用邻接表实现图的存储并进行遍历

邻接表是一种常用的图存储结构，可以用链表来表示每个节点和它相邻节点之间的关系。具体实现步骤如下：

1. 定义节点类Node，其中包含节点的值val和一个指向相邻节点的链表head。
2. 定义图类Graph，其中包含一个节点数组和一个整数size表示节点数量，每个节点对应一个链表表示与其相邻的节点。
3. 实现Graph类的addEdge方法，用于向图中添加边。这个方法接受两个参数u和v，表示从节点u到节点v有一条边，首先在节点数组中找到u对应的节点，然后在其链表中添加一个指向v的节点。
4. 实现Graph类的DFS方法，用于进行深度优先遍历。这个方法接受一个起始节点参数start，首先将起始节点标记为已访问，然后遍历其链表中的每个相邻节点，对于未访问过的节点，递归调用DFS方法。
5. 实现Graph类的BFS方法，用于进行广度优先遍历。这个方法接受一个起始节点参数start，首先将起始节点入队，然后进入循环，每次从队列中取出一个节点，标记为已访问，遍历其链表中的每个相邻节点，对于未访问过的节点，将其入队。

下面是一个示例代码，其中Graph的实现使用了Python中的字典和集合数据结构：

class Node:
    def __init__(self, val):
        self.val = val
        self.head = None

class Graph:
    def __init__(self):
        self.nodes = {}
        self.size = 0

    def addEdge(self, u, v):
        if u not in self.nodes:
            self.nodes[u] = Node(u)
            self.size += 1
        if v not in self.nodes:
            self.nodes[v] = Node(v)
            self.size += 1
        self.nodes[u].head = Node(v, self.nodes[u].head)
        self.nodes[v].head = Node(u, self.nodes[v].head)

    def DFS(self, start):
        visited = set()
        self._DFS(start, visited)

    def _DFS(self, node, visited):
        visited.add(node)
        print(node)
        for neighbor in self.nodes[node].head:
            if neighbor.val not in visited:
                self._DFS(neighbor.val, visited)

    def BFS(self, start):
        queue = [start]
        visited = set()
        while queue:
            node = queue.pop(0)
            visited.add(node)
            print(node)
            for neighbor in self.nodes[node].head:
                if neighbor.val not in visited:
                    queue.append(neighbor.val)
                    visited.add(neighbor.val)