Foundry中vm.expectRevert与Error(string)匹配问题的技术解析
2025-05-26 05:54:28作者:范垣楠Rhoda
在Solidity智能合约开发中,错误处理是一个非常重要的环节。Foundry作为一款流行的Solidity测试框架,提供了强大的错误断言功能。本文将深入分析Foundry中vm.expectRevert与Error(string)匹配时出现的一个技术问题。
问题现象
当开发者使用Foundry的vm.expectRevert来断言合约会回滚并抛出特定错误信息时,对于Error(string)类型的错误,会出现匹配失败的情况。具体表现为:
vm.expectRevert(abi.encodeWithSignature("Error(string)", "A"));
revert("A");
预期测试应该通过,但实际上会失败,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-rs核心库:在错误类型处理时,为错误信息添加了"revert: "前缀
- Foundry内部实现:在比较预期错误和实际错误时,直接进行了字符串比较
这种不一致导致了即使开发者提供了正确的错误签名和消息,测试也会因为前缀的存在而失败。
影响范围
这个问题会影响所有使用vm.expectRevert来断言Error(string)类型错误的测试用例。特别是:
- 直接使用
Error(string)签名的情况 - 错误信息中包含特定内容的情况
- 需要精确匹配错误消息的测试场景
解决方案讨论
开发团队正在考虑以下解决方案:
- 向后兼容方案:在Foundry内部去除"revert: "前缀,保持与现有测试的兼容性
- 破坏性变更方案:要求开发者显式处理前缀问题
第一种方案的优势在于不会破坏现有测试,但可能会导致一些边界情况难以处理。第二种方案虽然更清晰,但需要开发者修改现有测试代码。
技术建议
对于开发者而言,在当前版本中可以采取以下临时解决方案:
- 在预期错误信息前手动添加"revert: "前缀
- 使用自定义错误类型代替
Error(string) - 等待官方修复后升级Foundry版本
总结
Foundry作为Solidity测试的重要工具,其错误处理机制的准确性至关重要。这个问题虽然看似简单,但涉及到底层库与框架之间的交互,需要谨慎处理。开发团队已经意识到这个问题,并正在积极寻找最佳解决方案。
对于开发者来说,理解这个问题的本质有助于编写更健壮的测试代码,并在遇到类似问题时能够快速定位原因。同时,这也提醒我们在使用测试框架时,需要深入了解其内部实现机制,以避免类似的不一致问题。
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-1.5暂无简介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-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
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
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
168
190
React Native鸿蒙化仓库
JavaScript
240
315
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++
647
258
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
373
3.19 K
🎉 (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
1.09 K
618
🔥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
62
19
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
262
92