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
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
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。
读者朋友好呀,我是王天~ 😊
如文章有错误或者不严谨的地方,期待给于指正,万分感谢。🙇
如果喜欢或者 有所启发,欢迎 star,对作者也是一种鼓励👏
微信:「wangtian3111」,加我进王天唯一的读者群。