一格一格“翻地毯”找单词——用深度优先搜索搞定单词搜索
一格一格“翻地毯”找单词——用深度优先搜索搞定单词搜索
一、引子：别看题简单，实则套路深
说起“单词搜索”这个题目，初学者第一眼可能会说：“哦不就是个查字母吗？”其实，真没这么简单。
LeetCode 上那道经典的 Word Search（单词搜索） 问题，表面看像是在玩字谜游戏，实际上却是 深度优先搜索（DFS）在二维矩阵上的经典应用场景。
这道题最迷惑人的地方在于，它不只是判断“某个字母在不在”，而是要求你一格一格地“爬”、一步一步地“凿”，找到那条合法路径拼出目标单词。这个过程，就像一场 逐格推进的深度探索游戏，没有深度优先搜索的概念，分分钟就绕晕了。
二、题目复述：走迷宫一样的查字母游戏
题目是这么说的：
给定一个二维字符网格 board 和一个单词 word，判断该单词是否可以由网格中的字符组成。规则是：
- 字母必须按上下左右相邻的方式连接；
- 同一个单元格中的字母 不允许重复使用。
举个例子：
board = [['A','B','C','E'],['S','F','C','S'],['A','D','E','E']
]word = "ABCCED" ➜ 返回 true
word = "SEE" ➜ 返回 true
word = "ABCB" ➜ 返回 false
这不是“扫一眼”就能找到的，你得挨个起点试，找路径，回头再退一步——这不就是 DFS 的操作么？
三、DFS 的核心思想：一条路走到底，走错就回头
深度优先搜索，咱打个通俗比方，就是“我不撞南墙不回头”，从一个起点开始，往一个方向猛扎下去，直到：
- 要么走通（找到了目标单词）；
- 要么撞墙了（走不下去了），那就回头换路（回溯）。
你可以把 DFS 想象成一个人在密室里找出口，一边记着自己走过的路径，一边尝试所有方向。如果走不通，就原路返回，接着试下一个可能的方向。
四、代码详解：一行一行讲清楚 DFS 的精髓
（此处省略代码段，代码部分我会在后续提供）
这段 DFS 代码干了以下几件事：
- 从矩阵的每个字符出发，作为起点尝试匹配；
- 用递归方式依次往上下左右走；
- 如果当前位置字母和目标不一致，或者已经走过，立即回退；
- 一旦匹配到完整的单词，立即返回成功；
- 记得回溯：走完之后要把访问过的位置“撤销标记”，供其他路径使用。
你可以理解为一个人带着字典在地图上爬格子，每走一格都问自己：“我走的路径还能继续拼出目标单词吗？”
如果能，就继续；否则就回头，重新选择方向。
五、DFS 的几个关键技巧（也是很多人踩坑的地方）
✅ 技巧1：防止重复访问
DFS 最大的“雷区”就是你忘了做“标记”——会走死循环。常用的做法：
- 用一个
visited数组记录每个格子是否访问过； - 或者更简便：临时修改 board 中的字符，比如改成 “#”，走完之后再改回来。
这个技巧在很多题中都能用，比如扫雷、连通区域识别、数岛问题等。
✅ 技巧2：剪枝优化
有些路径显然不可能成功（比如当前字母就不对），那就立刻 return False，减少递归次数，避免“暴力全图搜索”。
这就像打怪过程中看一眼这关 boss 是不是你要的，不对就别浪费时间打了，换一条路。
六、进阶思考：单词搜索还能怎么玩？
如果你觉得这个问题已经拿捏，那咱可以玩点花的：
- 在网格中找多个单词：那就需要用字典树（Trie）+ DFS，LeetCode 上有更难版本；
- 加对角线方向：上下左右不够看？那就 8 个方向都能走；
- 把路径打印出来：不仅告诉你“有没有”，还得告诉你“怎么走”；
- 限制步数/代价：比如走一步要耗电，最多只能走10步，这就是路径约束问题。
七、现实应用场景：搜索、填字、拼图、迷宫
你可能觉得这题太“学术”，但其实它背后的思想，在很多地方都有用武之地：
- OCR 校验路径：从图像中识别字符后，判断文字排列是否有意义；
- 拼图/填字游戏自动解题：DFS 是经典解法；
- 语音识别中的声调匹配路径；
- AI 迷宫路径搜索：玩《贪吃蛇》《扫雷》《我的世界》的小伙伴都懂。
深度优先搜索早就跳出了“纯算法题”的小圈子，走进了大数据搜索引擎、图神经网络、图像识别的实际项目中。
八、结语：学会 DFS，不再怕“路径问题”
很多人一听“DFS”就觉得“太递归了”、“太烧脑了”。其实，只要你换个角度看它，它就是在说：