20172303 2018-2019-1 《程序设计与数据结构》实验二报告

课程：《程序设计与数据结构》
班级： 1723
姓名：范雯琪
学号：20172303
实验教师：王志强
助教：张师瑜/张之睿
实验日期：2018年11月5日
必修/选修：必修

实验内容

本次实验主要是关于树的应用，涉及了二叉树、决策树、表达式树、二叉查找树、红黑树五种树的类型，是对最近学习内容第十章和第十一章的一个总结。

节点一

参考教材P212,完成链树LinkedBinaryTree的实现(getRight,contains,toString,preorder,postorder)，用JUnit或自己编写驱动类对自己实现的LinkedBinaryTree进行测试。

节点二

基于LinkedBinaryTree，实现基于（中序，先序）序列构造唯一一棵二㕚树的功能，比如给出先序ABDHIEJMNCFGKL和中序HDIBEMJNAFCKGL,构造出附图中的树，用JUnit或自己编写驱动类对自己实现的功能进行测试。

节点三

自己设计并实现一颗决策树。

节点四

输入中缀表达式，使用树将中缀表达式转换为后缀表达式，并输出后缀表达式和计算结果（如果没有用树，则为0分）。

节点五

完成PP11.3。

节点六

参考Java Collections API源码分析对Java中的红黑树（TreeMap，HashMap）进行源码分析，并在实验报告中体现分析结果。

实验过程及结果

节点一——实现二叉树

getRight:getRight操作用于返回根的右子树。当树为空时，抛出错误，当树不为空时，通过递归返回根的右子树。

public LinkedBinaryTree2<T> getRight()
    {
        if(root == null) {
            throw new EmptyCollectionException("BinaryTree");
        }
        LinkedBinaryTree2<T> result = new LinkedBinaryTree2<>();
        result.root = root.getRight();
        return result;
    }

contains：contains操作的实现有两种方法：一种是直接借用find方法，另一种是重新写一个。

方法一：借用find方法，find方法的作用是在二叉树中找到指定目标元素，则返回对该元素的引用，所以当该元素的引用与查找的元素相同时返回true，否则返回false。

public boolean contains(T targetElement)
    {
        if (find(targetElement) == targetElement){return true;}
        else {return false;}
    }

方法二：重新写一个。具体解释放在代码当中。

public boolean contains(T targetElement)
{
    BinaryTreeNode node = root;
    BinaryTreeNode temp = root;
    //找到的情况有三种：查找元素就是根，查找元素位于右子树，查找元素位于左子树。
    //除了这三种情况下其余情况都找不到元素，因此初始设置为false
    boolean result = false;
    
    //当树为空时，返回false
    if (node == null){
        result = false;
    }
    //当查找元素就是根时，返回true
    if (node.getElement().equals(targetElement)){
        result = true;
    }
    //对右子树进行遍历（在右子树不为空的情况下）找到元素则返回true，否则对根的左子树进行遍历
    while (node.right != null){
        if (node.right.getElement().equals(targetElement)){
            result = true;
            break;
        }
        else {
            node = node.right;
        }
    }
    //对根的左子树进行遍历，找到元素则返回true，否则返回false
    while (temp.left.getElement().equals(targetElement)){
        if (temp.left.getElement().equals(targetElement)){
            result = true;
            break;
        }
        else {
            temp = temp.left;
        }
    }
    return result;
}

toString：toString方法我借用了ExpressionTree类中的PrintTree方法，具体内容曾在第七周博客中说过。
preorder：preorder方法由于有inOrder方法的参考所以挺好写的，修改一下三条代码（三条代码分别代码访问根、访问右孩子和访问左孩子）的顺序即可，使用了递归。在输出时为了方便输出我重新写了一个ArrayUnorderedList类的公有方法，直接输出列表，要比用迭代器输出方便一些。

public ArrayUnorderedList preOrder(){
    ArrayUnorderedList<T> tempList = new ArrayUnorderedList<T>();
    preOrder(root,tempList);
    return tempList;
}
    
protected void preOrder(BinaryTreeNode<T> node,
                            ArrayUnorderedList<T> tempList) 
{
    if (node != null){
        //从根节点开始，先访问左孩子，再访问右孩子
        tempList.addToRear(node.getElement());
        preOrder(node.getLeft(),tempList);
        preOrder(node.getRight(),tempList);
    }
}

