Ordinals项目中的Runes交易识别方法解析
2025-06-17 03:14:44作者:房伟宁
概述
在Ordinals协议生态中,Runes交易是一种特殊的交易类型,用于在区块链上创建和转移符文(Runes)。本文将详细介绍如何识别Runes交易以及相关的技术实现细节。
Runes交易的基本特征
Runes交易具有几个关键特征可以用于识别:
-
特殊的输入输出结构:Runes交易通常包含特定的输入输出模式,用于表示符文的创建(etching)或转移。
-
数据载体:Runes交易通过特定的脚本结构将符文数据嵌入到交易中,这些数据包括符文名称、符号、发行量等信息。
-
与Ordinals协议的关联:Runes交易通常与Ordinals协议的铭文(Inscription)相关联,特别是符文创建交易会包含一个特殊的铭文。
技术识别方法
1. 通过交易输出识别
Runes交易会在输出中包含特定的OP_RETURN数据或特殊的脚本模式。这些脚本通常包含:
- 符文标识符
- 符文操作类型(创建/转移)
- 相关参数(如数量、接收方等)
2. 使用Ord索引器
Ord客户端提供了专门的Runes索引功能,可以通过以下命令启用:
ord --index-runes
启用后,索引器会扫描区块链并建立Runes交易的专门索引,便于查询和分析。
3. 交易元数据分析
Runes交易在元数据层面会有特殊标记:
- 对于符文创建交易(etching),会关联到一个特定的铭文
- 交易中会包含特定的标记字段表明这是一个Runes操作
实际应用场景
-
区块浏览器识别:专业的区块链浏览器会解析交易结构,对Runes交易进行特殊标注和展示。
-
钱包支持:支持Runes的钱包应用会解析交易内容,识别并显示符文相关信息。
-
链上分析工具:专门的分析工具可以批量扫描区块链,提取所有Runes交易进行统计分析。
技术实现细节
在底层实现上,Runes交易的识别依赖于:
- 区块链脚本的特定模式匹配
- 交易输入输出的特殊结构分析
- 与Ordinals铭文的关联关系验证
- 自定义的数据编码/解码规则
开发者可以通过分析这些技术特征来准确识别Runes交易,并提取其中的符文相关信息。
总结
识别Ordinals协议中的Runes交易需要理解其特殊的数据结构和协议规范。通过交易结构分析、专用索引器以及元数据解析,可以有效地识别和处理Runes交易。随着Ordinals生态的发展,相关的识别工具和技术也在不断完善,为开发者提供了更多便利。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
650
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
296
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143