BFS（广度优先搜索）和DFS（深度优先搜索）是两种常见的图搜索算法，用于解决在图中查找特定节点或遍历整个图的问题。它们之间的区别如下所示：

1. 搜索方式：

   • BFS：按照图的层级进行搜索，先访问离起始节点最近的节点。
   • DFS：按照图的深度进行搜索，先访问离起始节点最远的节点。

2. 数据结构：

   • BFS：使用队列（Queue）作为辅助数据结构，将已访问的节点按照层级顺序加入队列，并按照先进先出的方式进行访问。
   • DFS：使用栈（Stack）作为辅助数据结构，将已访问的节点加入栈，并按照后进先出的方式进行访问。

3. 搜索顺序：

   • BFS：先访问起始节点，然后按照层级顺序依次访问与之相邻的节点。
   • DFS：先访问起始节点，然后递归地访问其相邻节点，直到遇到没有未访问邻居的节点，然后返回上一层继续访问其他未访问的节点。

下面是两种算法的示例代码：

BFS算法示例代码：

def BFS(graph, start):
    visited = set()  # 用来记录已访问的节点
    queue = [start]  # 初始节点入队
    visited.add(start)  # 标记初始节点为已访问

    while queue:
        node = queue.pop(0)  # 出队一个节点
        print(node)  # 访问该节点

        for neighbor in graph[node]:
            if neighbor not in visited:
                queue.append(neighbor)  # 将未访问的邻居节点入队
                visited.add(neighbor)  # 标记邻居节点为已访问

DFS算法示例代码：

def DFS(graph, start, visited=None):
    if visited is None:
        visited = set()  # 用来记录已访问的节点

    visited.add(start)  # 标记当前节点为已访问
    print(start)  # 访问当前节点

    for neighbor in graph[start]:
        if neighbor not in visited:
            DFS(graph, neighbor, visited)  # 递归访问邻居节点

这两个示例代码都是基于邻接表表示的图进行搜索，其中graph是一个字典，键是节点，值是与该节点相邻的节点列表。