Foundry项目中的`vm.expectRevert`与Revert错误匹配问题解析
2025-05-26 15:30:45作者:何将鹤
在Solidity智能合约开发中,Foundry测试框架的vm.expectRevert是一个常用的断言方法,用于验证合约调用是否会按预期回滚。然而,近期发现了一个关于错误匹配的边界情况问题,值得开发者注意。
问题现象
当使用vm.expectRevert匹配Error(string)类型的回滚时,会出现意外的匹配失败。具体表现为:
vm.expectRevert(abi.encodeWithSignature("Error(string)", "A"));
revert("A");
预期这两个语句应该匹配成功,但实际上测试会失败,错误信息显示:
[FAIL: Error != expected error: A != revert: A]
技术背景
这个问题源于底层实现的两个关键部分:
- Alloy库的Revert格式化:在Alloy库中,对回滚错误的字符串表示会自动添加"revert: "前缀
- Foundry的错误匹配逻辑:在比较预期错误和实际错误时,直接进行字符串匹配
这种实现差异导致了即使实质上是相同的错误内容,由于格式化前缀的存在,也会被判定为不匹配。
影响范围
这个问题主要影响以下场景:
- 使用
abi.encodeWithSignature("Error(string)",...)明确指定错误类型的测试用例 - 需要精确匹配回滚消息内容的测试场景
值得注意的是,这个问题不会影响简单的字符串匹配方式:
vm.expectRevert("A");
revert("A");
解决方案讨论
开发团队正在考虑两种可能的解决方案:
-
向后兼容方案:
- 保持现有行为不变
- 允许两种形式都能匹配成功
- 优点:不影响现有测试用例
- 缺点:可能掩盖一些边界情况
-
破坏性变更方案:
- 严格区分错误类型匹配和字符串匹配
- 优点:行为更明确
- 缺点:需要修改现有测试用例
开发者建议
在当前版本中,开发者可以采取以下临时解决方案:
- 对于需要精确匹配
Error(string)的情况,可以手动添加"revert: "前缀:
vm.expectRevert(abi.encodeWithSignature("Error(string)", "revert: A"));
revert("A");
- 或者使用简单的字符串匹配方式(如果不需要区分错误类型):
vm.expectRevert("A");
revert("A");
总结
这个问题展示了Solidity错误处理机制与测试框架之间微妙的交互关系。作为开发者,理解这些底层细节有助于编写更健壮的测试用例。建议关注Foundry的更新,以获得最终的官方解决方案。在编写测试时,应根据实际需求选择合适的错误匹配方式,并注意测试框架的版本变化可能带来的影响。
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.84 K
🔥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
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
暂无简介
Dart
799
198
🎉 (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
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
349
200
Ascend Extension for PyTorch
Python
377
450
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1