给我一段用dfs或bfs生成最短路径的代码

在图论中，使用广度优先搜索（BFS）通常能找到两个顶点之间的最短路径，因为它总是先探索距离起点最近的节点。而对于有向图或带权重的图，我们可以结合Dijkstra算法或Floyd-Warshall算法找到最短路径。这里是使用Python和BFS的一个简单示例：

from collections import deque

def bfs_shortest_path(graph, start):
    distances = {node: float('infinity') for node in graph}
    distances[start] = 0
    queue = deque([start])

    while queue:
        current_node = queue.popleft()
        for adjacent in graph[current_node]:
            distance = distances[current_node] + adjacent.weight  # 假设weight属性存储了边的权重
            if distance < distances[adjacent]:
                distances[adjacent] = distance
                queue.append(adjacent)

    return distances

# 示例用法
graph = {'A': ['B', 'C'],
         'B': ['A', 'D', 'E'],
         'C': ['A', 'F'],
         'D': ['B'],
         'E': ['B', 'F'],
         'F': ['C', 'E']}
shortest_paths = bfs_shortest_path(graph, 'A')
print(shortest_paths)

这段代码首先创建了一个字典来存储从起点到每个节点的最短距离，并初始化起点的距离为0。然后，它维护一个队列，每次弹出距离起点最近的节点，更新其相邻节点的距离。最后返回整个图中最短路径的距离。

如果你需要在有向图上使用Dijkstra算法，可以使用类似于Prim's算法的思想，但会涉及到更复杂的优先级队列实现。