在一个无向图中寻找所有的桥边？(代码不起作用)

在一个无向图中寻找所有的桥边，可以使用深度优先搜索（DFS）算法来解决。桥边指的是在删除该边后，图会被分成两个或多个不连通的部分。

具体的步骤如下：

定义一个全局变量 time，用于记录访问节点的时间戳。
定义一个全局变量 low，用于记录每个节点能够访问到的最早的时间戳。
定义一个全局变量 bridges，用于存储所有的桥边。
定义一个全局变量 visited，用于记录节点是否被访问过。
从图中的任意一个节点开始进行深度优先搜索。
在每次访问一个节点时，将其标记为已访问，并将 time 和 low 值都设为当前时间戳。
遍历该节点的所有相邻节点：
- 如果相邻节点未被访问过，则递归访问该节点，并更新 low 值为访问过的节点中的最小时间戳。
- 如果相邻节点已经被访问过，并且其时间戳小于当前节点的 low 值，则更新 low 值为相邻节点的时间戳。

如果当前节点的 low 值小于等于当前节点的时间戳，则说明当前节点与其相邻节点之间的边是桥边，将其加入到 bridges 中。
最后，遍历所有的桥边，输出其结果。

以下是一个示例的代码实现（使用Python语言）：

def find_bridges(graph):
    global time
    global low
    global bridges
    global visited

    time = 0
    low = [float('inf')] * len(graph)
    bridges = []
    visited = [False] * len(graph)

    def dfs(node, parent):
        global time
        global low
        global bridges
        global visited

        visited[node] = True
        time += 1
        low[node] = time

        for neighbor in graph[node]:
            if not visited[neighbor]:
                dfs(neighbor, node)
                low[node] = min(low[node], low[neighbor])
                if low[neighbor] > time:
                    bridges.append((node, neighbor))
            elif neighbor != parent:
                low[node] = min(low[node], low[neighbor])

    for node in range(len(graph)):
        if not visited[node]:
            dfs(node, -1)

    return bridges

使用示例：

graph = [
    [1, 2],
    [0, 2],
    [0, 1, 3, 5],
    [2, 4],
    [3],
    [2, 6, 8],
    [5, 7],
    [6, 8],
    [5, 7]
]

bridges = find_bridges(graph)
print("桥边：")
for bridge in bridges:
    print(bridge)

输出结果：