postOrder：postOrder方法与preorder方法类似，唯一的区别是后序遍历先访问左孩子，再访问右孩子，最后访问根结点，代码和上面差不多就不放了。

测试结果

节点二——中序先序序列构造二叉树

已知先序遍历和中序遍历得到二叉树有三个步骤：
- (1)找到根结点。因为先序遍历按照先访问根结点再访问左右孩子的顺序进行的，所以先序遍历的第一个结点就是二叉树的根。
- (2)区分左右子树。在确定了根结点之后，在中序遍历结果中，根结点之前的就是左子树，根结点之后的就是右子树。如果跟结点前边或后边为空，那么该方向子树为空；如果根节点前边和后边都为空，那么根节点已经为叶子节点。
- (3)分别对左右子树再重复第一、二步直至完全构造出该树。
在清楚了构造的步骤之后，实现就比较简单了，在实现的过程中用了递归的方法。

public void initTree(String[] preOrder,String[] inOrder){
    BinaryTreeNode temp = initTree(preOrder,0,preOrder.length-1,inOrder,0,inOrder.length-1);
    root = temp;
}

private BinaryTreeNode initTree(String[] preOrder,int prefirst,int prelast,String[] inOrder,int infirst,int inlast){
    if(prefirst > prelast || infirst > inlast){
        return null;
    }
    String rootData = preOrder[prefirst];
    BinaryTreeNode head = new BinaryTreeNode(rootData);
    //找到根结点
    int rootIndex = findroot(inOrder,rootData,infirst,inlast);
    //构建左子树
    BinaryTreeNode left = initTree(preOrder,prefirst + 1,prefirst + rootIndex - infirst,inOrder,infirst,rootIndex-1);
    //构建右子树
    BinaryTreeNode right = initTree(preOrder,prefirst + rootIndex - infirst + 1,prelast,inOrder,rootIndex+1,inlast);
    head.left = left;
    head.right = right;
    return head;
}
//寻找根结点在中序遍历数组中的位置
public int findroot(String[] a, String x, int first, int last){
    for(int i = first;i<=last; i++){
        if(a[i] == x){
            return i;
        }
    }
    return -1;
}

测试结果

节点三——决策树

节点三的实现借助了第十章背部疼痛诊断器的相关内容，其关键部分是DecisionTree类的实现。

DecisionTree的构造函数从文件中读取字符串元素。存储在树结点中。然后创建新的结点，将之前定义的结点（或子树）作为内部结点的子结点。

public DecisionTTree(String filename) throws FileNotFoundException
{
    //读取字符串
    File inputFile = new File(filename);
    Scanner scan = new Scanner(inputFile);
    int numberNodes = scan.nextInt();
    scan.nextLine();
    int root = 0, left, right;
    
    //存储在根结点中
    List<LinkedBinaryTree<String>> nodes = new ArrayList<LinkedBinaryTree<String>>();
    for (int i = 0; i < numberNodes; i++) {
        nodes.add(i,new LinkedBinaryTree<String>(scan.nextLine()));
    }

    //建立子树
    while (scan.hasNext())
    {
        root = scan.nextInt();
        left = scan.nextInt();
        right = scan.nextInt();
        scan.nextLine();

        nodes.set(root, new LinkedBinaryTree<String>((nodes.get(root)).getRootElement(),
                nodes.get(left), nodes.get(right)));
    }
    tree = nodes.get(root);
}

evaluate方法从根结点开始处理，用current表示正在处理的结点。在循环中，如果用户的答案为N，则更新current使之指向左孩子，如果用户的答案为Y，则更新current使之指向右孩子，循环直至current为叶子结点时结束，结束后返回current的根结点的引用。

public void evaluate()
{
    LinkedBinaryTree<String> current = tree;
    Scanner scan = new Scanner(System.in);

    while (current.size() > 1)
    {
        System.out.println (current.getRootElement());
        if (scan.nextLine().equalsIgnoreCase("N")) {
            current = current.getLeft();
        } else {
            current = current.getRight();
        }
    }

