Python 多链接结构的递归方法

我有一个python类，它接受两个散列并将它们链接在一起。我想要的是能够递归地获取所有链接的哈希，但是我正在努力编写一个正确的递归函数。 到目前为止，我所拥有的：

class MultiLink:
    def __init__(self):
        self.map = {}

    def get(self, md5: str, scanned: list = None) -> list:
        matches = []
        scanned = scanned or []
        for match in self.map[md5]:
            matches.append(match)

            if match in scanned:
                continue

            scanned.append(match)
            for mmatch in self.map[match]:
                if mmatch not in scanned:
                    matches += self.get(mmatch, scanned=scanned)

        return list(set(matches))

    def link(self, first: str, second: str) -> None:
        try:
            self.map[first].append(second)
        except KeyError:
            self.map[first] = [second]

        try:
            self.map[second].append(first)
        except KeyError:
            self.map[second] = [first]

正如您所看到的，输出并不像我期望的那样执行：

l = MultiLink()
l.link("a", "b")
l.link("b", "c")
l.link("c", "a")
l.get("c")

这将输出

['c'，'b'，'a']

，但

l.get（“a”）

输出

['c'，'b']

如果我接着执行

l.link（“d”，“a”）

，它将返回

['c'，'a']

，而不是整个结果集

相反，我想要的是get函数从给定节点开始，递归地跟随所有其他节点，直到它获取所有直接或间接链接的节点。因此

l.get（“b”）

将返回

[“a”、“c”、“d”]

，“d”，因为它是通过“a”链接的。同样地，

l.get（“d”）

将获取所有其他字母，因为它们通过“a”链接

---

这是我第一次尝试写这样的东西，所以我肯定我在某处犯了一个非常愚蠢的错误，但我自己找不到。有人知道怎么做吗？或者如果已经在某处实现了这一点？我检查了collections模块，但没有发现任何感兴趣的内容。

简单的图形遍历即可：

稍微更改代码以使用

集合

并应用：

类多链接：
定义初始化（自）：
self.map={}
def get（自我，md5:str）->设置：
结果=集合（[]）
def DFS（键：str）->无：
对于self.map[键]中的匹配：
如果结果中不匹配，则匹配！=md5：
结果。添加（匹配）
DFS（匹配）
DFS（md5）
返回结果
def链接（self，第一个：str，第二个：str）->无：
如果在self.map中处于第一位：
self.map[first].add（second）
其他：
self.map[first]=set（[second]）
如果是self.map中的第二个：
self.map[second].add（first）
其他：
self.map[second]=set（[first]）

给定样本的预期输出是什么？您需要描述行为应该是什么。从你的描述中不明显。例如，“接受两个散列并将它们链接在一起”并没有使用标准术语，也不清楚您的意思我希望基本上递归地跟踪所有链接。因此在我的示例中，l.get（“c”）将返回[“d”、“b”、“a”]，因为这些字母都链接在一起。我将更新描述，请更新您的问题，并明确指出这些输出。不要把它们写在评论里。更新了，我希望现在更清楚。这正是我要找的，谢谢。我一开始读过图表，但我从来没有听说过DFS，所以我可能永远也不会自己弄明白。根据链接的大小，可能会遇到递归错误。您还可以使用堆栈数据结构而不是调用堆栈将DFS实现为迭代算法。