判断resultset是否遍历到最后一条记录_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 0
if 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。

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