递归DFS栈溢出风险高因CPython默认递归深度仅1000，长链或环易触发RecursionError；隐式栈不可控，闭包和帧对象加剧内存开销；图应优先用显式栈实现。
递归实现DFS时，为什么栈溢出风险比预期高？
Python默认递归深度限制是1000层，图中存在长链或环状结构时极易触发RecursionError。这不是算法错，而是CPython解释器对递归调用的硬性约束。
- 用
sys.setrecursionlimit()强行提高上限治标不治本——内存耗尽比报错更难调试 - 递归版DFS隐式依赖系统栈，无法控制每层调用开销（比如闭包变量、帧对象）
- 真正适合递归的场景是树（无环、深度可控），而一般图必须预判最坏路径长度
示例：邻接表表示的图，递归入口写法要带访问标记，否则死循环
def dfs_recursive(graph, node, visited):
if node in visited:
return
visited.add(node)
for neighbor in graph.get(node, []):
dfs_recursive(graph, neighbor, visited)
手写栈实现DFS，关键在“何时压入”和“是否重复访问”
显式栈版本可控性强，但新手常错在把节点一拿到就push，导致同一节点多次入栈。正确做法是“访问时标记，扩展时判断”。
- 初始化栈只放起始节点，
visited集合同步加入该节点 - 每次
pop后立即处理（如打印、收集），再遍历其邻居 - 对每个邻居，仅当
neighbor not in visited才push并add进visited - 顺序敏感：用
list.append()+list.pop()模拟栈；若用collections.deque，务必用pop()而非popleft()
常见错误：visited放在pop前检查——这会让未访问过的节点被跳过
邻接矩阵 vs 邻接表，对DFS性能影响有多大？
邻接矩阵查邻居要遍历整行，时间复杂度从O(度数)退化到O(V)，V大时明显拖慢。但某些场景下它反而更稳。
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
- 稠密图（边数接近V²）：邻接矩阵查
matrix[i][j]是O(1)，总复杂度O(V²)，和邻接表持平 - 需要频繁判断任意两点是否连通：邻接矩阵查存在性快，邻接表得遍历链表或查set
- 内存：邻接矩阵固定占O(V²)空间，哪怕图只有几条边；邻接表按实际边数分配
小技巧：若用邻接矩阵，邻居遍历别写for j in range(len(matrix))，改用enumerate(matrix[i])加条件过滤，避免无效判断
DFS遍历结果不唯一，怎么验证自己写的没逻辑漏洞？
图的DFS顺序取决于邻接点的存储顺序和遍历顺序（如字典序、插入序），结果不同不等于错。验证重点是“连通性覆盖”和“无重复访问”。
- 跑完后检查
len(result) == len(visited) == 连通分量大小，少一个就是漏节点 - 对无向图，可构造含桥边的图（如A-B-C-D，B-E），手动推演：从A出发应能到E，但不能绕回A形成环（除非你没做访问标记）
- 加一句
assert len(visited) == len(set(result))快速捕获重复写入
最容易被忽略的是有向图中的“不可达节点”——它们根本不会出现在结果里，不是bug，是DFS特性。需要全图遍历就得外层套个for node in all_nodes:检查未访问节点
