本文介绍如何通过深度优先搜索（dfs）识别无向图中的所有连通分量，从而确定从任一节点出发可访问的全部节点集合；提供清晰的python实现、邻接矩阵适配方案及关键注意事项。 本文介绍如何通过深度优先搜索（dfs）识别无向图中的所有连通分量，从而确定从任一节点出发可访问的全部节点集合；提供清晰的python实现、邻接矩阵适配方案及关键注意事项。在无向图中，"从某个节点能访问哪些节点"本质上是连通性分析问题------即判断图中节点间的可达关系。若两个节点之间存在路径，则它们属于同一连通分量（Connected Component）。整个图可被划分为若干互不连通的极大连通子图，每个子图内的任意两节点均可互相到达，而不同子图间则完全隔离。以问题中给出的 5 节点图为例（节点标记为 A--E），其邻接矩阵表示如下： A B C D EA 0 0 0 1 0 B 0 0 1 0 0 C 0 1 0 0 0 D 1 0 0 0 1 E 0 0 0 1 0 直观可见：A--D--E 构成一个三角链式结构（A?D?E），B?C 形成独立边。因此图包含两个连通分量：{A, D, E} 和 {B, C}。我们的目标就是自动识别并分组这些节点集合。核心算法：基于 DFS 的连通分量标记我们采用深度优先搜索遍历每个未访问节点，并递归标记其所有可达邻居，每完成一次完整遍历即发现一个新连通分量。为便于区分，我们为每个分量分配唯一整数编号（如 1, 2, 3...），最终返回每个节点对应的分量 ID。 橙篇 百度文库发布的一款综合性AI创作工具