4. Python环境搭建：Web3.py库安装、Infura/Alchemy节点服务配置、本地节点 vs 远程节点

好，咱们正式开始动手了。

前面聊了那么多链上数据的底层逻辑，现在终于要进入实操环节。说实话，很多新手在第一步就被环境搭建劝退了——不是装不上库，就是连不上节点，折腾一整天连个区块高度都查不到。我当年也踩过这些坑，所以今天咱们把这事彻底讲明白。

4.1 为什么非得用Python？

你可能想问：JavaScript不也能做链上分析吗？为什么我推荐Python？

原因很简单：Python的数据处理生态太强了。Pandas、NumPy、Matplotlib这些库，做数据分析简直是降维打击。你想想看，当你从链上拉下来几万条交易记录，用Python清洗、聚合、可视化，一套流程下来行云流水。换成JavaScript？嗯，也不是不行，但你会多写不少代码。

我个人习惯用Python 3.9+版本。别用太老的版本，有些新库已经放弃支持3.7以下了。

4.2 安装Web3.py——其实就一行命令

Web3.py是连接以太坊网络的Python桥梁。安装它，你就能用Python跟链上交互了。

pip install web3

对，就这么简单。但我建议你用虚拟环境，别污染全局Python。我在项目里吃过这个亏——同时维护好几个项目，依赖版本打架，最后不得不全部重装。

python -m venv venv
source venv/bin/activate  # Mac/Linux
# 或者
venv\Scripts\activate  # Windows

pip install web3

装完之后，验证一下：

python -c "from web3 import Web3; print(Web3.__version__)"

如果输出版本号，恭喜你，第一步走通了。

4.3 节点服务配置——Infura vs Alchemy

有了Web3.py，你还需要一个节点才能连上以太坊网络。自己跑节点？别急，后面会讲。先说说最省事的方案：第三方节点服务。

市面上主流的两家：Infura 和 Alchemy。我都用过，说说我的感受。

我个人更倾向Alchemy。为什么？有一次我用Infura做历史数据回溯，跑到一半突然限流了，整个分析脚本白跑两小时。换成Alchemy之后，同样的代码再没出过问题。当然，Infura也够用，看你的预算和需求。

4.3.1 注册并获取API Key

不管选哪家，流程都差不多：

1. 去官网注册账号
2. 创建一个项目（选以太坊主网）
3. 复制API Key或HTTP端点URL

以Alchemy为例，你拿到的是这样的URL：

https://eth-mainnet.g.alchemy.com/v2/你的API_KEY

4.3.2 用Web3.py连接节点

拿到URL之后，连接就很简单了：

from web3 import Web3

# 连接Alchemy节点
alchemy_url = "https://eth-mainnet.g.alchemy.com/v2/你的API_KEY"
w3 = Web3(Web3.HTTPProvider(alchemy_url))

# 检查是否连接成功
print(f"已连接: {w3.is_connected()}")
print(f"当前区块高度: {w3.eth.block_number}")

4.4 本地节点 vs 远程节点——怎么选？

这个问题我经常被问到。直接说结论：开发测试用远程，生产环境用本地。

为什么会这样？我给你分析一下：

4.4.1 远程节点的优缺点

• 优点：零运维，注册即用，适合快速原型开发
• 缺点：有请求限制，延迟较高，数据隐私存疑

我记得有一次做高频交易监控，用Infura的免费版，每秒请求超过10次就被限流了。后来换成付费方案，成本一下子上去不少。

4.4.2 本地节点的优缺点

• 优点：无请求限制，延迟低，数据完全自主
• 缺点：需要同步全量数据（以太坊主网现在超过1TB），运维成本高

如果你只是做数据分析，我建议用远程节点起步。等你的项目跑起来了，数据量大了，再考虑自己跑节点。别一上来就搞本地节点，同步一周数据还没完，热情早磨没了。

4.4.3 快速启动本地节点（Geth）

如果你真想跑本地节点，用Geth是最常见的：

# 安装Geth（Mac）
brew install ethereum

# 启动轻节点（只同步区块头，不下载完整状态）
geth --syncmode light --http

轻节点模式只需要几十GB空间，适合数据分析场景。全节点？嗯，除非你有专门的服务器，否则别碰。

4.5 本章知识体系

下面这张图帮你理清今天的内容：

4.6 避坑指南

最后分享几个我踩过的坑：

• API Key泄露：我曾经把Key写在Jupyter Notebook里，分享时忘了删，结果被人拿去调用了两万次查询。从那以后，我所有Key都放在.env文件里，用python-dotenv加载。
• 网络超时：远程节点偶尔会超时。我的解决方案是加重试机制：

from web3 import Web3
from web3.middleware import retry_request_middleware

w3 = Web3(Web3.HTTPProvider(alchemy_url))
w3.middleware_onion.add(retry_request_middleware)
# 这样请求失败时会自动重试3次

• 版本兼容：Web3.py v6和v5的API有变化。如果你看网上的教程报错，先检查版本。我习惯用v6，语法更现代。

好了，环境搭好了，下一章咱们就开始真正抓数据了。到时候你会看到，链上数据其实没那么神秘。