Python查找字典词关联路径时如何避免多层if嵌套

你当前的字典本质是无向图的邻接表存储结构，需要实现的是最多10步的两个节点间最短路径查找。你当前手写多层嵌套循环的方案虽然能跑，但灵活性差、无法动态调整深度、重复遍历会导致性能浪费。

BFS天然适配无权图最短路径查找场景，逻辑和你按迭代次数逐层查找的逻辑完全一致，还能自动处理最大深度限制、循环路径去重的问题。

实现代码 #

from collections import deque

def find_path(graph: dict, start: str, end: str, max_step: int = 10):
    # 队列存储（当前节点，当前路径）
    queue = deque([(start, [start])])
    # 已访问节点集合，避免循环遍历
    visited = set([start])
    
    while queue:
        current, path = queue.popleft()
        current_step = len(path) - 1
        # 超过最大步数停止搜索
        if current_step >= max_step:
            return None
        # 遍历当前节点的所有邻接节点
        for neighbor in graph.get(current, []):
            if neighbor == end:
                return path + [neighbor]
            if neighbor not in visited:
                visited.add(neighbor)
                queue.append((neighbor, path + [neighbor]))
    # 无符合条件的路径返回空
    return None

调用示例 #

full_dict = {
    'A': ['B','C','D','E'],
    'B': ['A','C','D','E','F','X'],
    'X': ['W','Y','Z','S'],
    'S': ['W','K','T']
}

# 查找A到S的路径，最多10步
result = find_path(full_dict, 'A', 'S', max_step=10)
print(result) 
# 输出：['A', 'B', 'X', 'S']

• 灵活性高，调整最大步数只需要修改max_step参数，不需要增减嵌套循环代码
• 自动去重避免循环遍历，相比原有方案性能提升明显，适配数千节点的查找场景
• 返回的第一条路径就是最短路径，符合你的查找需求
• 边界处理完善，覆盖起点终点相同、路径不存在、超过最大步数等异常场景

内容的提问来源于stack exchange，提问作者Dmitry