前言
今天继续算法题：从尾到头打印链表
链表
在看今天题目之前，我们先了解下链表。
链表是一种物理存储单元上非连续、非顺序的存储结构。由于不必须按顺序存储，链表的插入和删除操作可以达到O(1)的复杂度
熟悉数组的都知道，数组是需要一块连续的内存空间来存储。而链表就不需要，它是通过指针来将内存块串联起来。
常见的链表结构有：单链表、双向链表和循环链表。（图片来自参考链接）
单链表
第一个接点为头结点，最后一个结点是尾结点。
从图中可以看出来：当某个结点不是指向下一个结点，而是指向了null，空地址，那么这个结点就是这个链表最后一个结点，也就是尾结点。
当我们插入或者删除结点只需要修改next结点就行，也就是修改next指针指向地址，比如这样一个链表：
a->next=b, b->next=c, c->next=d
a下一个结点是b，b下一个结点是c...
如果我们要在ab直接插入一个结点p，得益于链表的不连续性，我们只需要修改a的next为p，p的next为b就行了。
a->next=p, p->next=b, b->next=c, c->next=d
通俗点说，插入的时候，就修改两个结点的跟屁虫就行啦。所以不同于数组插入和删除操作，链表的插入和删除效率很高，不需要考虑空间连续问题，所以对应的时间复杂度是O(1)。
但是反过来，如果要查询第n个数据为谁，这个就比较麻烦了。不像数组由于内存连续，所以很轻易就知道n对应的数据。而链表需要一个个next查找，所以链表随机访问的效率就不如数组了，时间复杂度为O(n)。
循环链表
循环链表和单链表的区别就是，尾结点指针会指向头结点，形成一个环形，这就是循环链表。
双向链表
如图所示，双向链表和单链表的区别就是，每个结点不仅有下个结点的地址，还有上一个结点的地址。
这样有什么好处呢？在特定的情境中能提高效率。比如我要在某个结点B的前面插入数据，那么我需要从头开始便利，找到某个结点的next指向这个B的地址，然后进行数据的插入。
但是双向链表则可以直接获知结点B的前驱结点地址，大大提高了插入效率。
链表的基础知识就介绍到这里了，下面看一个链表相关的算法题。
题目：从尾到头打印链表
输入一个链表的头节点，从尾到头反过来返回每个节点的值（用数组返回）。
示例 1：
输入：head = [1,3,2] 输出：[2,3,1]
限制：
0 <= 链表长度 <= 10000
解法一
题目意思很简单，就是一个链表，现在要先从尾巴倒着打印链表的数字。
那我们就可以想到可以用到递归算法，递归算法其实就是两步，先递后归，我们可以先传递到链表的最后一位，也就是next->null为空的时候，然后开始归档把数据依次输出，即完成了从结尾开始输出数字的需求了。
递推阶段：走到链表结尾为结束的标志。归档阶段：从结尾处一层层输出数字，先输出到ArrayList，在转为数组。
不明白的可以看看代码：
class Solution { ArrayList<Integer> tmp = new ArrayList<Integer>(); public int[] reversePrint(ListNode head) { recur(head); int[] res = new int[tmp.size()]; for(int i = 0; i < res.length; i++) res[i] = tmp.get(i); return res; } //递归方法 void recur(ListNode head) { //到链表结尾处，递推结束，开始归档，依次输出 if(head == null) return; recur(head.next); tmp.add(head.val); } }
方法消耗情况
执行用时：1 ms 内存消耗：40.5 MB
时间复杂度
该算法相当于遍历了两遍链表，递推一遍，归档一遍，所以一共为2n。
去除常量，时间复杂度就是O(n)
空间复杂度
由于用到ArrayList和数组，所以空间复杂度也是O(n)。
解法二
第二种解法就是利用栈的特点：先入后出。（栈的知识点后面再细说）
先入后出不就是题目的需求么，从尾部倒着输出数字。
所以我们把链表依次入栈，然后在依次出栈就可以完成需求了。
class Solution { public int[] reversePrint(ListNode head) { LinkedList<Integer> stack = new LinkedList<Integer>(); while(head != null) { stack.addLast(head.val); head = head.next; } int[] res = new int[stack.size()]; for(int i = 0; i < res.length; i++) res[i] = stack.removeLast(); return res; } }
方法消耗情况
执行用时：1 ms 内存消耗：39.2 MB
时间复杂度
同上一个算法一样，时间复杂度就是入栈和出栈的时间，也就是O(n)。
空间复杂度
由于用到了stack和数组res，所以空间复杂度也是O(n)。
参考
https://leetcode-cn.com/problems/cong-wei-dao-tou-da-yin-lian-biao-lcof/
