【C++数据结构——树】二叉树的遍历算法(头歌教学实验平台习题) 【合集】

简介: 本任务旨在实现二叉树的遍历,包括先序、中序、后序和层次遍历。首先介绍了二叉树的基本概念与结构定义,并通过C++代码示例展示了如何定义二叉树节点及构建二叉树。接着详细讲解了四种遍历方法的递归实现逻辑,以及层次遍历中队列的应用。最后提供了测试用例和预期输出,确保代码正确性。通过这些内容,帮助读者理解并掌握二叉树遍历的核心思想与实现技巧。

 

目录😋

任务描述

相关知识

1. 二叉树的基本概念与结构定义

2. 建立二叉树

3. 先序遍历

4. 中序遍历

5. 后序遍历

6. 层次遍历

测试说明

通关代码

测试结果


任务描述

本关任务:实现二叉树的遍历

相关知识

为了完成本关任务,你需要掌握:

  1. 二叉树的基本概念与结构定义
  2. 建立二叉树
  3. 先序遍历
  4. 中序遍历
  5. 后序遍历
  6. 层次遍历

1. 二叉树的基本概念与结构定义

二叉树是树形结构的一种特殊形式,它的每个节点最多有两个子节点,分别称为左子节点和右子节点,对应的子树就是左子树和右子树。二叉树可以为空(即没有节点),也可以由根节点、左子树和右子树组成复杂的树形结构,这种结构在很多数据处理场景中有着重要应用,例如表达式解析、文件系统目录结构模拟、搜索算法实现等。

在 C++ 中,我们通常使用结构体(struct)或者类(class)来定义二叉树的节点结构,下面以结构体为例:

#include <iostream>
using namespace std;
// 定义二叉树节点结构体
struct TreeNode {
    int val;  // 节点存储的值,可以根据实际需求修改类型,比如存储字符、结构体等其他复杂类型
    TreeNode* left;  // 指向左子树的指针
    TreeNode* right; // 指向右子树的指针
    TreeNode(int x) : val(x), left(NULL), right(NULL) {}  // 构造函数,用于方便地初始化节点
};
image.gif

在上述代码中:

  • val 成员变量用于存储节点所包含的数据,比如数字、字符等,这里定义为 int 类型只是一个示例,实际应用中可按需调整。
  • leftright 是指针类型,分别用于指向该节点的左子树和右子树的根节点,如果相应子树不存在,则指针为 NULL
  • 自定义的构造函数 TreeNode(int x) 接受一个参数,用于初始化节点的值,并将左、右子树指针初始化为 NULL,这样在创建节点时能更方便地进行初始化操作。

2. 建立二叉树

(1) 手动输入构建二叉树示例

下面是一种简单的通过手动输入节点值来构建二叉树的方式,采用递归的思想:

#include <iostream>
using namespace std;
// 定义二叉树节点结构体
struct TreeNode {
    int val;  // 节点存储的值,可以根据实际需求修改类型
    TreeNode* left;
    TreeNode* right;
    TreeNode(int x) : val(x), left(NULL), right(NULL) {}
};
// 构建二叉树的函数(简单示例,这里采用手动输入的方式构建,实际可按具体需求从文件等读取数据构建)
TreeNode* buildTree() {
    int data;
    cin >> data;
    if (data == -1) {  // 用 -1 表示空节点
        return NULL;
    }
    TreeNode* root = new TreeNode(data);
    root->left = buildTree();
    root->right = buildTree();
    return root;
}
image.gif

代码的详细解释如下:

  • 首先,程序从标准输入读取一个整数值到变量 data 中,这个值将作为当前节点要存储的值。
  • 接着,通过判断 data 的值来确定是否创建节点。如果 data 的值为 -1,按照我们的约定,这表示当前节点为空,直接返回 NULL,意味着这个位置在二叉树中不存在实际节点。
  • data 不为 -1,则创建一个新的 TreeNode 类型的节点,使用刚才读取到的值通过构造函数进行初始化,也就是 root = new TreeNode(data) 这一步,此时新节点的 leftright 指针初始化为 NULL
  • 然后,递归地调用 buildTree 函数来构建当前节点的左子树,将返回的左子树的根节点指针赋值给 root->left;同样地,再次递归调用 buildTree 函数来构建右子树,并将右子树的根节点指针赋值给 root->right
  • 最后,返回构建好的以 root 为根节点的二叉树的根节点指针,这样就完成了整个二叉树的构建过程。

例如,按照以下输入顺序(假设输入顺序是先根节点,再左子树节点,然后右子树节点,空节点用 -1 表示)来构建一棵二叉树:

