栈实现DFS高效查找连通分量，因LIFO特性契合“一条路走到黑”的深度探索，避免递归栈溢出；需入栈即标记、遍历未访问邻居并压栈，每轮空栈即得一个连通分量。
连通分量查找中，用栈实现深度优先搜索（DFS）是高效且直观的方式——它不依赖递归调用栈，避免深层递归导致的栈溢出风险，也便于显式控制访问顺序和回溯逻辑。
栈实现DFS的核心步骤
以无向图为例，查找所有连通分量需对每个未访问节点启动一次DFS。使用显式栈时，关键在于：每次只压入一个未访问邻居，并持续深入，直到“撞墙”再弹出回退。
- 初始化布尔数组 visited[]，标记节点是否已被纳入任一连通分量
- 遍历所有节点；若 visited[i] == false，说明发现新连通分量起点，新建空栈并压入 i
- 循环执行：弹出栈顶节点 v → 标记 visited[v] = true → 遍历 v 的所有邻接点 u；对每个 未访问的 u，压入栈并立即标记（防止重复入栈）
- 当栈为空，本轮DFS结束，当前收集到的所有节点构成一个连通分量
为什么选栈而不是队列
栈的后进先出（LIFO）特性天然匹配“一条路走到黑”的深度倾向。比如节点 A 连接 B、C、D，按顺序压入后，下次弹出的是 D → 立即探索 D 的分支，而非像队列那样先处理 B（广度优先）。这种纵向推进方式能更快抵达图的末端，适合连通性判定这类只需“可达性”而非“最短距离”的任务。
实际编码中的关键细节
避免常见陷阱比写对主干更重要：
- 入栈即标记：在将邻居 u 压入栈的同时设置 visited[u] = true，否则同一节点可能被多个父节点重复压入，造成冗余甚至死循环
- 邻接结构要一致：若用邻接表，遍历时直接迭代 graph[v]；若用邻接矩阵，需扫描整行，但时间复杂度升至 O(V²)，小图可用，大图慎用
- 连通分量存储方式：可为每个分量新建 List，在 DFS 过程中把弹出的每个 v 加入当前列表；一轮结束后该列表就是一个完整连通分量
- 空间可控性：栈最大深度等于当前路径长度，最坏情况为图呈链状，深度达 V，但远优于递归可能引发的系统栈崩溃
典型应用场景举例
连通分量查找不止用于理论图论，很多现实问题可建模为无向图并直接套用该算法：
- 社交网络圈子识别：用户为节点，好友关系为边，每个连通分量代表一个相互关联的子群体
- 图像二值图区域计数：像素为节点，上下左右相邻且同为前景（1）的像素连边，连通分量数即目标物体个数
- 电路板短路分析：焊点为节点，导线连接为边，各连通分量对应独立供电区域
- 编译器变量作用域分析：变量声明与引用构成依赖图，强连通分量（需有向图+Tarjan）可辅助检测循环引用，而无向连通分量可用于简化别名分析
