Ordinals项目中的Runes交易识别方法解析
2025-06-17 10:06:13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
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
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
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
346
147