    System.out.println (current.getRootElement());
}

测试结果

节点四——表达式树

这个测试我认为是所有测试中最难的一个，尤其是关于如何使用树实现这一部分，考虑了很久都没有思路，后来重新翻看课本第十章表达式树部分的内容，才有了思路，发现不是光用树就能实现的，像上学期的四则运算一样，这个也是要先建立两个栈来存放操作符和操作数的。具体的解释在下面的代码中都有。

public static String  toSuffix(String infix) {
    String result = "";
    //将字符串转换为数组
    String[] array = infix.split("\s+");
    //存放操作数
    Stack<LinkedBinaryTree> num = new Stack();
    //存放操作符
    Stack<LinkedBinaryTree> op = new Stack();

    for (int a = 0; a < array.length; a++) {
        //如果是操作数，开始循环
        if (array[a].equals("+") || array[a].equals("-") || array[a].equals("*") || array[a].equals("/")) {
            if (op.empty()) {
                //如果栈是空的，将数组中的元素建立新树结点并压入操作符栈
                op.push(new LinkedBinaryTree<>(array[a]));
            } else {
                //如果栈顶元素为+或-且数组的元素为*或/时，将元素建立新树结点并压入操作符栈
                if ((op.peek().root.element).equals("+") || (op.peek().root.element).equals("-") && array[a].equals("*") || array[a].equals("/")) {
                    op.push(new LinkedBinaryTree(array[a]));
                } else {
                //将操作数栈中的两个元素作为左右孩子，操作符栈中的元素作为根建立新树
                    LinkedBinaryTree right = num.pop();
                    LinkedBinaryTree left = num.pop();
                    LinkedBinaryTree temp = new LinkedBinaryTree(op.pop().root.element, left, right);
                    //将树压入操作数栈，并将数组中的元素建立新树结点并压入操作符栈
                    num.push(temp);
                    op.push(new LinkedBinaryTree(array[a]));
                }
            }
        } else {
            //将数组元素建立新树结点并压入操作数栈
            num.push(new LinkedBinaryTree<>(array[a]));
        }
    }
    while (!op.empty()) {
        LinkedBinaryTree right = num.pop();
        LinkedBinaryTree left = num.pop();
        LinkedBinaryTree temp = new LinkedBinaryTree(op.pop().root.element, left, right);
        num.push(temp);
    }
    //输出后缀表达式
    Iterator itr=num.pop().iteratorPostOrder();
    while (itr.hasNext()){
        result+=itr.next()+" ";
    }
    return result;
}

测试结果

节点五——二叉查找树

因为书上给出了removeMin的实现方法，二叉查找树有一个特殊的性质就是最小的元素存储在树的左边，最大的元素存储在树的右边。因此实现removeMax方法只需要把removeMin方法中所有的left和right对调即可。二叉查找树的删除操作有三种情况，要依据这三种情况来实现代码，我在第七周博客教材内容总结中已经分析过了，就不在这里贴代码了。
实现了removeMin和removeMax后，其实findMin和findMax就很简单了，因为在实现删除操作时首先先要找到最大/最小值，因此只要把找到之后的步骤删掉，返回找到的最大值或最小值的元素即可。

public T findMin() throws EmptyCollectionException
    {
        T result;
        if (isEmpty()){
            throw new EmptyCollectionException("LinkedBinarySearchTree");
        }
        else {
            if (root.left == null){
                result = root.element;
            }
            else {
                BinaryTreeNode<T> parent = root;
                BinaryTreeNode<T> current = root.left;
                while (current.left != null){
                    parent = current;
                    current = current.left;
                }
                result = current.element;
            }
        }
        return result;
    }

    
public T findMax() throws EmptyCollectionException
{
    T result;

    if (isEmpty()){
        throw new EmptyCollectionException("LinkedBinarySearchTree");
        }
    else {
        if (root.right == null){
            result = root.element;
        }
        else {
            BinaryTreeNode<T> parent = root;
            BinaryTreeNode<T> current = root.right;
            while (current.right != null){
                parent = current;
                current = current.right;
            }
            result = current.element;
        }
    }
    return result;
}

测试结果

节点六——红黑树分析

在jdk1.8版本后，java对HashMap做了改进，在链表长度大于8的时候，将后面的数据存在红黑树中，以加快检索速度。而TreeMap的实现原理就是红黑树，因此分析红黑树时我们要分析HashMap和TreeMap的源码。

