超级简历WonderCVLeetCode Hot100刷到第 58 题，也就是138. 随机链表的复制时，我一度怀疑这道题的难度是不是标错了。复制链表这种题，遇到的次数不算少：遍历原链表，每经过一个节点就 new 一个节点，然后把 next 接上，结束。但这题里的节点除了 next，还有一个 random 指针，它可能指向链表里的任意一个节点，也可能指向 null。正是这个多余指针，让“复制”从手感上的简单题变成了真正容易卡壳的中等题。如果你也被 random 指针绕晕过，这篇复盘应该能给你一条清晰的行动路径：先分析难点在哪，再给出哈希表正解和空间 O(1) 的进阶解，最后把刷题和面试里容易踩的坑一并排掉。
1. 直觉失效的一题：多了一个 random，深拷贝就不再是遍历
1.1 普通链表复制和深拷贝之间隔着一堵墙
先说概念。LeetCode 138 要求的是“深拷贝”。所谓深拷贝，指的是不能只是让新变量指向同一个链表，比如下面这种写法根本不叫拷贝：
java复制Node copy = head; // 这只是一个新引用，修改 copy 会直接影响原链表
这种是浅拷贝。真正的深拷贝要求 new 出同样数量的 Node，并且所有字段都指向新链表里对应的节点。对于普通单链表，做到这点很轻松：每次 new Node(cur.val)，然后 cur 往前走即可。原因是 next 是有序的，你可以先创建当前节点，再创建下一个节点；当前节点的 next 先置为 null 也不影响，后面可以再补。
但随机链表不行，random 不讲顺序。比如一个节点指向链表最后一个节点，当你遍历到第一个节点时，最后一个节点的拷贝还没产生；如果你在那一刻就把 random 字段占了，后面又怎么补救？这个反直觉的点，正是很多人第一次写这道题卡住的原因：单纯按顺序复制，无法处理“随机指向将来时”的节点。
1.2 本质问题：如何找到“被指向节点的对应拷贝”
如果把 138 看成图，每个节点的出度最多为 2，一条边是 next，一条边是 random，它本质上就是一张“出度 ≤ 2”的有向图。复制问题就是在问：如何在新图中保持这种引用结构。它与克隆图的差异只是固定只有两条边、入口是 head。
一旦抽离成这个层面，解法思路也就统一了：我们需要一种方式，给定原链表中的任意节点，能够在 O(1) 时间内找到这个节点在拷贝链表里的对应节点。哈希表，就是实现这种映射最直接的工具。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 哈希表正解：新旧节点的映射关系就是最直接的答案
2.1 核心思路：第一遍只“生”节点，第二遍再“接”指针
这里建议大家养成一个习惯：看到复杂结构复制，先别急着在同一个循环里把所有事干完。哈希表法的通用步骤是：
- 第一遍遍历原链表，用 HashMap 保存原节点到新节点的映射。
- 第二遍再从头遍历原链表，通过 map 找到每个新节点，再按原链表的关系设置新节点的 next 和 random。
写这道题时，最容易犯的错误是“想一遍遍历搞定”：一边 new 新节点，一边设置 random。如果 random 指向的节点已经创建，算运气好；如果指向还没创建的节点，就无从设置。所以必须分成两步走。这个思路可以类比成生活中先建好一堆空白档案，再统一填写档案之间的关联关系，而不是每建一份档案就急着把所有关系线画完。
2.2 最小例子走查
用一个极端简单但覆盖全面的例子来验证：假设原链表有两个节点 A 和 B，其中 A.val = 1，B.val = 2，并且：
- A.random = B
- B.random = A
第一轮后，A 的拷贝 A' 和 B 的拷贝 B' 都创建完成，map 中记录 A -> A'，B -> B'。第二轮处理时：
- A'.next = map.get(B) = B'
- A'.random = map.get(B) = B'
- B'.next = map.get(null) = null
- B'.random = map.get(A) = A'
结果 A' 的 next 和 random 都指向 B'，B' 的 random 指向 A'，和原链表关系完全一致。这个例子同时覆盖了 random 指向后继、指向前驱、以及 null