下面是一个使用BFS算法在图上获取最短路径的示例代码：

from collections import deque

def bfs(graph, start, end):
    # 创建一个队列用于BFS
    queue = deque()
    # 将起始节点加入队列
    queue.append(start)
    # 创建一个集合用于存储已访问过的节点
    visited = set()
    # 创建一个字典用于存储节点的父节点，用于最后构建路径
    parent = {}
    # 将起始节点的父节点设置为None
    parent[start] = None

    while queue:
        node = queue.popleft()
        # 如果找到目标节点，构建路径并返回
        if node == end:
            path = []
            while node is not None:
                path.append(node)
                node = parent[node]
            path.reverse()
            return path

        # 将当前节点标记为已访问
        visited.add(node)

        # 遍历当前节点的所有邻居节点
        for neighbor in graph[node]:
            # 如果邻居节点未被访问过，将其加入队列并设置其父节点为当前节点
            if neighbor not in visited:
                queue.append(neighbor)
                parent[neighbor] = node
    
    # 如果无法到达目标节点，返回空路径
    return []

# 测试代码
graph = {
    'A': ['B', 'C'],
    'B': ['A', 'D', 'E'],
    'C': ['A', 'F'],
    'D': ['B'],
    'E': ['B', 'F'],
    'F': ['C', 'E']
}

start = 'A'
end = 'F'
print(bfs(graph, start, end))  # 输出: ['A', 'C', 'F']

在上面的示例代码中，我们使用一个队列来实现BFS算法。我们从起始节点开始，将其加入队列，并进行循环直到队列为空。在每次循环中，我们从队列中取出一个节点，并将其标记为已访问。然后，我们遍历该节点的所有邻居节点，如果邻居节点未被访问过，我们将其加入队列，并将其父节点设置为当前节点。如果我们找到了目标节点，我们使用父节点字典构建路径并返回。如果无法到达目标节点，我们返回一个空路径。