multicall.py 项目教程
2024-09-28 00:19:06作者:宣聪麟
1. 项目的目录结构及介绍
multicall.py/
├── examples/
│ └── ...
├── tests/
│ └── ...
├── .gitignore
├── LICENSE
├── poetry.lock
├── pyproject.toml
├── README.md
└── multicall/
└── ...
目录结构介绍
- examples/: 包含项目的示例代码,展示了如何使用
multicall.py进行多智能合约调用。 - tests/: 包含项目的测试代码,用于确保项目的功能正常。
- .gitignore: Git 忽略文件,指定哪些文件和目录不需要被版本控制。
- LICENSE: 项目的开源许可证文件,本项目使用 MIT 许可证。
- poetry.lock: 锁定文件,用于确保项目依赖的版本一致性。
- pyproject.toml: 项目的配置文件,包含了项目的依赖、构建系统和元数据。
- README.md: 项目的说明文档,介绍了项目的基本信息、安装方法和使用示例。
- multicall/: 项目的主要代码目录,包含了实现多智能合约调用的核心逻辑。
2. 项目的启动文件介绍
multicall.py 项目没有传统的“启动文件”,因为它是一个库,而不是一个独立的应用程序。用户可以通过导入 multicall 模块并调用其中的类和函数来使用该库。
例如,以下是一个简单的启动示例:
from multicall import Multicall, Call
# 定义合约地址和调用方法
MKR_TOKEN = '0xaaf64bfcc32d0f15873a02163e7e500671a4ffcd'
MKR_WHALE = '0xdb33dfd3d61308c33c63209845dad3e6bfb2c674'
# 创建一个多调用实例
multi = Multicall([
Call(MKR_TOKEN, ['balanceOf(address)(uint256)', MKR_WHALE], [('whale', lambda x: x / 1e18)])
])
# 执行多调用
result = multi()
print(result)
3. 项目的配置文件介绍
pyproject.toml
pyproject.toml 是 multicall.py 项目的主要配置文件,包含了项目的依赖、构建系统和元数据。以下是该文件的部分内容示例:
[tool.poetry]
name = "multicall"
version = "0.9.0"
description = "aggregate results from multiple ethereum contract calls"
authors = ["banteg <banteg@gmail.com>"]
license = "MIT"
[tool.poetry.dependencies]
python = "^3.8"
web3 = "^5.27.0"
aiohttp = "^3.7.4"
[tool.poetry.dev-dependencies]
pytest = "^6.2.2"
[build-system]
requires = ["poetry-core>=1.0.0"]
build-backend = "poetry.core.masonry.api"
配置文件介绍
- [tool.poetry]: 定义了项目的元数据,如项目名称、版本、描述、作者和许可证。
- [tool.poetry.dependencies]: 列出了项目运行所需的依赖包及其版本要求。
- [tool.poetry.dev-dependencies]: 列出了开发和测试所需的依赖包。
- [build-system]: 定义了构建系统的要求和后端。
通过这些配置文件,用户可以了解项目的依赖关系、版本要求以及如何进行构建和测试。
登录后查看全文
热门项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 K
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
🔥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
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
340
405
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++
886
596
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
React Native鸿蒙化仓库
JavaScript
303
355
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
336
178