v-for能倒序遍历吗_装X的利器，图的BFS遍历，力扣第127题，单词接龙。

最近的每日一题，出现了一道图的遍历，力扣第127题单词接龙。本篇文章整体都是讲解这道题的。首先要说明的是这篇题解的代码是我在评论区偷的(但是理解是自己写的)！！我们读书人的事，怎么能叫偷呢？算法这东西你学到了不就是自己的吗？

基础思路：仔细读过题之后，可以注意到题目中要求找到最短转换路径。此时可以确定使用BFS搜索，因为BFS可以计算出从根节点开始到达每个可到达节点的距离，我们只需要在这些距离中找到从begin出发到end的最短距离即可。

其中从begin到end的变化中每次改变只能变换一个字母，并且转换后的单词也在wordList中，因此我们可以根据这个两个条件从begin单词开始构建出一个图。

(PS：图搜索算法可以用来发现图的结构，许多的图算法在一开始都会先通过搜索来获得图的结构，其他一些图算法则对基本的搜索进行优化。   ----算法导论是这么说的)

如何进行构建？首先BFS，肯定是使用队列的结构。我们可以从第一个单词开始，每次变换一个字母，如果该字母组成的新单词在wordList中，那么将该新单词入队，重复这一过程直到找到endWord。

这一过程在图中的表现就是旧单词(hit)与新单词(hot)之间建立起了一条边。代码中循环遍历对应图中的表现即是从新的单词无限延伸，直到找到end。

需要注意的是，这两条边是可逆的，也就是说该结构是无序图。通俗一点放在代码里讲，其实就是说我们要有一个集合存放已经遍历过的元素，以防止两个单词互相转换或是遍历到了已经遍历过的词，增加不必要的开销，因为我们找的是最短路径。

开始操作：

1、准备工作

# 将列表变成一个哈希表，以便在O(1)时间内进行in操作，# 判断单词是否在hash表内  (List中这个判断是O(n))。word_set = set(wordList)# BFS遍历需要使用队列的结构。同时以第一个单词(beginWord)为起点进行图的生成。queue = deque()queue.append(beginWord)# 上面有提到过要使用一个集合来记录某个节点是否访问过。visited = set(beginWord)# 因为题目中有说明"所有的单词长度都相同"，那么根据我们的刚才整理的思路，# 也就是加粗部分，可以看到每个单词遍历的次数就是他的元素个数，比如hit，# 它有三个字母就需要把h，i，t三个字母分别换成26个字母，看是否可以组成# 新的单词在wordList中。因此，此处我们需要记录单词的长度，也就是后面# 我们要用到的每个单词的遍历次数。word_len = len(beginWord)# 准备工作的最后肯定需要一个字段来计算我们走过的节点数量。# 此字段从1开始，即要从自己本身出发。count = 1# 然后是两点特殊处理# 1、当没有字典或者结束单词根本不在字典时候，直接返回0# 2、把开始单词从字典中删除，因为我们已经使用开始单词作为队列的第一个元素了。if len(word_set) == 0 and endWord not in word_set:    return 0if beginWord in word_set:    word_set.remove(beginWord)

2、准备工作结束后，现在进入正式的编码操作。

# 下面这几步应该不用解释了吧？BFS模板，无脑写出来就行。while queue:    current_size = len(queue)    for i in range(current_size):        word = queue.popleft()        # 为什么要把单词转换成列表？因为我们后面要把单词中的元素挨个替换，        # python中的字符串是不可变类型，操作起来困难。        word_list = list(word)        # 下面就开始了，真正的核心操作。遍历单词中的每个元素        for j in range(word_len):            # 把当前遍历的单词记录下来。题目中有说明"每次改变一个字母"，            # 所以我们后面还要把遍历后的字母还原。因此在此记录。            source_word = word_list[j]            # 循环26个字母分别赋值给当前元素            for k in range(26):                word_list[j] = chr(ord('a') + k)                # 使用新的字母去和两个原字母组成新的单词。                new_word = ''.join(word_list)                # 判断新的单词是否在wordList中。如果在，那么有两种情况：                # 1、该单词是endWord，恭喜，找到了直接把count + 1即可得到最后的结果。                # 2、该单词不是endWord且他不在visited，说明我们遇到了一个新的单词，                # 把他加到visited，同时入队(说明该单词在图中可以向其他节点延展，                # 这里有些晦涩，多在脑子中反复思考下这个逻辑。)                if new_word in word_set:                    if new_word == endWord:                        return count + 1                    if new_word not in visited:                        visited.add(new_word)                        queue.append(new_word)                # 刚才有说过此处，因为每次只能修改一个字母，所以下此修改(循环)前，                # 必须将本次修改的字母还原。否则会出现新单词中一次修改了两个元素的情况。                word_list[j] = source_word    # 循环一次则找到一个新的单词，路径长度+1    count += 1# 如果没有找到任何结果，需要返回0return 0

写在最后。可能有的朋友会问了，你这个怎么这么慢呢，才打败30%？其实这是个误会，本题解已经尽量进行速度上的优化了，但是隔壁的双向BFS实在太强了，我们打不赢~

不过！不过！不过！之所以还是要写这篇文章，是因为这是很经典的图的BFS遍历模板，甚至只要微调一下就可以使用在同类型的题目中~

源码在此：https://github.com/cjrzs/MyLeetCode/blob/master/%E5%8D%95%E8%AF%8D%E6%8E%A5%E9%BE%99.py