迭代协议不直接实现图遍历算法，而是为DFS/BFS等算法提供安全、解耦、懒加载的封装接口，支持按需产出节点、链式组合、访问控制与上下文感知。
迭代协议本身不直接“实现”图遍历算法，但它为安全、可控、解耦地遍历图结构提供了设计范式。真正执行遍历的是 DFS 或 BFS 这类算法逻辑，而迭代协议（如 Python 的 __iter__/__next__，或 C++/Java 中的 Iterator 接口）负责把遍历过程封装成按需产出节点的序列——就像拉取数据流，而不是一次性加载全图。
为什么需要迭代协议来处理复杂图遍历
直接暴露图的内部存储（比如邻接表数组或邻接矩阵）会导致：外部代码依赖具体实现、难以统一访问不同图类型（稀疏/稠密、有向/无向）、无法插入访问控制或日志逻辑。迭代协议把“怎么存”和“怎么读”分开，让遍历行为可组合、可复用、可中断。
- 支持懒加载：对超大图或动态图（如网络拓扑实时更新），每次只生成下一个待访问节点，不预建完整访问序列
- 便于组合操作：可链式调用
.filter()、.take(10)、.map(transform)等，无需改写核心遍历逻辑 - 天然适配 for 循环和生成器表达式，语义清晰，降低使用门槛
如何基于迭代协议构建可扩展的图遍历器
关键不是重写 DFS/BFS，而是把它们“包装”成迭代器。以 BFS 为例：
- 状态封装：迭代器对象持有
queue（待访问队列）、visited（已访问集合）、graph（图引用）三个核心状态 - 初始化：构造时传入起始节点
start，将它加入队列并标记为已访问 -
__next__实现：出队一个节点 → 记录为当前结果 → 将其未访问邻接点入队并标记 → 返回该节点；若队列为空则抛出StopIteration
这样，for node in BFSIterator(graph, 'A'): 就能逐个获取 BFS 序列，且中途可 break 或 return，无需管理栈/队列生命周期。
应对复杂场景的协议增强技巧
真实图遍历常含约束条件（如权限过滤、权重阈值、路径长度限制），这些不应侵入基础遍历逻辑，而应通过迭代协议的分层设计注入：
-
装饰器式迭代器：写一个
FilteredIterator(it, predicate)，只对底层迭代器产出的节点做条件判断，满足才 yield -
上下文感知：在
__next__中传入当前深度、父节点、累计路径等上下文，供 predicate 动态决策（例如：“跳过深度 > 5 的节点”或“仅返回带 label='user' 的顶点”） -
双向迭代支持：对支持反向边的图，提供
reverse_bfs()迭代器，复用同一套协议接口，仅改变邻接关系遍历方向
实际编码中的关键细节
避免常见陷阱才能让协议真正可靠：
- 迭代器必须是**独立状态**：多次遍历同一图需创建新迭代器实例，不能共享
visited集合，否则第二次调用会“跳过”之前访问过的节点 - 图结构变更需显式处理：若遍历中图被修改（如增删边），迭代器应抛出
RuntimeError或自动失效，不可静默返回错误结果 - 资源清理：若图底层涉及文件句柄或网络连接，迭代器应在耗尽或被垃圾回收时释放资源（Python 中用
__del__或上下文管理器）
本质上，迭代协议是图遍历的“外壳”与“接口”，它不替代算法，但让算法更健壮、更易集成、更能适应现实世界的复杂性。
