废话不多说，喊一句号子鼓励自己：程序员永不失业，程序员走向架构！本篇Blog的主题是【二叉树的遍历】，使用【二叉树】这个基本的数据结构来实现，这个高频题的站点是：CodeTop，筛选条件为：目标公司+最近一年+出现频率排序，由高到低的去牛客TOP101去找，只有两个地方都出现过才做这道题（CodeTop本身汇聚了LeetCode的来源），确保刷的题都是高频要面试考的题。
就着这两个高频题目把二叉树的遍历类型题目刷一遍
名曲目标题后，附上题目链接，后期可以依据解题思路反复快速练习，题目按照题干的基本数据结构分类，且每个分类的第一篇必定是对基础数据结构的介绍。
二叉树的前序遍历【EASY】
前序、中序、后序都有迭代和递归的实现方式
题干
解题思路
前序遍历简单来说就是“根左右”，展开来说就是对于一颗二叉树优先访问其根节点，然后访问它的左子树，等左子树全部访问完了再访问其右子树，而对于子树也按照之前的访问方式，直到到达叶子节点，每次访问一个节点之后，它的左子树是一个要前序遍历的子问题，它的右子树同样是一个要前序遍历的子问题。那我们可以用递归处理：
- 终止条件： 当子问题到达叶子节点后，后一个不管左右都是空，因此遇到空节点就返回。
- 返回值： 每次处理完子问题后，就是将子问题访问过的元素返回，依次存入了数组中。
- 本级任务： 每个子问题优先访问这棵子树的根节点，然后递归进入左子树和右子树。
具体做法：
step 1：准备数组用来记录遍历到的节点值，Java可以用List
step 2：从根节点开始进入递归，遇到空节点就返回，否则将该节点值加入数组。
step 3：依次进入左右子树进行递归。
代码实现
给出代码实现基本档案
基本数据结构：二叉树
辅助数据结构：无
算法：递归、DFS
技巧：无
其中数据结构、算法和技巧分别来自：
- 10 个数据结构：数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树
- 10 个算法：递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法
- 技巧：双指针、滑动窗口、中心扩散
当然包括但不限于以上
import java.util.*; /* * public class TreeNode { * int val = 0; * TreeNode left = null; * TreeNode right = null; * public TreeNode(int val) { * this.val = val; * } * } */ public class Solution { /** * 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 * * * @param root TreeNode类 * @return int整型一维数组 */ public int[] preorderTraversal (TreeNode root) { // 1 定义用来返回的数据 List<Integer> list = new ArrayList<>(); // 2 递归填充list的值 preorder(list, root); // 3 返回结果处理 int[] result = new int[list.size()]; for (int i = 0; i < list.size(); i++) { result[i] = list.get(i); } return result; } private void preorder(List<Integer> list, TreeNode root) { // 1 递归终止条件 if (root == null) { return; } // 2 按顺序递归填充左右子树 list.add(root.val); preorder(list, root.left); preorder(list, root.right); } }
复杂度分析
时间复杂度：遍历了N个节点，所以时间复杂度为O（N）
空间复杂度：最坏情况下，树退化为链表，递归栈深度为N，所以空间复杂度为O（N）
二叉树的中序遍历【EASY】
换位中序遍历
题干
解题思路
如果一棵二叉树，对于每个根节点都优先访问左子树，那结果是什么？从根节点开始不断往左，第一个被访问的肯定是最左边的节点。然后访问该节点的右子树，最后向上回到父问题。因为每次访问最左的元素不止对一整棵二叉树成立，而是对所有子问题都成立，因此循环的时候自然最开始都是遍历到最左，然后访问，然后再进入右子树，我们可以用栈来实现回归父问题
- 寻找最左子树，此过程逐层将树及左子树的根节点压入栈中，把要后处理的上层子树根节点先压入操作栈
- 栈顶即当前最左子树根节点，也是上层子树的左子节点，将值放入到list
- 节点指针移动到当前指针右节点，如果右节点为空，则本层处理完成，栈再弹出上层节点，接着循环处理
其实思路与递归就相似了，只不过将递归栈具象化了
代码实现
递归的思路和代码不再赘述，直接给出
import java.util.*; /* * public class TreeNode { * int val = 0; * TreeNode left = null; * TreeNode right = null; * public TreeNode(int val) { * this.val = val; * } * } */ public class Solution { /** * 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 * * * @param root TreeNode类 * @return int整型一维数组 */ public int[] inorderTraversal (TreeNode root) { // 1 定义入参和返回值 List<Integer> list = new ArrayList<>(); // 2 中序递归获取list inorder(list, root); // 3 list结果转换 int[] result = new int[list.size()]; for (int i = 0; i < list.size(); i++) { result[i] = list.get(i); } return result; } private void inorder(List<Integer> list, TreeNode root) { // 1 终止条件 if (root == null) { return; } inorder(list, root.left); list.add(root.val); inorder(list, root.right); } }