1
2
-1
-1
3
-1
-1
image.gif 它将构建出这样一棵简单的二叉树:
    1
   / \
  2   3
image.gif

(2) 从数组构建二叉树示例

除了手动输入的方式,还可以从给定的数组来构建二叉树,以下是一个示例代码,假设数组按照完全二叉树的层次遍历顺序存储节点值(空节点用特定值表示,这里同样用 -1):

TreeNode* buildTreeFromArray(int arr[], int index, int n) {
    if (index >= n || arr[index] == -1) {
        return NULL;
    }
    TreeNode* root = new TreeNode(arr[index]);
    root->left = buildTreeFromArray(arr, 2 * index + 1, n);
    root->left = buildTreeFromArray(arr, 2 * index + 2, n);
    return root;
}
image.gif

3. 先序遍历

先序遍历的顺序是根节点 -> 左子树 -> 右子树。可以通过递归方式很方便地实现。

递归实现先序遍历的代码如下:

// 先序遍历二叉树
void preorderTraversal(TreeNode* root) {
    if (root == NULL) {
        return;
    }
    cout << root->val << " ";  // 访问根节点
    preorderTraversal(root->left);  // 遍历左子树
    preorderTraversal(root->right);  // 遍历右子树
}
image.gif

代码逻辑详细解释如下:

  • 首先进行边界判断,当传入的根节点指针 rootNULL 时,说明已经遍历到了空子树或者二叉树本身为空,此时直接返回,不需要进行后续操作。
  • 如果根节点不为 NULL,那么按照先序遍历的顺序,首先要访问根节点。这里通过 cout << root->val << " "; 语句将根节点的值输出显示,这只是一种简单的访问方式示例,在实际应用中,比如要将遍历结果存储起来用于后续处理,可以把节点值存储到一个数组或者其他合适的数据结构中。
  • 接着,递归调用 preorderTraversal 函数去遍历左子树,这一步会以同样的逻辑去访问左子树的根节点、左子树的左子树、左子树的右子树等,直到左子树遍历完,也就是遇到叶子节点(其左子树和右子树都为 NULL)。
  • 最后,再递归调用 preorderTraversal 函数去遍历右子树,同样会按照先序遍历的规则去访问右子树中的各个节点,直至整个二叉树的所有节点都被访问完。

例如,对于前面构建的二叉树:

    1
   / \
  2   3
image.gif

先序遍历的输出结果将是:1 2 3

4. 中序遍历

中序遍历的顺序是左子树 -> 根节点 -> 右子树。

其递归实现代码如下:

// 中序遍历二叉树
void inorderTraversal(TreeNode* root) {
    if (root == NULL) {
        return;
    }
    inorderTraversal(root->left);  // 遍历左子树
    cout << root->val << " ";  // 访问根节点
    inorderTraversal(root->right);  // 遍历右子树
}
image.gif

具体的代码逻辑解释如下:

  • 同样先进行边界判断,若根节点指针 rootNULL,说明已经遍历完或者二叉树本身为空,直接返回,避免后续无效操作。
  • 当根节点不为 NULL 时,按照中序遍历的规则,首先要递归地遍历左子树,也就是从最底层的左子树节点开始访问,一直向上到根节点的左子节点,这个过程中会依次访问左子树中的各个节点,直到左子树遍历完毕。
  • 然后,访问当前的根节点,通过 cout << root->val << " "; 输出根节点的值(同样这只是简单访问示例,可按需改变操作)。
  • 最后,递归遍历右子树,以同样的中序遍历规则去访问右子树中的各个节点,直到整个二叉树的所有节点都被访问到。

对于上述示例二叉树:

    1
   / \
  2   3
image.gif

中序遍历的输出结果是:2 1 3

5. 后序遍历

后序遍历的顺序是左子树 -> 右子树 -> 根节点。

其递归实现如下:

  // 后序遍历二叉树
void postorderTraversal(TreeNode* root) {
    if (root == NULL) {
        return;
    }
    postorderTraversal(root->left);  // 遍历左子树
    postorderTraversal(root->right);  // 遍历右子树
    cout << root->val << " ";  // 访问根节点
}
image.gif

详细的代码逻辑说明如下:

  • 开始先判断根节点是否为 NULL,若是则直接返回,因为已经遍历完或者二叉树为空。
  • 若根节点不为 NULL,首先递归地遍历左子树,按照后序遍历的要求,从左子树的最底层叶子节点开始,依次访问左子树中的各个节点,直到左子树全部遍历完成。
  • 接着,递归遍历右子树,同样以左子树的遍历方式,从右子树的底层开始,逐步向上访问右子树的各个节点,直至右子树遍历完毕。
  • 最后,访问当前的根节点,输出根节点的值(示例中是简单打印,实际可根据具体需求进行其他处理),这样就按照后序遍历的顺序访问了整个二叉树的所有节点。

