一个vuepress配置问题，引发的js递归算法思考
一个vuepress配置问题，引发的js递归算法思考
# 前言
这两天在尝试用语雀＋ vuepress ＋ github 搭建个人博客。 小破站地址 ：王天的 web 进阶之路open in new window 语雀作为编辑器，发布文档推送 github，再自动打包部署，大概流程如下。
# 问题
我使用的elog插件批量导出语雀文档。elog采用的配置是所有文章平铺导出，没有按照语雀知识库目录生成markdown，这导致 vuepress 侧边栏无法和语雀一致，如下图。
上图，左侧是语雀知识库，右侧是导出到 vuepress 展示的效果，很明显没有目录这很影响阅读体验呀
# 解决
在查阅 vuepress 文档后，发现配置silderbar.ts可以自定义侧边栏目录，配置参数如下：
export default {
theme: defaultTheme({
// 可折叠的侧边栏
sidebar: {
"/web/": [
{
text: "王天的web进阶手册",
collapsible: true, // 目录是否折叠
children: ["/reference/cli.md", "/reference/config.md"], // 文档目录
},
{
text: "王天的魔法工具箱",
collapsible: true,
children: [
"/reference/bundler/vite.md",
"/reference/bundler/webpack.md",
],
},
],
},
}),
};# 递归生成菜单
配置sidebar.ts 可以修改左侧菜单，但是一个个手动修改这忒麻烦了啊啊啊啊。那如何批量生产菜单配置项呢？
递归函数呀呀呀呀呀呀 🔥🔥🔥🔥
elog 在同步语雀文档时，会自动创建
elog.cache.json缓存文件，在 vueprss 项目根目录中查看。
打开elog.cache.json文件，我们能看到语雀文档知识库的数据结构
"catalog": [
{
"type": "DOC",
"title": "前言",
"uuid": "17Os-_V_hcS37KOD",
"url": "wqbpyf5083qc7ho8",
"prev_uuid": "",
"sibling_uuid": "dmQSRn6AXUBSg96x",
"child_uuid": "",
"parent_uuid": "",
"doc_id": 141216125,
"level": 0,
"id": 141216125,
"open_window": 1,
"visible": 1
}
]catlog 属性是文档缓存数据，关键字段：
- type：值为'DOC' 是文章、值为 TITLE 则为目录
- uuid：文章 id
- prent_uuid:父节点的 uuid
咱们根据以上参数，编写递归函数， 将elog.cache.json的一维数组，递归生成 vuepress 侧边栏配置数据
代码如下：
function genYuqueRoute() {
// 参数1:遍历数组
// 参数2:父菜单id
const deep = (arrlist, parantId) => {
let forList: any[] = [];
arrlist.forEach((element) => {
// 菜单id不一致，跳出循环调用
if (element.parent_uuid !== parantId) return;
// 如果是TITLE类型新增配置项
if (element.type === "TITLE") {
forList.push({
text: element.title,
collapsible: true,
children: deep(arrlist, element.uuid),
});
// 如果是DOC 类型追加文件地址
} else {
forList.push(element.url + ".md");
}
});
return forList;
};
return deep(catalog, "");
}# 效果
image.png
# 敲重点啦！
递归函数本质上是一个在回调自身的函数，用于改造数据结构，重点在于跳出循环的机制，否则陷入死循环啦
# DFS vs BFS ？
什么是 DFS 、BFS ?
- DFS 深度优先搜索：可以用于找到一条路径、判断图中是否存在循环、拓扑排序、生成连通分量等。
- BFS 广度优先搜索：可以用于找到最短路径、生成最小生成树、进行网络分析等。
警告
🧚🏻♀️ 简单理解为，横向 、竖向 遍历据状结构
- 深度优先搜索，对数据结构的横向执行，从第一行遍历子节点、叶子节点，依次直到最后一行。
- 广度优先搜索，对数据结构的竖向执行，把树结构平面铺开、以层级数为列数，从第一列依次执行。
将深度搜索、广度搜索代入到生活场景更容易理解。
咱们先看一个家庭关系树状图，爷爷奶奶是一级属性、父母叔伯二级、孙子孙女三级属性、重孙们是四级属性，以此类推。形成一个家庭关系树状图。 假如奶奶过八十大寿，按辈分来，首先是父母叔伯这一辈祝寿，其次是孙子孙女辈分，最后重孙们，以此类推，这个竖向执行的祝寿过程就是广度优先搜索 那过年走亲戚的话，咱们没有俺辈分，去分批的吧？至少我们老家不是的，都是一去一家子呢。那这个横线执行的过程，就是深度优先搜索。
# 深度优先搜索（DFS）示例代码：
从 A 节点依次取出数据
// 图的邻接表表示
const graph = {
A: ["B", "C"],
B: ["D", "E"],
C: ["F", "G"],
D: [],
E: [],
F: [],
G: [],
};
// 使用深度优先搜索遍历图
function dfs(graph, start) {
const visited = new Set(); // 存储已访问节点的集合
function traverse(node) {
visited.add(node); // 将当前节点标记为已访问
console.log(node); // 打印遍历的节点
const neighbors = graph[node]; // 获取当前节点的邻居节点
for (const neighbor of neighbors) {
// 遍历当前节点的邻居节点
if (!visited.has(neighbor)) {
// 如果邻居节点未被访问过
traverse(neighbor); // 递归遍历邻居节点
}
}
}
traverse(start); // 从起始节点开始进行深度优先搜索
return visited; // 返回所有已访问的节点
}输出结果：
dfs(graph, "A"); // 对图进行深度优先搜索，从起始节点 'A' 开始，并打印遍历结果
// A
// B
// D
// E
// C
// F
// G在上述代码中，图使用邻接表表示，dfs 函数使用递归方式实现了深度优先搜索。从起始节点 'A' 开始，递归访问其邻居节点，并在访问时输出节点的值。
# 广度优先搜索（BFS）示例代码：
// 广度搜索 BFS
