[数据结构基础] 掌握树的四种遍历方式，以及BFS, DFS

本文主要是介绍[数据结构基础] 掌握树的四种遍历方式，以及BFS, DFS，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

背景

上一篇文章，我们熟悉了树，二叉树，二叉搜索树的基本概念，以及做了对应的实战题目：

树，二叉树，二叉搜索树 && 实战练习

今天我们继续树这个话题。

本文的主要内容包括：

理论：树的前中后遍历
理论：广度优先搜索
理论：深度优先搜索
理论：树的层次遍历
实战：Leetcode题目演练

树是一种比较常见的数据结构，面试中也比较常见。

熟悉树的前中后序遍历，只是让大家明白树的遍历可以有不同的顺序，实际的应用也比较少，意义并不大，但是作为基础，我们还是要学一下这部分。

基本上，真正的遍历还是要看深度优先和广度优先遍历。

废话不多说，我们进入正文。

正文

树的前中后序遍历

这三种遍历的顺序是十分好记的：

前序：根左右
中序：左根右
后序：左右根

前序遍历

如图所示，这样的一棵二叉树的前序遍历,

先访问根结点，然后是左子树，再然后是右子树。

遍历的结果就是：

A， B， D， E， C， F， G

中序遍历

先访问的是左子树，然后是根，再然后是右子树。

遍历的结果就是：

D, B, E, A, F, C, G

后序遍历

先访问的是左子树，然后是右子树，再然后是根。

遍历的结果就是：

D, E, B, F, G, C, A

前中后序遍历的代码实现 - medium

如果你对这三种遍历非常熟悉，在面对验证二叉搜索树这类问题的时候，就知道可以用中序遍历的特性来验证。

下面我们就大概看一下这三种遍历的逻辑实现。

这里借用来自社区大佬的Python实现，非常的优雅：

leetcode 上也有这三种遍历的题目，因为不是本文重点，所以就用递归简单实现一下：

144 前序遍历的简单实现 - medium

给定一个二叉树，返回它的 _前序 _遍历。

输入: [1,null,2,3]  
   1
    \
     2
    /
   3 

输出: [1,2,3]

代码实现：

var preorderTraversal = function (root) {
    var stack = []

    function helper(root) {
        if (!root) return
        stack.push(root.val)
        root.left && helper(root.left)
        root.right && helper(root.right)
    }

    helper(root)

    return stack
}

94: 中序遍历的简单实现

给定一个二叉树，返回它的中序遍历。

示例:

输入: [1,null,2,3]
   1
    \
     2
    /
   3

输出: [1,3,2]

代码实现：

var inorderTraversal = function (root) {
    var stack = []

    function helper(root) {
        if (!root) return

        root.left && helper(root.left)
        stack.push(root.val)
        root.right && helper(root.right)
    }

    helper(root)

    return stack
};

145: 后序遍历的简单实现 - hard

给定一个二叉树，返回它的后序遍历。

示例:

输入: [1,null,2,3]  
   1
    \
     2
    /
   3 

输出: [3,2,1]

代码实现：

var postorderTraversal = function (root) {
    var stack = []

    function helper(root) {
        if (!root) return

        root.left && helper(root.left)
        root.right && helper(root.right)
        stack.push(root.val)
    }

    helper(root)