HashMap

HashMap是一种基于哈希表（hash table）实现的map，哈希表（也叫关联数组）一种通用的数据结构，大多数的现代语言都原生支持，其概念也比较简单：key经过hash函数作用后得到一个槽（buckets或slots）的索引（index），槽中保存着我们想要获取的值，如下图所示：
HashMap的方法较多，此处选择构造函数、get操作和remove操作进行分析。

构造函数

HashMap遵循集合框架的约束，提供了一个参数为空的构造函数和有一个参数且参数类型为Map的构造函数。除此之外，还提供了两个构造函数，用于设置HashMap的容量（capacity）与平衡因子（loadFactor）(平衡因子=|右子树高度-左子树高度|）。

public HashMap(int initialCapacity, float loadFactor) {
   if (initialCapacity < 0)
       throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity);
   if (initialCapacity > MAXIMUM_CAPACITY)
       initialCapacity = MAXIMUM_CAPACITY;
   if (loadFactor <= 0 || Float.isNaN(loadFactor))
       throw new IllegalArgumentException("Illegal load factor: " + loadFactor);
   this.loadFactor = loadFactor;
   threshold = initialCapacity;
   init();
}
public HashMap(int initialCapacity) {
   this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap() {
   this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR);
}

get操作

get操作用于返回指定键所映射的值；如果对于该键来说，此映射不包含任何映射关系，则返回null。
这里需要说明两个东西：Entry——Entry实现了单向链表的功能，用next成员变量来级连起来。table[ ]——HashMap内部维护了一个为数组类型的Entry变量table，用来保存添加进来的Entry对象。

public V get(Object key) {
    //当key为空时，返回null
    if (key == null)
        return getForNullKey();
    Entry<K,V> entry = getEntry(key);
    return null == entry ? null : entry.getValue();
}
private V getForNullKey() {
    if (size == 0) {
        return null;
}
//key为null的Entry用于放在table[0]中，但是在table[0]冲突链中的Entry的key不一定为null，因此，需要遍历冲突链，查找key是否存在
    for (Entry<K,V> e = table[0]; e != null; e = e.next) {
        if (e.key == null)
            return e.value;
    }
    return null;
}
final Entry<K,V> getEntry(Object key) {
    if (size == 0) {
        return null;
    }
    int hash = (key == null) ? 0 : hash(key);
    //首先定位到索引在table中的位置
    //然后遍历冲突链，查找key是否存在
    for (Entry<K,V> e = table[indexFor(hash, table.length)];
         e != null;
        e = e.next) {
        Object k;
        if (e.hash == hash &&
        ((k = e.key) == key || (key != null && key.equals(k))))
            return e;
    }
    return null;
}

remove操作

remove操作用于在指定键存在的情况下，从此映射中移除指定键的映射关系。

public V remove(Object key) {
Entry<K,V> e = removeEntryForKey(key);
//当指定键key存在时，返回key的value。
return (e == null ? null : e.value);
}
final Entry<K,V> removeEntryForKey(Object key) {
    if (size == 0) {
        return null;
    }
    int hash = (key == null) ? 0 : hash(key);
    int i = indexFor(hash, table.length);
    //这里用了两个Entry对象，相当于两个指针，为的是防止出现链表指向为空，即冲突链断裂的情况
    Entry<K,V> prev = table[i];
    Entry<K,V> e = prev;
    //当table[i]中存在冲突链时，开始遍历里面的元素
    while (e != null) {
        Entry<K,V> next = e.next;
        Object k;
        if (e.hash == hash &&
            ((k = e.key) == key || (key != null && key.equals(k)))) {
            modCount++;
            size--;
            if (prev == e) //当冲突链只有一个Entry时
                table[i] = next;
            else
                prev.next = next;
            e.recordRemoval(this);
            return e;
        }
        prev = e;
        e = next;
    }
    return e;
}

HashMap中的红黑树位于HashMap内部类TreeNode<K,V>的定义，它继承了LinkedHashMap.Entry<K,V>，包括了左旋右旋等操作。

static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
    //设置红黑树父节点(链)
    TreeNode<K,V> parent;  // red-black tree links
    //设置左节点
    TreeNode<K,V> left;
    //设置右节点
    TreeNode<K,V> right;
    //设置前置节点
    TreeNode<K,V> prev;    // needed to unlink next upon deletion
    //设置红黑标志
    boolean red;
    
    //构造函数
    TreeNode(int hash, K key, V val, Node<K,V> next) {
        super(hash, key, val, next);
    }