对于前面给出的示例二叉树:

    1
   / \
  2   3
image.gif

后序遍历的输出结果是:2 3 1

6. 层次遍历

层次遍历是按照二叉树的层次,从根节点开始,逐层向下访问各个节点,通常借助队列(queue)数据结构来实现。

以下是使用 C++ 标准库中的 queue 实现层次遍历的详细示例代码:

#include <iostream>
#include <queue>
using namespace std;
// 层次遍历二叉树
void levelOrderTraversal(TreeNode* root) {
    if (root == NULL) {
        return;
    }
    queue<TreeNode*> q;  // 创建一个存储 TreeNode* 类型的队列,用于存放节点指针
    q.push(root);  // 首先将根节点入队
    while (!q.empty()) {  // 只要队列不为空,就继续循环进行遍历操作
        TreeNode* node = q.front();  // 获取队列头部的节点
        q.pop();  // 将队列头部的节点出队
        cout << node->val << " ";  // 访问当前节点,这里同样是简单输出节点值,可按需改变操作
        if (node->left!= NULL) {  // 判断当前节点的左子树是否存在
            q.push(node->left);  // 如果存在,将左子树节点入队
        }
        if (node->right!= NULL) {  // 判断当前节点的右子树是否存在
            q.push(node->right);  // 如果存在,将右子树节点入队
        }
    }
}
image.gif

代码的详细逻辑解释如下:

  • 首先进行根节点是否为空的判断,若为空则直接返回,因为空二叉树不需要进行遍历操作。
  • 创建一个 queue<TreeNode*> 类型的队列,用于存储二叉树的节点指针,然后将根节点指针 root 通过 q.push(root) 操作入队,这是层次遍历的起始点。
  • 进入 while 循环,只要队列不为空,就表示还有节点需要遍历。在循环中:
  • 首先通过 q.front() 获取队列头部的节点指针,并将其赋值给 node,然后通过 q.pop() 将队列头部的节点出队,这一步是按照先进先出的原则处理队列中的节点。
  • 接着访问当前节点,示例中通过 cout << node->val << " "; 输出节点的值,实际应用中可以根据需求进行更复杂的操作,比如将节点值存储到二维数组中,按照层次结构来存储,便于后续的处理和展示等。
  • 之后,判断当前节点的左子树是否存在,如果左子树节点指针不为 NULL,则通过 q.push(node->left) 将左子树节点入队,以便后续按照层次顺序访问它。
  • 同样地,判断当前节点的右子树是否存在,若右子树节点指针不为 NULL,则通过 q.push(node->right) 将右子树节点入队。
  • 通过不断地循环上述操作,队列会依次存储和取出每一层的节点,从而实现按照层次顺序遍历整个二叉树的所有节点。

例如,对于以下稍微复杂一点的二叉树:

        1
      /   \
     2     3
    / \   / \
   4   5 6   7
image.gif

层次遍历的输出结果将是:1 2 3 4 5 6 7


测试说明

平台会对你编写的代码进行测试:

测试输入:

A(B(D,E(H(J,K(L,M(,N))))),C(F,G(,I)))
image.gif

预期输出:

二叉树b:A(B(D,E(H(J,K(L,M(,N))))),C(F,G(,I)))
层次遍历序列:A B C D E F G H I J K L M N
先序遍历序列:A B D E H J K L M N C F G I
中序遍历序列:D B J H L K M N E A F C G I
后序遍历序列:D J L N M K H E B F I G C A
image.gif

开始你的任务吧,祝你成功!


