箭头函数不是封装数据结构的工具，而是简化回调和闭包的语法糖；真正封装双向链表或图结构依赖类或构造函数，箭头函数用于优化遍历逻辑、提升可读性与复用性。
箭头函数本身不直接“封装”数据结构，它只是简化回调和闭包书写的一种语法糖。真正封装双向链表或图结构，靠的是类（class）或构造函数 + 方法设计；箭头函数的价值，在于让遍历逻辑更简洁、更易组合、更少出错——尤其在高阶遍历（如深度优先 DFS、广度优先 BFS、拓扑排序、路径回溯）中，作为回调或比较器嵌入，大幅提升可读性与复用性。
双向链表的封装：用 class + 箭头函数优化遍历接口
核心不是“用箭头函数定义链表”，而是把链表方法设计成支持函数式风格调用，再用箭头函数写遍历逻辑。
- 链表节点与主类保持清晰分离，例如：
class ListNode { constructor(data) { this.data = data; this.prev = null; this.next = null; } }
class DoublyLinkedList { constructor() { this.head = null; this.tail = null; this._length = 0; } } - 提供标准遍历方法（如 forEach、map、filter），内部用传统循环实现，但对外暴露函数式接口：
- 用户调用时自然使用箭头函数，比如：
list.forEach(item => console.log(`Node: ${item}`));
const evens = list.filter(x => x % 2 === 0);
const doubled = list.map(x => x * 2); - 关键点：这些方法内部不依赖箭头函数实现，但它们的参数是函数——箭头函数让传参更轻量、无 this 绑定干扰、自动捕获外层变量，避免了
function(){...}.bind(this)的冗余。
图结构中的高阶遍历：箭头函数作为策略注入点
图的遍历算法（DFS/BFS）本质是状态驱动的过程，而箭头函数适合表达“对每个访问到的节点做什么”。它不替代算法骨架，而是作为行为钩子被注入。
- 例如，一个通用 DFS 实现可接受三个箭头函数参数：
dfs(start, { onEnter: node => ..., onLeave: node => ..., onEdge: (from, to) => ... }); - 拓扑排序中，用箭头函数快速定义入度更新逻辑：
graph.nodes.forEach(node => indegree.set(node, 0));
graph.edges.forEach(([u, v]) => indegree.set(v, indegree.get(v) + 1)); - 路径搜索时，用箭头函数封装路径重建逻辑：
const reconstructPath = (cameFrom, start, end) => {
let path = [];
for (let curr = end; curr !== undefined; curr = cameFrom.get(curr)) {
path.push(curr);
}
return path.reverse();
}; - 优势在于：算法主干保持纯逻辑（无副作用），所有业务逻辑（日志、过滤、转换、中断条件）都通过箭头函数注入，便于单元测试、复用和组合。
避免常见误区：箭头函数 ≠ 结构封装
有人误以为“用箭头函数定义节点或链表就能封装”，这是混淆了语法工具与设计模式。
- ❌ 错误做法：
const ListNode = (data) => ({ data, prev: null, next: null }); // 返回 plain object，无法挂载原型方法，也不具备 instanceof 检查能力 - ✅ 正确做法：用 class 封装结构与行为，用箭头函数处理“数据流”和“副作用”：
class Graph {
addEdge = (u, v) => { /* 可直接访问 this */ }; // 类字段箭头函数，自动绑定 this
traverseBFS = (start, visitFn) => { /* visitFn 是用户传入的箭头函数 */ };
} - 注意：类字段箭头函数（
method = () => {}）能自动绑定 this，适合做事件处理器或回调注册；而作为参数传入的箭头函数（list.map(x => x * 2)）则专注数据变换，两者分工明确。
实战建议：组合式遍历流的设计技巧
所谓“遍历算法流”，本质是多个遍历步骤的管道化（pipeline）。箭头函数让这种组合变得直观。
- 构建可链式调用的遍历流（类似 Lodash chain，但轻量）：
list
.filter(x => x > 0)
.map(x => ({ value: x, squared: x ** 2 }))
.reduce((acc, cur) => acc + cur.squared, 0); - 图的多阶段分析可写为：
graph
.bfs('A', node => node.label === 'Z') // 找目标
.then(path => path.map(n => n.id)) // 提取 ID
.then(ids => ids.join(' → ')); // 格式化输出 - 关键：每个环节返回新数据或 Promise，箭头函数让中间转换零样板，逻辑聚焦于业务意图而非语法噪声。