给出代码实现基本档案
基本数据结构：二叉树
辅助数据结构：栈、DFS
算法：迭代
技巧：无
其中数据结构、算法和技巧分别来自：
- 10 个数据结构：数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树
- 10 个算法：递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法
- 技巧：双指针、滑动窗口、中心扩散
当然包括但不限于以上
import java.util.*; /* * public class TreeNode { * int val = 0; * TreeNode left = null; * TreeNode right = null; * public TreeNode(int val) { * this.val = val; * } * } */ public class Solution { /** * 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 * * * @param root TreeNode类 * @return int整型一维数组 */ public int[] inorderTraversal (TreeNode root) { // 1 定义入参和辅助栈 List<Integer> list = new ArrayList<>(); Stack<TreeNode> stack = new Stack<TreeNode>(); if (root == null) { return new int[0]; } // 2 寻找最左子树 TreeNode tempRoot = root; while (tempRoot != null || !stack.isEmpty()) { // 2-1 寻找最左子树，此过程逐层将树及左子树的根节点压入栈中 while (tempRoot != null) { // 把要后处理的上层子树根节点先压入操作栈 stack.push(tempRoot); tempRoot = tempRoot.left; } // 2-2 栈顶即当前最左子树根节点，也是上层子树的左子节点 TreeNode node = stack.pop(); list.add(node.val); // 2-3 节点指针移动到当前指针右节点，如果右节点为空，则本层处理完成，栈再弹出上层节点 tempRoot = node.right; } // 3 list结果转换 int[] result = new int[list.size()]; for (int i = 0; i < list.size(); i++) { result[i] = list.get(i); } return result; } }
复杂度分析
时间复杂度：遍历了N个节点，所以时间复杂度为O（N）
空间复杂度：最坏情况下，树退化为链表，辅助递归栈深度为N，所以空间复杂度为O（N）
二叉树的后序遍历【EASY】
ok，再来看二叉树的后序遍历
题干
解题思路
左右根，同前序遍历及中序遍历的递归解法，不再赘述
代码实现
给出代码实现基本档案
基本数据结构：二叉树
辅助数据结构：无
算法：递归、DFS
技巧：无
其中数据结构、算法和技巧分别来自：
- 10 个数据结构：数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树
- 10 个算法：递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法
- 技巧：双指针、滑动窗口、中心扩散
当然包括但不限于以上
import java.util.*; /* * public class TreeNode { * int val = 0; * TreeNode left = null; * TreeNode right = null; * public TreeNode(int val) { * this.val = val; * } * } */ public class Solution { /** * 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 * * * @param root TreeNode类 * @return int整型一维数组 */ public int[] postorderTraversal (TreeNode root) { // 1 定义用来返回的数据 List<Integer> list = new ArrayList<>(); // 2 递归填充list的值 postorder(list, root); // 3 返回结果处理 int[] result = new int[list.size()]; for (int i = 0; i < list.size(); i++) { result[i] = list.get(i); } return result; } private void postorder(List<Integer> list, TreeNode root) { if (root == null) { return; } postorder(list, root.left); postorder(list, root.right); list.add(root.val); } }
复杂度分析
时间复杂度：遍历了N个节点，所以时间复杂度为O（N）
空间复杂度：最坏情况下，树退化为链表，递归栈深度为N，所以空间复杂度为O（N）
二叉树的层序遍历【MID】
二叉树的层序遍历
题干
解题思路
二叉树的层次遍历就是按照从上到下每行，然后每行中从左到右依次遍历，得到的二叉树的元素值。对于层次遍历，我们通常会使用队列来辅助：