通关代码

// 请在Begin-End之间添加你的代码,
//实现二叉树遍历的基本运算//
//对括号表示串的二叉树进行遍历,由用户输入括号表示串//
//实现二叉树的先序遍历、中序遍历、后序遍历、层次遍历//
/********** Begin *********/
#include <bits/stdc++.h>
using namespace std;
#define MaxSize 100
typedef char ElemType;
typedef struct node {
  ElemType data;
  struct node *lchild;
  struct node *rchild;
} BTNode;
typedef struct {
  BTNode *data[MaxSize];
  int front, rear;
} SqQueue;
void CreateBTree(BTNode *&b, char *str) {
  BTNode *St[MaxSize], *p;
  int top = -1, k, j = 0;
  char ch;
  b = nullptr;
  ch = str[j];
  while (ch != '\0') {
    switch (ch) {
    case '(':
      top++;
      St[top] = p;
      k = 1;
      break;
    case ')':
      top--;
      break;
    case ',':
      k = 2;
      break;
    default:
      p = (BTNode *)malloc(sizeof(BTNode));
      p->data = ch;
      p->lchild = p->rchild = nullptr;
      if (b == nullptr)
        b = p;
      else {
        switch (k) {
        case 1:
          St[top]->lchild = p;
          break;
        case 2:
          St[top]->rchild = p;
          break;
        }
      }
    }
    j++;
    ch = str[j];
  }
}
void DispBTree(BTNode *b) {
  if (b != nullptr) {
    printf("%c", b->data);
    if (b->lchild != nullptr || b->rchild != nullptr) {
      printf("(");
      DispBTree(b->lchild);
      if (b->rchild != nullptr)
        printf(",");
      DispBTree(b->rchild);
      printf(")");
    }
  }
}
void InitQueue(SqQueue *&q) {
  q = (SqQueue *)malloc(sizeof(SqQueue));
  q->front = q->rear = 0;
}
void DestroyQueue(SqQueue *&q) { free(q); }
bool QueueEmpty(SqQueue *q) { return (q->front == q->rear); }
bool enQueue(SqQueue *&q, BTNode *e) {
  if ((q->rear + 1) % MaxSize == q->front) {
    return false;
  }
  q->rear = (q->rear + 1) % MaxSize;
  q->data[q->rear] = e;
  return true;
}
bool deQueue(SqQueue *&q, BTNode *&e) {
  if (q->front == q->rear)
    return false;
  q->front = (q->front + 1) % MaxSize;
  e = q->data[q->front];
  return true;
}
void LevelOrder(BTNode *b) {
  BTNode *p;
  SqQueue *qu;
  InitQueue(qu);
  enQueue(qu, b);
  while (!QueueEmpty(qu)) {
    deQueue(qu, p);
    printf("%c ", p->data);
    if (p->lchild != nullptr)
      enQueue(qu, p->lchild);
    if (p->rchild != nullptr)
      enQueue(qu, p->rchild);
  }
  DestroyQueue(qu);
}
void PreOrder(BTNode *b) {
  if (b != nullptr) {
    printf("%c ", b->data);
    PreOrder(b->lchild);
    PreOrder(b->rchild);
  }
}
void InOrder(BTNode *b) {
  if (b != nullptr) {
    InOrder(b->lchild);
    printf("%c ", b->data);
    InOrder(b->rchild);
  }
}
void PostOrder(BTNode *b) {
  if (b != nullptr) {
    PostOrder(b->lchild);
    PostOrder(b->rchild);
    printf("%c ", b->data);
  }
}
int main() {
  char str[100];
  cin >> str;
  BTNode *b;
  CreateBTree(b, str);
  cout << "二叉树b:";
  DispBTree(b);
  cout << endl;
  cout << "层次遍历序列:";
  LevelOrder(b);
  cout << endl;
  cout << "先序遍历序列:";
  PreOrder(b);
  cout << endl;
  cout << "中序遍历序列:";
  InOrder(b);
  cout << endl;
  cout << "后序遍历序列:";
  PostOrder(b);
  return 0;
}
/********** End **********/

