Foundry项目中的Prank机制深度解析与正确使用姿势
2025-05-26 20:12:18作者:谭伦延
理解Foundry的Prank机制
Foundry测试框架中的Prank功能是模拟交易发送者的重要工具,它允许开发者修改合约调用时的msg.sender值。这个功能在测试权限控制、多账户交互等场景下非常有用。
典型问题场景分析
在测试过程中,开发者可能会遇到这样的情况:当尝试嵌套使用vm.startPrank()时,发现第二次调用后的msg.sender没有按预期恢复为前一个Prank设置的地址。这实际上是由于对Prank机制的工作原理理解不够深入导致的。
Prank机制的工作原理
Foundry的Prank机制有以下几个关键特性:
-
单层Prank:当使用单个
startPrank和stopPrank时,stopPrank会将msg.sender恢复为测试合约地址(address(this)) -
嵌套Prank:Prank的"堆栈"是基于调用深度(call depth)维护的,而不是简单的线性堆栈。在同一调用深度下,新的Prank会完全覆盖前一个Prank
-
应用时机:Prank必须在被实际应用(即至少有一次合约调用)后才能被覆盖
正确的Prank使用模式
简单场景
function testSimplePrank() external {
vm.startPrank(userA);
// 这里的msg.sender是userA
someContract.doSomething();
vm.stopPrank();
// 这里的msg.sender恢复为address(this)
}
嵌套场景
function testNestedPrank() external {
vm.startPrank(userA);
someContract.doSomething(); // 必须先应用一次
vm.startPrank(userB);
someContract.doSomethingElse();
vm.stopPrank();
// 需要显式恢复为userA
vm.startPrank(userA);
someContract.doAnotherThing();
vm.stopPrank();
}
常见误区与解决方案
-
误区一:认为Prank会自动堆叠恢复
- 解决方案:每次切换Prank都需要显式设置
-
误区二:未应用Prank就尝试覆盖
- 解决方案:确保在覆盖前至少有一次合约调用
-
误区三:忽略调用深度的影响
- 解决方案:理解Prank是基于调用深度而非简单堆栈
最佳实践建议
- 保持Prank的作用域尽可能小
- 为每个测试用例编写清晰的注释,说明预期的发送者
- 考虑使用辅助函数来管理复杂的Prank场景
- 在测试中增加
console.log输出当前msg.sender以验证行为
通过深入理解Foundry的Prank机制并遵循这些最佳实践,开发者可以更有效地编写可靠的智能合约测试用例。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C075
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0130
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
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
462
3.44 K
Ascend Extension for PyTorch
Python
269
309
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
190
75
暂无简介
Dart
714
171
React Native鸿蒙化仓库
JavaScript
284
331
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++
843
421
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
105
119
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
10
1
🎉 (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
1.26 K
692