let graph = {
A: ["B", "C"],
B: ["A", "C", "D"],
C: ["A", "D", "E"],
D: ["B", "C", "E"],
E: ["C", "D", "F"],
F: ["E", "W"],
W: ["C"],
};
function bfs(graph, startPoint) {
let queue = []; // 用于存储待访问节点的队列
let result = []; // 存储遍历结果的数组
queue.push(startPoint); // 将起始节点添加到队列
result.push(startPoint); // 将起始节点添加到遍历结果
while (queue.length > 0) {
// 当队列不为空时进行循环
let point = queue.shift(); // 取出队列中的第一个节点作为当前节点
let nodes = graph[point]; // 获取当前节点的所有邻居节点
for (let node of nodes) {
// 遍历当前节点的邻居节点
if (result.includes(node)) continue; // 如果邻居节点已经在遍历结果中，则跳过
result.push(node); // 将邻居节点添加到遍历结果中
queue.push(node); // 将邻居节点添加到队列中，以便后续访问其邻居节点
}
}
return result; // 返回遍历结果
}
console.log(bfs(graph, "B")); // 执行广度优先搜索，从起始节点 'B' 开始，并输出遍历结果在上述代码中，图使用邻接表表示，bfs 函数使用队列实现了广度优先搜索。从起始节点 'A' 开始，将其加入队列并标记为已访问，然后依次从队列中取出节点，并访问其邻居节点，同时将邻居节点加入队列中，直到队列为空。
# 案例
深度优先搜索（DFS）和广度优先搜索（BFS）在前端项目中有许多实际的应用场景。下面有两个常见的前端开发项目案例
# 1、组件树遍历
在前端开发中，经常会有需要对组件树进行遍历的场景，例如渲染组件、查找组件等。下面是一个使用 DFS 进行组件树遍历的示例：
function dfs_component_traversal(component) {
console.log(component); // 处理当前组件
if (component.children) {
for (const child of component.children) {
dfs_component_traversal(child); // 递归遍历子组件
}
}
}以上的代码展示了一个使用深度优先搜索进行组件树遍历的函数。我们可以根据组件的层级关系，从根组件开始递归地遍历每个组件及其子组件，以实现对整个组件树的遍历和操作。
这个算法可以帮助我们在前端项目中处理组件之间的关系，例如渲染组件、查找相关组件等。通过对组件树的深度遍历，我们可以有序地处理组件及其子组件，并执行相应的操作。
# 2、页面导航
在前端开发中，页面导航是一个常见的需求。我们可以使用广度优先搜索来实现页面导航功能，以确保按照层级关系有序地展示页面。
function bfs_page_navigation(page) {
const queue = [page]; // 使用队列作为辅助数据结构来进行广度优先搜索
while (queue.length > 0) {
const current = queue.shift(); // 移除队列头部元素作为当前页面
console.log(current); // 处理当前页面
for (const child of current.children) {
queue.push(child); // 将子页面加入队列
}
}
}以上代码展示了一个使用广度优先搜索进行页面导航的函数。在这个函数中，我们使用队列作为辅助数据结构来进行广度优先搜索。通过不断将子页面加入队列，并按照队列中的顺序处理每个页面，可以实现按照层级关系有序地导航页面。
# 3、DFS + BFS 综合案例
const root = {
value: 1,
children: [
{
value: 2,
children: [],
},
{
value: 3,
children: [
{
value: 7,
children: [
{
value: 8,
children: [],
},
],
},
],
},
{
value: 4,
children: [
{
value: 6,
children: [],
},
],
},
],
};
// 在深度优先搜索 - 堆
// 我们首先处理当前节点，然后递归地处理每个子节点、直到叶子节点（没有子节点的节点），最后依次遍历完成
const digui = (node) => {
console.log(node.value);
if (node.children) {
for (const children of node.children) {
digui(children);
}
}
};
// 广度优先搜索-栈，把多维树结构，取出来平铺，依次访问。
// 在广度优先搜索中，我们使用队列来保存待访问的节点，确保按照层级顺序进行遍历。
// 每次从队列中取出队头节点，处理该节点后，将其邻居节点（子节点）入队，以便后续遍历。这样，就可以依次访问所有节点，并保持层级顺序。
function breadthFirstSearch(root) {
if (!root) {
return;
}
const queue = []; // 创建一个空队列，用于存放待访问的节点
queue.push(root); // 将根节点入队
while (queue.length !== 0) {
// 当队列不为空时循环执行以下步骤
const current = queue.shift(); // 出队队头节点作为当前节点
console.log(current.value); // 进行二次加工或其他操作，这里简单地输出节点的值
for (const child of current.children) {
// 遍历当前节点的邻居节点（子节点）
queue.push(child); // 将未访问过的邻居节点入队
}
}
}
console.log(digui(root));
console.log(breadthFirstSearch(root));# 总结
深度优先搜索（DFS）的原理很简单：我们从起始节点开始，沿着一条路径不断向下探索，直到达到终点或者无法继续为止。如果遇到终点，就找到了一条路径；如果无法继续，则回溯到上一个节点，然后尝试探索其他路径。这个过程会递归地进行，或者使用栈来存储节点的顺序。
相比之下，广度优先搜索（BFS）的原理稍微有些不同：我们从起始节点开始，逐层地访问其邻居节点。也就是说，我们首先访问起始节点的邻居节点，然后是邻居节点的邻居节点，依此类推，直到遍历完所有节点或者找到目标节点为止。为了遍历节点的顺序，我们使用队列数据结构。