image.gif


测试结果

image.gif

image.gif

目录
相关文章
|
7月前
|
存储 监控 算法
基于 C++ 哈希表算法实现局域网监控电脑屏幕的数据加速机制研究
企业网络安全与办公管理需求日益复杂的学术语境下,局域网监控电脑屏幕作为保障信息安全、规范员工操作的重要手段,已然成为网络安全领域的关键研究对象。其作用类似网络空间中的 “电子眼”,实时捕获每台电脑屏幕上的操作动态。然而,面对海量监控数据,实现高效数据存储与快速检索,已成为提升监控系统性能的核心挑战。本文聚焦于 C++ 语言中的哈希表算法,深入探究其如何成为局域网监控电脑屏幕数据处理的 “加速引擎”,并通过详尽的代码示例,展现其强大功能与应用价值。
174 2
|
5月前
|
存储 监控 安全
企业上网监控系统中红黑树数据结构的 Python 算法实现与应用研究
企业上网监控系统需高效处理海量数据,传统数据结构存在性能瓶颈。红黑树通过自平衡机制,确保查找、插入、删除操作的时间复杂度稳定在 O(log n),适用于网络记录存储、设备信息维护及安全事件排序等场景。本文分析红黑树的理论基础、应用场景及 Python 实现,并探讨其在企业监控系统中的实践价值,提升系统性能与稳定性。
175 1
|
7月前
|
监控 算法 数据处理
基于 C++ 的 KD 树算法在监控局域网屏幕中的理论剖析与工程实践研究
本文探讨了KD树在局域网屏幕监控中的应用,通过C++实现其构建与查询功能,显著提升多维数据处理效率。KD树作为一种二叉空间划分结构,适用于屏幕图像特征匹配、异常画面检测及数据压缩传输优化等场景。相比传统方法,基于KD树的方案检索效率提升2-3个数量级,但高维数据退化和动态更新等问题仍需进一步研究。未来可通过融合其他数据结构、引入深度学习及开发增量式更新算法等方式优化性能。
197 17
|
5月前
|
存储 监控 算法
基于跳表数据结构的企业局域网监控异常连接实时检测 C++ 算法研究
跳表(Skip List)是一种基于概率的数据结构,适用于企业局域网监控中海量连接记录的高效处理。其通过多层索引机制实现快速查找、插入和删除操作,时间复杂度为 $O(\log n)$,优于链表和平衡树。跳表在异常连接识别、黑名单管理和历史记录溯源等场景中表现出色,具备实现简单、支持范围查询等优势,是企业网络监控中动态数据管理的理想选择。
165 0
|
6月前
|
机器学习/深度学习 存储 算法
基于 C++ 布隆过滤器算法的局域网上网行为控制:URL 访问过滤的高效实现研究
本文探讨了一种基于布隆过滤器的局域网上网行为控制方法,旨在解决传统黑白名单机制在处理海量URL数据时存储与查询效率低的问题。通过C++实现URL访问过滤功能,实验表明该方法可将内存占用降至传统方案的八分之一,查询速度提升约40%,假阳性率可控。研究为优化企业网络管理提供了新思路,并提出结合机器学习、改进哈希函数及分布式协同等未来优化方向。
212 0
|
8月前
|
存储 监控 算法
基于 C++ 哈希表算法的局域网如何监控电脑技术解析
当代数字化办公与生活环境中,局域网的广泛应用极大地提升了信息交互的效率与便捷性。然而,出于网络安全管理、资源合理分配以及合规性要求等多方面的考量,对局域网内计算机进行有效监控成为一项至关重要的任务。实现局域网内计算机监控,涉及多种数据结构与算法的运用。本文聚焦于 C++ 编程语言中的哈希表算法,深入探讨其在局域网计算机监控场景中的应用,并通过详尽的代码示例进行阐释。
176 4
|
9月前
|
存储 算法 安全
企业员工数据泄露防范策略:基于 C++ 语言的布隆过滤器算法剖析[如何防止员工泄密]
企业运营过程中,防范员工泄密是信息安全领域的核心议题。员工泄密可能致使企业核心数据、商业机密等关键资产的流失,进而给企业造成严重损失。为应对这一挑战,借助恰当的数据结构与算法成为强化信息防护的有效路径。本文专注于 C++ 语言中的布隆过滤器算法,深入探究其在防范员工泄密场景中的应用。
212 8
|
10月前
|
编译器 C++ 开发者
【C++篇】深度解析类与对象(下)
在上一篇博客中,我们学习了C++的基础类与对象概念,包括类的定义、对象的使用和构造函数的作用。在这一篇,我们将深入探讨C++类的一些重要特性,如构造函数的高级用法、类型转换、static成员、友元、内部类、匿名对象,以及对象拷贝优化等。这些内容可以帮助你更好地理解和应用面向对象编程的核心理念,提升代码的健壮性、灵活性和可维护性。
|
6月前
|
人工智能 机器人 编译器
c++模板初阶----函数模板与类模板
class 类模板名private://类内成员声明class Apublic:A(T val):a(val){}private:T a;return 0;运行结果:注意:类模板中的成员函数若是放在类外定义时,需要加模板参数列表。return 0;
184 0
|
6月前
|
存储 编译器 程序员
c++的类(附含explicit关键字,友元,内部类)
本文介绍了C++中类的核心概念与用法,涵盖封装、继承、多态三大特性。重点讲解了类的定义(`class`与`struct`)、访问限定符(`private`、`public`、`protected`)、类的作用域及成员函数的声明与定义分离。同时深入探讨了类的大小计算、`this`指针、默认成员函数(构造函数、析构函数、拷贝构造、赋值重载)以及运算符重载等内容。 文章还详细分析了`explicit`关键字的作用、静态成员(变量与函数)、友元(友元函数与友元类)的概念及其使用场景,并简要介绍了内部类的特性。
278 0

热门文章

最新文章