
用于检测前景色与背景色的可读性对比度,实时计算 WCAG 比例并显示 AA/AAA 通过结果。适合设计稿校验、组件主题优化和无障碍改造场景,帮助团队快速发现低对比度风险。
Q01
因为单看颜色顺眼,并不代表放到真实文本场景里就足够可读。
Q02
不代表,不同前景和背景组合都需要分别验证。
配色美感
适合探索品牌气质和视觉方向。
可读对比度
适合真正保障文本可读性和可访问性。
补充:好看重要,但能读清楚才决定它能不能上线。
调色板级
适合视觉探索早期快速筛掉明显不安全配色。
组件状态级
适合上线前验证真实组件状态与排版组合。
补充:可访问性上线质量取决于状态级验证,而非平均色板比值。
手工检测
适合原型或一次性页面。
令牌约束
适合多团队协作、统一 UI 系统场景。
补充:令牌化约束更能防止规模化回归。
令牌级检查
适合共享设计系统与多主题。
仅组件抽检
仅适合一次性原型。
补充:令牌层门禁能显著降低重复回归。
AA 基线
适合多数产品界面的可行性平衡。
AAA 目标
适合可访问性要求更高的阅读场景。
补充:AA 是基础门槛,AAA 适合可读性要求更高页面。
失败输入:按钮只测 normal,不测 hover / disabled / focus 状态。
失败表现:设计评审看似通过,实际交互状态下可读性不达标。
修复:关键组件要覆盖所有核心状态组合,而不是只测一张静态图。
失败输入:只用基础色比对,没有把 alpha 叠加到真实背景后再测。
失败表现:工具比值看似合规,真实页面依旧“看不清”。
修复:先得到叠加后的最终前景/背景色,再做对比度校验。
失败输入:审计范围只含 CTA,不含 muted/disabled 文本。
失败表现:低对比次级文本带着缺陷上线。
修复:按语义令牌全状态检查,不只看核心组件。
失败输入:只对纯色做检查,线上实际使用半透明叠层。
失败表现:真实渲染对比度不达标。
修复:按最终合成色值进行对比度验证。
失败输入:按钮只检查默认态,未覆盖 hover/disabled。
失败表现:交互状态下文本不可读。
修复:把所有状态纳入对比度检查。
目标:在真正用于界面前,先确认这组颜色够不够可读。
结果:你可以提前挡住“好看但难读”的 UI 组合。
目标:在组件进入联调前先拦截不达标的色彩组合。
结果:可访问性问题前置解决,减少后期返工。
目标:在发布前验证浅色/深色主题对比度达标。
结果:主题更新中的可读性回归显著减少。
目标:拦截低对比的标题和 CTA 组合。
结果:活动页兼顾视觉表现与可读性。
建议选:按真实字号/字重逐对校验前景和背景颜色。
谨慎用:不要只凭调色板层面的比值就判定全站通过。
建议选:先扩展配色,再用对比度规则筛出可用组合。
谨慎用:在可读性未验证前,不要过早锁死品牌配色决策。
建议选:在令牌源头做对比度门禁。
谨慎用:避免各产品端各自补救式修复。
建议选:全量执行 WCAG AA。
谨慎用:避免依赖人工特批放行不达标组件。
建议选:在可行范围内优先 AAA。
谨慎用:避免为了装饰效果牺牲可读性。
原因:真实产品里,同一组颜色会出现在卡片、按钮、正文和提示里。
修复:关键组合都要单独测,不要一组通过就全部默认安全。
txt
#1a1a1a on #ffffff颜色对比度检测 在明确输入约束并按固定流程使用时,效果会更稳定。
转换前先明确源格式假设,尤其是编码和分隔规则。
先小样本验证再全量处理,可减少后期大规模数据清洗。
建议保留一份主数据,把转换结果视作派生产物。
对代表样本做 diff,及时发现类型漂移和格式回归。
颜色对比度检测 更适合放在真实输入与发布决策链路中使用,优先关注「上线前可访问性门禁(文本为主)」这类高风险场景。
建议先用小样本在颜色对比度检测中验证结果,再处理完整数据;关键场景请结合线上环境做二次校验。
建议先用小样本在颜色对比度检测中验证结果,再处理完整数据;关键场景请结合线上环境做二次校验。 如用于线上流程,建议保留一组失败样例便于回归。
建议先用小样本在颜色对比度检测中验证结果,再处理完整数据;关键场景请结合线上环境做二次校验。 关键场景建议先在预发环境验证后再上线。
这取决于格式类型。结构化数据通常可逆,但注释、空格、字段顺序等样式细节不一定能完全往返一致。
是的。 Conversion runs entirely 在你的浏览器中 and no content is sent to any backend service.
Tools may normalize whitespace, quoting style, or numeric 格式化 while preserving the underlying 数据 meaning.