拆解Orbit区块链交易调查工具核心代码：ranker排行算法、getNew去重与pageLimit分页机制详解

拆解Orbit区块链交易调查工具核心代码：ranker排行算法、getNew去重与pageLimit分页机制详解

【免费下载链接】OrbitBlockchain Transactions Investigation Tool项目地址: https://gitcode.com/gh_mirrors/orbit5/Orbit

Orbit 是一款开源的区块链交易调查工具（Blockchain Transactions Investigation Tool），它能从一个比特币钱包地址出发，递归爬取交易历史，并将资金往来渲染成可视化图谱，帮你快速锁定可疑的来源、去向和关联地址。本文将带你读懂 Orbit 三个最核心的实现机制：pageLimit分页计算、rankerTop-N 排行筛选和getNew去重逻辑，看看这个不到 150 行的主程序是如何组织起一场完整的链上调查的 🔍

一、先认识 Orbit：它能做什么？

Orbit 的工作方式可以概括为一句话：给一个种子地址，它自动"滚雪球"式地挖出整个交易网络。

以某个地址为起点，Orbit 会抓取它最近 50 笔（默认）交易，找出所有交互过的地址；再对这批新地址重复同样的过程，一层一层向下挖掘（默认 3 层）。最终所有地址和连接被整理成图谱，在浏览器中展示——节点越大、边越粗，代表交易越频繁。

对于安全研究员、反欺诈分析师或区块链爱好者来说，这是一个轻量的链上追踪工具：无需部署节点，一条命令即可开始调查。

克隆仓库并运行

Orbit 要求 Python 3.2 及以上版本，克隆后即可使用：

git clone https://gitcode.com/gh_mirrors/orbit5/Orbit cd Orbit python3 orbit.py -s 1AJbsFZ64EpEfS5UAjAfcUG8pH8Jn3rn1F

💡 多个种子地址用逗号分隔即可，例如-s addr1,addr2。

二、项目结构总览：核心文件清单

Orbit 的结构非常精简，所有逻辑都集中在一个入口文件加 7 个核心模块中：

理解了这张地图，我们就能进入core/utils.py的三个"机关"了。

三、pageLimit 分页机制：如何算出要请求几页？

区块链数据接口每次最多返回50 条交易记录。用户通过-l参数指定"最多抓取多少笔交易"（默认 100），Orbit 需要把"条数"换算成"页数"——这就是pageLimit的工作。

它由两个函数配合完成：

def pageLimit(n): return int((round(n, 49)/49) + 1) def round(n, m): r = n % m return n + m - r if r + r >= m else n - r

1. 自定义 round：就近取整到 49 的倍数

这里的round是作者自己实现的"就近取整"：把n舍入到距离它最近的m（这里是 49）的倍数。

• round(100, 49)：100 距 98 更近（差 2），返回98
• round(50, 49)：50 距 49 更近（差 1），返回49

2. pageLimit：除以 49 再 +1，多要一页兜底

公式round(n, 49) / 49 + 1拆开看：先算需要几个"49 条"的整块，再额外加一页作为缓冲——因为接口最后一页往往不满 50 条，多请求一次能保证实际抓到的记录数不缩水。

举几个具体例子感受一下：

3. getTransactions 中的分页循环

core/getTransactions.py拿到页数后逐页请求，并把交易对端地址累加进database：

pages = pageLimit(limit) for i in range(pages): if pages > 1 and increment != 0: trail = '?offset=%i' % increment response = requester(address) ... increment += 50

🔎一个值得玩味的细节：拼好的trail = '?offset=...'偏移量变量，实际上并没有拼进最终的请求 URL（core/requester.py只拼接了地址本身）。也就是说，多页循环目前拿到的是同一批记录。分页的"骨架"已经搭好——只差一次字符串拼接。也正因为如此，后面的ranker和getNew才成为保证结果质量的关键。阅读开源代码时，这类"差一步"的实现细节正是最值得观察的地方。

四、ranker 排行算法：Top N 地址是如何筛出来的？

爬取一层下来，某个地址可能关联了几十个对端地址。但不是所有关系都值得继续深挖——Orbit 用ranker为每个节点只保留交易次数最多的前 N 个地址（对应-t参数，默认 20），把"弱连接"剪掉，控制图谱的爆炸式增长。

