Python爬虫教程：广度优先搜索用于计算两点间的最短路径

本文重点阐述了如何运用Python实现广度优先搜索算法以获取两点之间的最短路径，具备一定的实践参考意义，有兴趣的读者可作为学习资料进行查阅。
引言

此前一直未能掌握相关知识，本周日花费整个下午的时间终于理解透彻，特此整理发布至博客中，便于日后查阅回顾。
目标是输入一张图结构、指定的起点与终点，最终输出从起点到终点的最短路径。

广度优先搜索算法

适用场景：适用于无权重的图结构。相较于深度优先搜索方法，深度优先搜索在内存占用方面较少但执行速度较慢；而广度优先搜索虽然占用更多内存，但运行效率更高。

复杂度分析：该算法的时间复杂度为O(V+E)，其中V代表图中的顶点数量，E代表边的数量。

实现思路
广度优先搜索按照层级顺序进行遍历，在完成某一层所有节点的访问后才进入下一层；
例如如下图示：

从初始节点0出发进行搜索时，首先将节点0放入队列；
随后进入下一层，节点0能够到达的节点包括1、2、4，将这些节点依次加入队列；
接着处理节点1，该节点可以到达且尚未访问的节点为3；
因此，搜索顺序为0、1、2、4、3，其中每层搜索到的