    return stack
}

第一部分小结

上面这部分，我们熟悉了二叉树的三种遍历方式，并熟悉了三道实战题目，下面我们就正式接触今天的主角: BFS & DFS。

广度优先搜索

广度优先搜索(Breadth-First-Search), 简称BFS，是一种比较常见的二叉树搜索方式。

先说一下，为什么会出现这种搜索方式吧。

比如，我们在生活中，需要在一个大的集合中， 找到某个特定的元素，这个集合可能是一个状态集，也可能是一些树，或者图。

比如，我们要找到箭头所指的这个点，该怎么找呢？

我们最直观的反应就是，层层递进，一层一层往下搜索。

这种最符合我们思维方式的搜索方式就是广度优先搜索。

下面我们看一下这种方式具体是怎么搜索的。

首先，访问的是根结点1。

接下来，依次访问1的孩子，就是2, 3, 4结点，依次类推。

就像水波一样，一层一层往前推，比较符合人类的思维习惯。

算法基础：BFS和DFS的直观解释

BFS的实现思路也比较直观：

从1开始，依次把儿子结点放到队列中去，遍历的结点依次放入队列之中，队列是先入先出的，这样就达到了层次遍历的效果。

BFS的实现

BFS伪代码实现：

即刻时间课程截图.png

为了避免重复搜索，引入了判重的set，来记录已经搜索过的结点。

下面我们看一个具体的例子：

有如下html结构，要求分层打印出每个节点：

<div id='root'>
    <span>
        <a></a>
        <div></div>
    </span>
    <span>
        <p></p>
    </span>
</div>

function BFS(node) {  
    var nodes = [];  
    if (node != null) {  
        var queue = [];  
        queue.unshift(node);  
        while (queue.length !== 0) {  
            var item = queue.shift(); // 取出第一个元素
            nodes.push(item);  
            var children = item.children;  
            for (var i = 0; i < children.length; i++) {
              queue.push(children[i]);  
            }     
        }  
    }  
    return nodes;  
}
var root = document.getElementById('root');
console.log(BFS(root));

下面我们继续看深度优先搜索。

深度优先搜索

深度优先搜索 - Depth First Search, 简称DFS。

BFS，使用的是队列，先入先出。
DFS，使用的是栈，先入后出。

DFS，这种方式，比较耿直，一根筋，一插到底，到头位置。

即刻时间课程截图.png

DFS的直观解释

BDS， DFS的简单的对比：

DFS的实现

DFS递归伪代码(推荐)：

DFS非递归伪代码：

了解完思路，我们再回到开头遍历DOM结点那道题。

现在要求用DFS的方式来打印结点。

<div id='root'>
    <span>
        <a></a>
        <div></div>
    </span>
    <span>
        <p></p>
    </span>
</div>

我们用递归和非递归两种方式实现。

1. 递归

  function DFS(node, nodeList) {
      if (node) {
          nodeList.push(node);
          var children = node.children;
          for (var i = 0; i < children.length; i++) {
              DFS(children[i], nodeList);
          }
      }
      return nodeList;
  }
  var root = document.getElementById('root')
  console.log(DFS(root, []))

2. 非递归

function DFS(node) {
    var nodeList = [];
    if (node) {
        var stack = [];
        stack.push(node);
        while (stack.length !== 0) {
            var childrenItem = stack.pop();
            nodeList.push(childrenItem);
            var childrenList = childrenItem.children;
            for (var i = childrenList.length - 1; i >= 0; i--) {
                stack.push(childrenList[i]);
            }
        }
    }
    return nodeList;
}
var root = document.getElementById('root')
console.log(DFS(root))

推荐第一种递归的写法，更容易理解，也不需要额外的维护数据结构，非递归的方式理解即可。

简单的小结

对于这BFS， DFS两个搜索方法，其实我们是可以轻松的看出来，他们有许多差异与许多相同点的。

1.数据结构上的运用

BFS, 选取状态用队列的形式，先进先出。
DFS, 用递归的形式，用到了栈结构，先进后出。

2.复杂度

DFS的复杂度与BFS的复杂度大体一致，不同之处在于遍历的方式与对于问题的解决出发点不同，DFS适合目标明确，而BFS适合大范围的寻找。

3.思想

思想上来说这两种方法都是穷竭列举所有的情况。

树的层次遍历

层次遍历，也叫 Level Order Search。

故名思意，就是按层来遍历, 和BFS 十分类似。

比如这样一棵二叉树：

层次遍历的结果就是： 3, 9, 20, 15, 7

leetcode 上就有这么一道题目，二叉树的层次遍历，我们就一起来做一下，进入实战环节。

实战题目

Leetcode-102: 二叉树的层次遍历

给定一个二叉树，返回其按层次遍历的节点值。（即逐层地，从左到右访问所有节点）。

例如:
给定二叉树: [3,9,20,null,null,15,7],

    3
   / \
  9  20
    /  \
   15   7

返回其层次遍历结果：

[
  [3],
  [9,20],
  [15,7]
]

