Python多重继承排序原理（MRO算法解析，拓扑排序，C3算法）

Python内置属性__MRO__算法解析

什么是MRO

MRO（Method Resolution Order）：方法解析顺序。
Python语言包含了很多优秀的特性，其中多重继承就是其中之一，但是多重继承会引发很多问题，比如二义性，Python中一切皆引用，这使得他不会像C++一样使用虚基类处理基类对象重复的问题，但是如果父类存在同名函数的时候还是会产生二义性，Python中处理这种问题的方法就是MRO。

对于MRO的历史问题这个帖子说的非常详细，但是后面说到C3算法的时候说错了。从评论中可以看出来。
python内置属性MRO请不要看这个地方。

这文章有点瑕疵，因为按照他的思路这个地方就不对了。
研究了一晚上才梳理了所有细节。听我慢慢道来。
在箭头之前的你都可以看一下，写的非常好。等你看到这个的时候，你需要了解什么是拓扑排序

拓扑排序

了解这一部分的可以跳到下面去。
重点：一个图的拓扑排序是可以有多个的！！！！
经典实现算法：

1. kahn算法
2. 基于DFS的拓扑排序

很多情况下，拓扑排序问题往往会出现在一些中等复杂程度的计算系统中。这方面最典型的例子莫过于软件安装了，现在大多数操作系统都至少会有一个自动安装软件组件的系统（Ubuntu Linux 系统中的 apt-get，CentOS Linux 系统中的 RPM，Mac OS X 系统中的 brew 等），这些系统会自动检测依赖关系中缺少的部分，并下载安装它们，对于这一类工作，相关组件就必须按照一定的拓扑顺序来安装。

Kahn算法：

摘一段维基百科上关于Kahn算法的伪码描述：

L← Empty list that will contain the sorted elements
S ← Set of all nodes with no incoming edges
while S is non-empty do
    remove a node n from S
    insert n into L
    foreach node m with an edge e from nto m do
        remove edge e from thegraph
        ifm has no other incoming edges then
            insert m into S
if graph has edges then
    return error (graph has at least onecycle)
else 
    return L (a topologically sortedorder)

思想很简单，首先用邻接表来构建一个图。然后用一个临界表来记录每个顶点的入度，再用一个表来加入入度为0的点。最后一次输出。（什么是入度？a入度为0代表没有点能指向a，为1就是又一个点能指向a）

方法如下：

1. 首先初始化一个表存放着这个图入度为0的点S。
2. 从这个表里面取数据（如果这个表是栈，就是先进后出的取，如果是队列，就是先进先取。从这可以看出为什么拓扑排序为什么不唯一。），将该顶点放入List中。
3. 通过循环遍历由上面去出的顶点引出的所有边，同时获取该边的另外一个顶点，如果改顶点的入度在减去本条边之后为0，那么就把这个顶点放到S的集合中，然后继续重复2的动作。
4. 当集合为空之后，检查图中是否还存在任何边，如果存在的话，说明图中存在环路。不存在，返回结果List，此List中的顺序就是拓扑排序的结果。

需要代码实现的盆友看这里：
拓扑排序代码实现java
参看链接如下：
参看链接

我总觉得按照链接中楼主的思路，红色的地方是有错误的。谁能私聊我讨论讨论。

复杂度分析：

初始化入度为0的集合需要遍历整张图，检查每个节点和每条边，因此复杂度为O(E+V);

然后对该集合进行操作，又需要遍历整张图中的，每条边，复杂度也为O(E+V);

因此Kahn算法的复杂度即为O(E+V)。

C3算法

既然弄懂来拓扑排序，那么我们来看看C3算法到底如何工作的。
官网解释链接，英语还行的可以看看
快速查看，看看这个对官网的翻译链接

箭头是核心，懂这一块，应该就没有问题来。