因为队列是一种先进先出的数据结构，我们依照它的性质，如果从左到右访问完一行节点，并在访问的时候依次把它们的子节点加入队列，那么它们的子节点也是从左到右的次序，且排在本行节点的后面，因此队列中出现的顺序正好也是从左到右，正好符合层次遍历的特点
- step 1：首先判断二叉树是否为空，空树没有遍历结果。
- step 2：建立辅助队列，根节点首先进入队列。不管层次怎么访问，根节点一定是第一个，那它肯定排在队伍的最前面。
- step 3：每次进入一层，统计队列中元素的个数。因为每当访问完一层，下一层作为这一层的子节点，一定都加入队列，而再下一层还没有加入，因此此时队列中的元素个数就是这一层的元素个数。
- step 4：每次遍历一层的节点数，将其依次从队列中弹出，然后加入这一行的一维数组中，如果它们有子节点，依次加入队列排队等待访问。
- step 5：访问完这一层的元素后，将这个一维数组加入二维数组中，再访问下一层。
代码实现
给出代码实现基本档案
基本数据结构：二叉树
辅助数据结构：队列
算法：迭代、BFS
技巧：无
其中数据结构、算法和技巧分别来自：
- 10 个数据结构：数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树
- 10 个算法：递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法
- 技巧：双指针、滑动窗口、中心扩散
当然包括但不限于以上
import java.util.*; /* * public class TreeNode { * int val = 0; * TreeNode left = null; * TreeNode right = null; * public TreeNode(int val) { * this.val = val; * } * } */ public class Solution { /** * 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 * * * @param root TreeNode类 * @return int整型ArrayList<ArrayList<>> */ public ArrayList<ArrayList<Integer>> levelOrder (TreeNode root) { // 1 定义要返回的数据结构 ArrayList<ArrayList<Integer>> result = new ArrayList<>(); // 2 定义辅助队列结构，每次队列都只存一层 Queue<TreeNode> queue = new LinkedList<TreeNode>(); // 3 首先将第一层也就是根节点放入队列 if (root == null) { return new ArrayList<>(); } queue.add(root); // 4 核心处理逻辑，分层获取元素并加入列表 while (!queue.isEmpty()) { ArrayList<Integer> levelList = new ArrayList<Integer>(); // 需要用一个临时变量承接队列大小，否则每次新加一层永远无法遍历完本层 int queueSize = queue.size(); for (int i = 0; i < queueSize; i++) { // 4-1 获取队首元素，当前层元素，并添加到层列表中 TreeNode node = queue.poll(); levelList.add(node.val); // 4-2 分别将节点左右元素添加到队列尾部 if (node.left != null) { queue.add(node.left); } if (node.right != null) { queue.add(node.right); } } // 4-3 将本层元素集合添加到结果集中 result.add(levelList); } return result; } }
复杂度分析
时间复杂度：遍历了一遍树，时间复杂度为O（N）
空间复杂度：使用了辅助队列，空间复杂度为O（N）
二叉树的锯齿形层序遍历【MID】
难度升级，每层要反过来
题干
解题思路
解题思路与层次遍历相同，只不过需要隔行反转。只需增加标志位即可。
代码实现
给出代码实现基本档案
基本数据结构：二叉树
辅助数据结构：队列
算法：迭代、BFS
技巧：无
其中数据结构、算法和技巧分别来自：
- 10 个数据结构：数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树
- 10 个算法：递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法
- 技巧：双指针、滑动窗口、中心扩散
当然包括但不限于以上
import java.util.*; /* * public class TreeNode { * int val = 0; * TreeNode left = null; * TreeNode right = null; * public TreeNode(int val) { * this.val = val; * } * } */ public class Solution { /** * 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 * * * @param pRoot TreeNode类 * @return int整型ArrayList<ArrayList<>> */ public ArrayList<ArrayList<Integer>> Print (TreeNode pRoot) { // 1 定义返回结果 ArrayList<ArrayList<Integer>> result = new ArrayList<>(); if (pRoot == null) { return new ArrayList<>(); } // 2 定义队列，并将根节点放入 Queue<TreeNode> queue = new LinkedList<>(); queue.add(pRoot); // 3 设置反转标志位，隔行反转 