Wagmi 项目中 BigInt 在 JSON 序列化中的处理问题
2025-06-03 15:07:11作者:温艾琴Wonderful
问题背景
在 Web3 开发中,Wagmi 是一个流行的 React Hooks 库,用于与区块链交互。当开发者使用 Wagmi 的 readContractQueryOptions 方法时,如果参数中包含 BigInt 类型的数据,会遇到 JSON 序列化问题。
问题本质
React Query 作为 Wagmi 的底层状态管理库,其查询键(query key)默认不支持 BigInt 类型的序列化。当开发者尝试将包含 BigInt 值的参数传递给 readContractQueryOptions 时,生成的查询键会包含 BigInt 值,导致 React Query 在序列化过程中抛出错误。
技术细节
BigInt 是 JavaScript 中用于表示大整数的数据类型,但 JSON 规范本身不支持 BigInt 的序列化。当开发者使用如下代码时:
useSuspenseQuery(readContractQueryOptions(config, {
args: [0n],
});
查询键中会包含 BigInt 值 0n,这会导致 React Query 的序列化过程失败。
解决方案
Wagmi 提供了两种处理方式:
- 使用内置的序列化工具:如果项目中使用 TanStack Query 的持久化功能,可以利用 Wagmi 提供的
serialize和deserialize工具函数。
import { createSyncStoragePersister } from '@tanstack/query-sync-storage-persister'
import { deserialize, serialize } from 'wagmi'
const persister = createSyncStoragePersister({
serialize,
storage: window.localStorage,
deserialize,
})
- 使用 hashFn 处理查询键:对于不需要持久化但需要处理 BigInt 的场景,可以使用 Wagmi 提供的
hashFn函数。
import { hashFn } from 'wagmi/query'
useSuspenseQuery(readContractQueryOptions(config, {
args: [0n],
queryKeyHashFn: hashFn,
});
最佳实践
- 在使用包含 BigInt 参数的合约读取操作时,始终考虑查询键的序列化问题
- 对于需要持久化查询数据的应用,配置适当的序列化/反序列化方法
- 在文档中明确标注 BigInt 参数可能带来的序列化问题,并提供解决方案
- 考虑在项目初始化时统一配置查询键的序列化处理,避免每个查询点都需要单独处理
总结
Wagmi 与 React Query 的集成提供了强大的区块链数据管理能力,但开发者需要注意 JavaScript 数据类型与 JSON 规范之间的差异。通过合理使用 Wagmi 提供的工具函数,可以优雅地解决 BigInt 序列化问题,确保应用的稳定运行。
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
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
🔥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
64
19
暂无简介
Dart
671
155
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++
660
309
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
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
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
392
3.84 K
React Native鸿蒙化仓库
JavaScript
259
322