本题的一个难点是：
1. 题目
这是一道很好的题目，至少把目前的我给困住了。
2. 分析
我的思路是深度搜索，深搜的同时记录上一次访问的节点（也就是当前节点的父节点）是什么。然后记录一个节点关系即可，代码如下：
"""
# Definition for a Node.
class Node:
def __init__(self, val = 0, neighbors = None):
self.val = val
self.neighbors = neighbors if neighbors is not None else []
"""
from typing import Optional
class Solution:
def cloneGraph(self, node: Optional['Node']) -> Optional['Node']:
vis = set() # 正在访问的节点
pre = None
root = self.dfs(pre, node, vis)
print(root.val)
return root
def dfs(self, pre, cur, vis):
print("1",cur.val)
node = Node()
if cur:
vis.add(cur.val)
node.val = cur.val
else:
return
if pre :
pre.neighbors.append(node)
node.neighbors.append(pre)
# 找出所有的邻居节点
for nei in cur.neighbors:
print("2",nei.val)
if nei.val not in vis:
self.dfs(node, nei, vis)
return node上面这版代码存在的一个问题是：就是存在漏访问的情况。也就是如下这两行红框中的代码导致：
例如在样例：[[2,4],[1,3],[2,4],[1,3]]中（对应的图是如下所示），
这版代码就会造成1<=>4 的漏访问。更深层次的原因是：这版代码是在深搜的时候clone对应的节点，但如果没深搜到这个节点，就没法clone这个邻居，而vis数组导致不会深搜到这个节点，从而产生遗漏。
3. 代码
我看了一下官方题解，代码写的确实比我好。官方题解的思想就是：使用一个哈希表存储某个节点被clone的节点。如果某节点没有被clone过，那么继续深搜；如果有，那么及时返回。在深搜的过程中维护好邻居关系即可。
