python 实现BFS(广度优先搜索)，DFS(深度优先搜索)

BFS

思路：

利用队列实现
创建一个空队列，加入首节点的拓展
新建一个空列表，用于后边的判重
如果没用重复，然后比对，符合返回，不符合加到队列尾部
遍历完所有队列数据，如果没有符合的，返回False

from collections import deque
def search(name):#广度优先搜索(BFS)
    #deque()函数创建一个双端队列（先进先出）
    #注意deque是python标准库cillections中的一个模块
    search_quene = deque()
    search_quene += graph[name]
    #创建空列表的目的：为了防止后边添加到队列里的元素与之前的重复出现
    #所以我加入一个空列表，将判断完成的数据添加的这个列表，将准备进入列表的数据与这个列表元素对比，确保没有重复元素再次进入队列，防止无限循环产生
    searched = []
    while search_quene:
    #队列中，pop()默认抛出右边元素，但是我们希望，append()从右边入队，popleft()从左边出队
        person = search_quene.popleft()
        if person not in searched:
        #person_is_not()是一个判断函数，我们需要判断我们查找的内容是否满足我们的需求
            if person_is_not(person):
                print (person+" is this")
                return True
            else:
                search_quene += graph[person]
                searched.append(person)
    return False

DFS

适用于非加权图中的最短路径

思路：

利用栈实现
每次从栈的末尾弹出一个元素，搜索所有在它下一级的元素，把这些元素压入栈中。并把这个元素记为它下一级元素的前驱。
如图，我们以A为首节点，然后找到B节点，然后再找到D节点，D节点再无子节点，然后放回上一节点，然后在找到E节点，再无子节点返回上一节点，B的子节点全部便利后继续返回，然后找到C节点，F节点，G节点

def dfs(node):
    if node is None:
        return
    nodeSet = set()
    stack = []
    print(node.value)
    nodeSet.add(node)
    stack.append(node)
    while len(stack)>0:
        cur = stack.pop()
        for next in cur.nexts:
            if next not in nodeSet:
                stack.append(cur)
                stack.append(next)
                set.add(next)
                print(next.value)
                break