它的核心思路不是排序，而是追踪 Top 数组中的最小值：

def ranker(database, top): newDatabase = {} for node in database: newDatabase[node] = {} topSize = [0 for i in range(top)] # 大小槽位 topAdd = ['' for i in range(top)] # 地址槽位 for each in database[node]: minimum = min(topSize) if database[node][each] > minimum: index = topSize.index(minimum) topSize[index] = database[node][each] topAdd[index] = each for size, address in zip(topSize, topAdd): newDatabase[node][address] = size return newDatabase

用生活化的比喻：想象一排 N 个座位（初始都是空的），每来一位"交易次数更多"的嘉宾，就挤掉当前坐着的分数最低那位。遍历结束后，留在座位上的就是 Top N。

这里有三个设计细节值得注意：

1. database的数据结构：{节点地址: {对端地址: 交易次数}}。次数在抓取阶段由core/getTransactions.py里的database[address][found] += 1累加而来——每多一笔共同交易，计数加 1。
2. 空槽位是"故意的"：当某节点的对端数量少于top时，剩余槽位保持0和空字符串''。别担心，这些占位符会被下一站的getNew清理掉。
3. top + 1的小心思：主循环orbit.py中每层调用的是ranker(database, top + 1)，即每层多留一个名额，给下一层的扩展留出余量；爬完最后一层后才用ranker(database, top)收敛到精确的 Top N 再输出。

五、getNew 去重机制：processed 集合如何避免重复爬取

深度爬取最大的风险是重复劳动：同一个地址可能被几十个邻居同时发现。Orbit 用一个全局的processed集合（orbit.py中初始化的set()）记录"已经爬过的地址"，getNew负责挑出还没爬过的新面孔：

def getNew(database, processed): new = [] for address in database: if address not in processed: new.append(address) for childAddress in database[address]: if childAddress not in processed: new.append(childAddress) return set(filter(None, new))

三段逻辑，各司其职：

• 节点本身 + 子节点都检查：不只是看新邻居，连当前节点自身若还没爬过也会被纳入，保证不遗漏；
• set(...)去重：同一地址可能被多个邻居反复"推荐"，集合自动去重；
• filter(None, ...)清障：顺手把ranker留下的空字符串占位符过滤掉——两个函数之间一个精巧的"接力"🧩。

processed则在core/getTransactions.py中、每个地址抓取完成时被processed.add(address)写入，形成"先认领、后放行"的闭环。

六、三者协同：一轮完整爬取的数据流

把三个机制串起来，orbit.py主循环的每一步都各司其职：

整个循环重复depth次（默认 3 层）。最后orbit.py将database转成节点/边 JSON，交给core/prepareGraph.py注入quark.html，浏览器中就能看到资金网络的完整图谱；如果带了-o参数，core/exporter.py还会导出graphml或json供后续分析。

七、快速上手：常用参数一览

一条典型的"深度调查"命令：

python3 orbit.py -s 1AJbsFZ64EpEfS5UAjAfcUG8pH8Jn3rn1F -l 100 -d 3 -t 20 -o result.graphml

运行完成后，quark.html会自动在浏览器打开。如果图谱看起来一团乱麻，可以在 Quark 中依次点击Make Clusters → Color Clusters → Spacify，用社区发现算法把可疑簇"聚"出来，一目了然 📊

八、小结

Orbit 虽然代码量不大，却是一个麻雀虽小五脏俱全的爬虫工程范本：

• pageLimit用"就近取整 + 多要一页"的朴素算术解决条数到页数的换算，分页骨架清晰；
• ranker用最小值追踪代替排序，实现低开销的 Top N 剪枝，有效控制图谱规模；
• getNew用set+processed集合完成去重闭环，顺手清理上游的占位符。

如果你想深入理解区块链交易调查工具的实现，不妨从core/utils.py这三个函数读起——它们正是 Orbit 从"一堆地址"到"一张图谱"的核心引擎。

【免费下载链接】OrbitBlockchain Transactions Investigation Tool项目地址: https://gitcode.com/gh_mirrors/orbit5/Orbit