    //返回根节点
    final TreeNode<K,V> root() {
        for (TreeNode<K,V> r = this, p;;) {
            if ((p = r.parent) == null)
                return r;
            r = p;
        }
    }
    //与红黑树相关的操作（此处略）

treeify和untreeify

树化和反树化（链表化），树化。当哈希桶中的链表长度超过阈值（默认为8）的话，就会对链表进行树化。当节点删除时，红黑树的大小低于阈值（默认为8），退化成链表。

final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
//循环整理
for (TreeNode<K,V> x = this, next; x != null; x = next) {
    //取出下一个链表节点
    next = (TreeNode<K,V>)x.next;
    //将x节点的左右节点设置为null
    x.left = x.right = null;
    //判断当前红黑树是否有根节点
    if (root == null) {
        x.parent = null;
        //设置颜色为黑色（根节点为黑色）
        x.red = false;
        //将x节点设置为根节点
        root = x;
    }
    //若当前红黑树存在根节点
    else {
        //获取x节点的key
        K k = x.key;
        //获取x节点的hash
        int h = x.hash;
        //key的class
        Class<?> kc = null;
        //这一部分不是看得很懂，大概是从根节点遍历，将x节点插入到红黑树中
        //dir应该指的是树的子树的方向，-1为左侧，1为右侧
        for (TreeNode<K,V> p = root;;) {
            int dir, ph;
            K pk = p.key;
            if ((ph = p.hash) > h)
                dir = -1;
            else if (ph < h)
                dir = 1;
            else if ((kc == null &&
                      (kc = comparableClassFor(k)) == null) ||
                     (dir = compareComparables(kc, k, pk)) == 0)
                dir = tieBreakOrder(k, pk);

            TreeNode<K,V> xp = p;
            if ((p = (dir <= 0) ? p.left : p.right) == null) {
                x.parent = xp;
                if (dir <= 0)
                    xp.left = x;
                    xp.right = x;
                root = balanceInsertion(root, x);
                break;
            }
        }
    }
}
//确保哈希桶指定位置存储的节点是红黑树的根节点
moveRootToFront(tab, root);
}

final Node<K,V> untreeify(HashMap<K,V> map) {
Node<K,V> hd = null, tl = null;
//循环，将红黑树转成链表
for (Node<K,V> q = this; q != null; q = q.next) {
    //构造一个普通链表节点
    Node<K,V> p = map.replacementNode(q, null);
    if (tl == null)
        hd = p;
    else
        tl.next = p;
    tl = p;
}
return hd;
}

TreeMap

TreeMap是用红黑树作为基础实现的，该映射根据其键的自然顺序进行排序，或者根据创建映射时提供的Comparator进行排序，具体取决于使用的构造方法。
TreeMap的基本操作containsKey、get、put和remove的时间复杂度是 log(n) ，这些操作的原理都与红黑树的删除、添加、检索操作的原理相同

put操作

put操作实现了将 Entry 放入二叉查找树中，其中Entry代表内部结点。

public V put(K key, V value)   
{   
   Entry<K,V> t = root;   
   // 当根结点为空时
    if (t == null)   
    {   
        // 将新的key-value创建一个结点，并将该结点作为根结点
        root = new Entry<K,V>(key, value, null);   
        modCount++;   
        return null;   
    }   
    int cmp;
    //设置一个父结点   
    Entry<K,V> parent;   
    Comparator<? super K> cpr = comparator;   
    // 如果cpr不为空，即表明采用定制排序  
    if (cpr != null)   
    {   
        do {   
            // 将t的值赋给根结点
            parent = t;   
            // 拿新插入key和t的key进行比较  
            cmp = cpr.compare(key, t.key);   
            // 如果新插入的key小于t的key，t等于t左边的结点  
            if (cmp < 0)   
                t = t.left;   
            // 如果新插入的key大于t的key，t等于t右边的结点  
            else if (cmp > 0)   
                t = t.right;   
            // 如果两个 key 相等，新的 value 覆盖原有的 value，  
            // 并返回原有的 value   
            else   
                return t.setValue(value);   
        } while (t != null);   
    }   
    else   
    {   
        //如果t的key为空，抛出错误
        if (key == null)   
            throw new NullPointerException();   
            Comparable<? super K> k = (Comparable<? super K>) key;   
            do {   
            // 与上述操作相同 
            parent = t;   
            cmp = k.compareTo(t.key);   
            if (cmp < 0)   
                t = t.left;   
            else if (cmp > 0)   
                t = t.right;   
            else   
                return t.setValue(value);   
        } while (t != null);   
    }   
    // 将新插入的节点作为parent节点的子节点  
    Entry<K,V> e = new Entry<K,V>(key, value, parent);   
    // 如果新插入 key 小于 parent 的 key，则 e 作为 parent 的左子节点  
    if (cmp < 0)   
        parent.left = e;   
    // 如果新插入 key 小于 parent 的 key，则 e 作为 parent 的右子节点  
    else   
        parent.right = e;   
    // 修复红黑树  
    fixAfterInsertion(e);                                 
    size++;   
    modCount++;   
    return null;   
}

