NetworkX子图匹配异常：候选节点匹配错误且同构迭代器为空

NetworkX的GraphMatcher默认会先基于节点度生成候选配对，只有度相等的节点才会被纳入候选池。你的预期匹配节点（查询1→目标1、查询3→目标3）的度不相等（查询节点度为2，目标节点度为3），所以这些配对根本没进入候选池，导致自定义的node_match函数没有触发的机会。

同时，默认候选池里的目标节点（2、4、5）在目标图中无法形成和查询图一致的三角形结构，因此subgraph_isomorphisms_iter()返回空迭代器。

方法一：自定义候选配对逻辑，跳过度过滤 #

修改GraphMatcher的初始化代码，添加node_candidate参数，允许所有节点进入候选池，交给node_match过滤：

# 自定义候选配对函数：允许所有查询节点与目标节点配对
def node_candidate(q_node, t_node):
    return True

GM = iso.GraphMatcher(query, target, node_match=node_match, node_candidate=node_candidate)

方法二：基于节点属性生成候选配对 #

如果cat属性是节点匹配的核心依据，可以用NetworkX提供的工具直接生成属性匹配的候选池，效率更高：

# 基于'cat'属性筛选候选配对
node_candidate = iso.categorical_node_match('cat', None)
GM = iso.GraphMatcher(query, target, node_match=node_match, node_candidate=node_candidate)

• candidate_pairs_iter()会返回(1,1)、(2,2)、(3,3)三对匹配节点；
• subgraph_isomorphisms_iter()会输出预期的同构映射：{1: 1, 2: 2, 3: 3}。

内容的提问来源于stack exchange，提问作者dokondr