实现的方式有很多，比如BFS。

一种BFS的代码实现：

/**
 * Definition for a binary tree node.
 * function TreeNode(val) {
 *     this.val = val;
 *     this.left = this.right = null;
 * }
 */
/**
 * @param {TreeNode} root
 * @return {number[][]}
 */
var levelOrder = function (root) {
    if (!root) return []
    let result = [], queue = [root]

    while (queue.length) {
        let currentLevel = []
        let levelSize = queue.length
        while (levelSize !== 0) {
            let node = queue.shift()
            currentLevel.push(node.val)
            if (node.left) queue.push(node.left)
            if (node.right) queue.push(node.right)
            levelSize--
        }
        result.push(currentLevel)
    }

    return result
};

这道题，也可以用 DFS 来实现，这里给你一种Java 的实现，你可以理解一下思路，然后自己实现一遍。

Leetcode 104, 二叉树的最大深度

给定一个二叉树，找出其最大深度。

二叉树的深度为根节点到最远叶子节点的最长路径上的节点数。

说明: 叶子节点是指没有子节点的节点。

示例：
给定二叉树 [3,9,20,null,null,15,7]，

    3
   / \
  9  20
    /  \
   15   7

返回它的最大深度 3 。

解法1. 递归

递归-动态图.gif

var maxDepth = function(root) {
    if(!root) return 0
    
    var left = maxDepth(root.left) + 1
    var right = maxDepth(root.right) + 1
    // +1 是算上根结点的高度
    
    return left > right ? left : right
}

解法2: 用队列实现-BFS

遍历每一层的节点高度，然后求得最深的一个节点的高度，就是整个树的高度了。

var maxDepth = function (root) {
    if (!root) return 0

    let queue = []
    let depth = 0

    queue.push(root)

    while (queue.length) {
        depth++
        let size = queue.length

        while (size > 0) {
            let p = queue.shift()
            if (p.left) queue.push(p.left)
            if (p.right) queue.push(p.right)
            size--
        }
    }

    return depth
};

解法3: 用队列实现-DFS

基本思路：

首先访问根结点然后遍历左子树，最后遍历右子树。

从包含根结点且相应深度为 1 的栈开始。

然后将当前结点弹出栈并推入子结点, 每一步都会更新深度。

时间复杂度：O(N)
空间复杂度：O(N)

代码实现：

var maxDepth = function (root) {
    if (!root) return 0

    let stack = []
    let depthStack = []
    let depth = 1

    stack.push(root)
    depthStack.push(depth)

    while (stack.length > 0) {
        let node = stack.pop()
        let temp = depthStack.pop()

        if (depth < temp) depth = temp

        if (node.right) {
            stack.push(node.right)
            depthStack.push(temp + 1)
        }

        if (node.left) {
            stack.push(node.left)
            depthStack.push(temp + 1)
        }
    }

    return depth
}

还有第101题，二叉树的最大深度，思路都是类似的，这里就不解了，留给你练习。

结语

作文本年度的最后一篇文章，写了一天多，终于写完了....

树的深搜和广搜，是非常重要的两种搜索方式，也是面试中的重点。

希望本文能对你有所帮助。

最后

觉得内容有帮助可以关注下我的公众号「前端e进阶」，一起学习。

这篇关于[数据结构基础] 掌握树的四种遍历方式，以及BFS, DFS的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！

[数据结构基础] 掌握树的四种遍历方式，以及BFS, DFS

背景

正文

树的前中后序遍历

前序遍历

中序遍历

后序遍历

前中后序遍历的代码实现 - medium

144 前序遍历的简单实现 - medium

94: 中序遍历的简单实现

145: 后序遍历的简单实现 - hard

第一部分小结

广度优先搜索

BFS的实现

深度优先搜索

DFS的实现

1. 递归

2. 非递归

简单的小结

树的层次遍历

实战题目

Leetcode-102: 二叉树的层次遍历

Leetcode 104, 二叉树的最大深度

解法1. 递归

解法2: 用队列实现-BFS

解法3: 用队列实现-DFS

结语

最后

前端开发

后端开发

移动端开发

数据库

服务器运维

人工智能

区块链

游戏开发

网站运营

大数据/云计算

软件工程

软件/开发工具使用

资讯