區塊鏈網路與我們一般所認知的網際網路是兩個世界，資料並沒有直接互通。那我們要如何從智能合約取得外部資料呢？

我們可以建立一個後端應用程式，讓它替我們從網際網路取值，之後在建立一筆交易來把資料寫入區塊鏈中，那智能合約就可以讀得到值了。但你的後端應用程式，是架在中央式服務器，你有絕對控制權，要如何取得大家信任取值的過程沒有人為因素。

很難對吧，Oraclize 看到了這個需求的缺口，催生了這個服務，協助你在智能合約中取得外部 API 的資料。

Oraclize 是什麼？

Oraclize 是一個資料提供者，在區塊鏈上提供可信賴 (oracle) 的資料，服務不僅限於以太坊，它也可以使用在其他區塊鏈，例如 EOS、Rootstock、Fabric。

Oraclize 的核心概念

Oraclize 透過三個概念貫穿整個服務

1. 資料來源型態
2. 查詢 (query)
3. 真實性證明 (Authenticity Proof)

今天我們只會先提到第一個概念

資料來源

Oraclize 提供五種資料來源 (data source)，讓你取得外部環境的資料。

1. URL 資料來源

從 HTTP API 取得資料

HTTP GET request

• 假如 oraclize_query 函式只有一個 arg 傳入參數的時候，服務會用 HTTP GET 的方式來取得資料。

語法

function oraclize_query(string datasource, string arg) 
    oraclizeAPI internal returns (bytes32 id)

範例

oraclize_query(
    "URL",
    "https://www.therocktrading.com/api/ticker/ETHEUR"
    )

HTTP POST request

• 假如 oraclize_query 函式只有第二個 arg 傳入參數的時候，服務則會用 HTTP POST 的方式來取得資料。

語法

function oraclize_query(string datasource, string arg1, string arg2) 
    oraclizeAPI internal returns (bytes32 id)

範例

oraclize_query(
    "URL",
    "json(https://shapeshift.io/sendamount).success.deposit",
    '{
        "pair":"eth_btc",
        "amount":"1",
        "withdrawal":"1AAcCo21EUc1jbocjssSQDzLna9Vem2UN5"
    }'
)

Parsing Helper 函式

如果我們只需要一個值，可以搭配 Parsing Helper 函式，將資料先過濾過後，才送回我們的智能合約。

Parsing Helper 函式有四種 Parsing 類型：

• JSON Parsing
• XML Parsing
• HTML Parsing
• Binary Parsing

2. WolframAlpha 資料來源

WolframAlpha 是一個使用 AI 技術的線上自動問答系統，你只要傳入問題，它就會回傳答案給你。問題的範圍非常廣泛，從最基本的天氣、微積分、統計學，甚至連地球科學的問題，它都可以回應你。

oraclize_query("WolframAlpha", "random number between 0 and 100");

WolframAlpha 官網：https://www.wolframalpha.com/
wiki：https://zh.wikipedia.org/wiki/Wolfram_Alpha

3. IPFS 資料來源

IPFS (InterPlanetary File System) 是一個 P2P 的分散式檔案系統。因為區塊鏈儲存資料非常昂貴，所以你可以上傳檔案到 IPFS 後，將 IPFS 給你的 hash 值存入區塊鏈中。

oraclize_query("IPFS", "QmdEJwJG1T9rzHvBD8i69HHuJaRgXRKEQCP7Bh1BVttZbU");

miaoski 的 IPFS 筆記和教學 (繁體中文)：https://github.com/miaoski/ipfs-tutorial

4. random 資料來源

可以從這個資料來源取得亂數值，使用的產生亂數演算法是 Oraclize 自創的，可以配合一些博易類智能合約使用。

5. computation 資料來源

computation 資料來源使用比較複雜，會用一個獨立的篇幅來說明。