智能语料库：一个有序的以太坊智能合约源代码与度量仓库

许多经验软件工程研究表明，对于获取、过滤并分类源代码的仓库存在巨大需求。过去几年中，以太坊区块浏览器服务已成为探索和搜索以太坊区块链数据（如交易、地址、代币、智能合约源代码、价格及发生在以太坊区块链上的其他活动）的流行项目。尽管此类服务可用，但检索对经验软件工程研究有用的特定信息（例如智能合约软件度量的研究）可能需要诸多子任务，如在区块中搜索特定交易、以 HTML 格式解析文件以及过滤智能合约以移除重复代码或未使用的智能合约。在本文中，我们通过创建 Smart Corpus（智能语料库）来解决该问题——一个有序、合理且最新的智能合约语料库仓库，其中 Solidity 源代码及关于以太坊智能合约的其他元数据可被轻松、系统地检索。我们给出了 Smart Corpus 的设计及其初步实现，并展示了如何查询和处理多种编程语言的智能合约源代码数据集，获取关于智能合约及其软件度量的有用信息。Smart Corpus 旨在创建一个智能合约仓库，其中智能合约数据（源代码、ABI 与字节码）免费且即时可用，并基于科学文献中确定的主要软件度量进行分类。智能合约源代码已由 EtherScan 验证，且每个合约附带由免费软件 PASO 计算得到的自身关联软件度量。此外，随着每日新增智能合约数量的增长，Smart Corpus 可轻松扩展。