我们用哈希表来解决这个问题
首先创建一个哈希表，再遍历原链表，遍历的同时再不断创建新节点
我们将原节点作为key，新节点作为value放入哈希表中

"""# Definition for a Node.class Node:def __init__(self, x: int, next: 'Node' = None, random: 'Node' = None):self.val = int(x)self.next = nextself.random = random"""class Solution:def copyRandomList(self, head: 'Optional[Node]') -> 'Optional[Node]':if not head:  # 关键补充return Noned=dict()p=headwhile p:new_node=Node(p.val,None,None)d[p]=new_nodep=p.nextp=headwhile p:if p.next:d[p].next=d[p.next]if p.random:    d[p].random=d[p.random]p=p.nextreturn d[head]

第一次循环（建映射，创建“影子节点”）

• p 是原链表的当前节点（原节点对象）

• 在字典 d 中：

  • key = p（原节点的引用）

  • value = Node(p.val, None, None)（一个新建节点对象的引用）

• 此时新建节点的 next 和 random 都是 None，所以这些新节点是“孤立点”

例子：
原链表： A → B → C
哈希表：

d[A] = A'(next=None, random=None)
d[B] = B'(next=None, random=None)
d[C] = C'(next=None, random=None)

---

第二次循环（接指针，补全结构）

• 目的：把 d[p]（新节点）内部的 next / random 指针补好

• 补 next：

  • 原链表： p.next 是原节点的下一个

  • 新链表： d[p].next 应该指向 d[p.next]（下一个原节点对应的新节点）

• 补 random：

  • 原链表： p.random 是原节点的随机指向

  • 新链表： d[p].random 应该指向 d[p.random]（原节点随机指向对应的新节点）

例子（假设 A.random → C）：
第二次循环后：

A'.next = B'
B'.next = C'
A'.random = C'

这样，新链表的节点之间关系和原链表完全一致，但对象是全新的。

---