boolean isReverse = false; // 4 核心逻辑，将数据放入结果集 while (!queue.isEmpty()) { int queueSize = queue.size(); ArrayList<Integer> levelList = new ArrayList<Integer>(); for (int i = 0; i < queueSize; i++ ) { TreeNode node = queue.poll(); levelList.add(node.val); if (node.left != null) { queue.add(node.left); } if (node.right != null) { queue.add(node.right); } } // 依据标志位结果进行层级数据反转 if (isReverse) { Collections.reverse(levelList); } // 重置标志位，以便下一层反转 isReverse = !isReverse; result.add(levelList); } return result; } }
复杂度分析
时间复杂度：遍历了一遍树，时间复杂度为O（N）
空间复杂度：使用了辅助队列，空间复杂度为O（N）
二叉树的右视图【MID】
使用深度优先搜素方法
题干
解题思路
我们可以对二叉树进行层次遍历，那么对于每层来说，最右边的结点一定是最后被遍历到的。二叉树的层次遍历可以用广度优先搜索实现。
- 执行广度优先搜索，左结点排在右结点之前，这样，我们对每一层都从左到右访问。因此，只保留每个深度最后访问的结点，我们就可以在遍历完整棵树后得到每个深度最右的结点
所以只要按照层序遍历的思路，把每一层的最后一个节点放到结果集就行了。
代码实现
给出代码实现基本档案
基本数据结构：二叉树
辅助数据结构：队列
算法：迭代、BFS
技巧：无
其中数据结构、算法和技巧分别来自：
- 10 个数据结构：数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树
- 10 个算法：递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法
- 技巧：双指针、滑动窗口、中心扩散
当然包括但不限于以上
import java.util.*; public class Solution { /** * 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 * * 求二叉树的右视图 * @param root 树的根节点 * @param inOrder int整型一维数组 中序遍历 * @return int整型一维数组 */ public List<Integer> rightSideView(TreeNode root) { // 1 定义返回的结果集 List<Integer> result = new ArrayList<Integer>(); if (root == null) { return new ArrayList<Integer>(); } // 2 定义队列，用来容纳每一层节点 Queue<TreeNode> queue = new LinkedList<TreeNode>(); queue.add(root); // 3 遍历每一层并获取最右边的节点 while (!queue.isEmpty()) { int queueSize = queue.size(); for (int i = 0; i < queueSize; i++) { TreeNode node = queue.poll(); if (node.left != null) { queue.add(node.left); } if (node.right != null) { queue.add(node.right); } // 如果节点是本层最后一个节点，则添加到结果集中 if (i == queueSize - 1) { result.add(node.val); } } } return result; } }
复杂度分析
时间复杂度： O(N)，每个节点都入队出队了 1 次。
空间复杂度： O(N)，使用了额外的队列空间。
拓展知识：深度优先遍历和广度优先遍历
广度优先搜索（BFS）和深度优先搜索（DFS）是两种经典的图遍历算法，它们也可以用于二叉树的遍历和搜索。以下是它们的定义以及在二叉树中的应用场景：
广度优先搜索（BFS）：
BFS是一种图遍历算法，它从一个起始节点开始，逐层地遍历与该节点相邻的节点，然后再遍历与这些相邻节点相邻的节点，以此类推。BFS通常使用队列数据结构来实现。
在二叉树中的应用场景：
- 层级遍历：BFS可以用于按层级遍历二叉树，从根节点开始，逐层遍历，可以方便地实现层级顺序的操作。
- 查找最小深度：BFS可以用于查找二叉树的最小深度，即从根节点到最近叶子节点的最短路径。
- 查找特定元素：如果您需要在二叉树中查找特定元素，BFS可以用于在树中搜索，一旦找到目标元素，就可以停止搜索。
- 判断是否为完全二叉树：BFS可以用于判断二叉树是否是完全二叉树，通过观察层级遍历的结果，可以检查每一层是否都填满节点。
深度优先搜索（DFS）：
DFS是一种图遍历算法，它从一个起始节点开始，沿着一条路径一直深入到无法继续前进的节点，然后返回上一层，继续探索其他路径。DFS通常使用递归函数或显式的栈数据结构来实现。
在二叉树中的应用场景：
- 前序遍历：DFS通常用于前序遍历二叉树，即先访问根节点，然后递归地访问左子树和右子树。前序遍历用于深度优先搜索问题。
- 中序遍历：DFS也可以用于中序遍历二叉树，即先递归地访问左子树，然后访问根节点，最后递归地访问右子树。中序遍历在二叉搜索树中用于获取有序元素。
- 后序遍历：DFS还可用于后序遍历二叉树，即先递归地访问左子树和右子树，最后访问根节点。后序遍历在某些问题中很有用，例如计算表达式的值或查找树的高度。
总的来说，BFS适用于需要层级遍历或查找最短路径的问题，而DFS适用于需要深度优先搜索或对树的结构进行更复杂操作的问题。在二叉树中，您可以根据具体问题的要求选择使用BFS或DFS。有时，问题可能需要同时使用这两种方法以解决不同的子问题。