remove操作

remove操作用于删除树中的指定结点。

private void deleteEntry(Entry<K,V> p) 
{ 
    modCount++; 
    size--; 
    // 如果被删除结点的左子树、右子树都不为空
    if (p.left != null && p.right != null) 
    { 
        //用p结点的后继结点代替p
        Entry<K,V> s = successor (p); 
        p.key = s.key; 
        p.value = s.value; 
        p = s; 
    } 
    // 如果p的左结点存在，则用replacement代表左结点，否则代表右结点
    Entry<K,V> replacement = (p.left != null ? p.left : p.right); 
    if (replacement != null) 
    { 
        replacement.parent = p.parent; 
        // 如果p没有父结点，则 replacemment 变成父结点
        if (p.parent == null) 
            root = replacement; 
        // 如果 p 结点是其父结点的左孩子，则用replacement进行赋值
        else if (p == p.parent.left) 
            p.parent.left  = replacement; 
        // 如果 p 结点是其父结点的右孩子，操作同上
        else 
            p.parent.right = replacement; 
        p.left = p.right = p.parent = null; 
        // 修复红黑树
        if (p.color == BLACK) 
            fixAfterDeletion(replacement);     
    } 
    // 如果 p 结点没有父结点，设置根结点为空
    else if (p.parent == null) 
    { 
        root = null; 
    } 
    else 
    { 
        if (p.color == BLACK) 
            // 修复红黑树
            fixAfterDeletion(p);       
        if (p.parent != null) 
        { 
            // 如果 p 是其父结点的左孩子
            if (p == p.parent.left) 
                p.parent.left = null; 
            // 如果 p 是其父结点的右孩子
            else if (p == p.parent.right) 
                p.parent.right = null; 
            p.parent = null; 
        } 
    } 
 }

get操作

当TreeMap根据key来取出value时，使用get操作，而这个get操作是通过getEntry()方法实现的。

public V get(Object key) 
 { 
    // 根据指定key取出对应的Entry 
    Entry>K,V< p = getEntry(key); 
    // 返回该Entry所包含的value 
    return (p==null ? null : p.value); 
 }

 final Entry<K,V> getEntry(Object key) 
 { 
    // 如果comparator不为null，表明程序采用定制排序
    if (comparator != null) 
        // 返回对于的key
        return getEntryUsingComparator(key); 
    // 如果key为空，抛出异常
    if (key == null) 
        throw new NullPointerException(); 
    // 将key强制类型转换为Comparable
    Comparable<? super K> k = (Comparable<? super K>) key; 
    // 从根结点开始
    Entry<K,V> p = root; 
    while (p != null) 
    { 
        // 用key与当前结点的key进行比较
        int cmp = k.compareTo(p.key); 
        // 如果key小于当前结点的key，继续到当前结点的左子树中进行检索
        if (cmp < 0) 
            p = p.left; 
        // 如果 key大于当前结点的key，继续到当前结点的右子树中进行检索
        else if (cmp > 0) 
            p = p.right; 
        else 
            return p; 
    } 
    return null; 
 }

实验过程中遇到的问题和解决过程

问题1：在实现节点一的时候，输出的并不是遍历结果而是地址
问题1解决方法：说实话这就是一个第十章没学好的残留问题，当时学的时候我就没有把这一部分补充完整，对于迭代器的使用也不熟练，完成节点一的过程中，我想到的解决方法是重新写了一个ArrayUnorderedList类的公有方法，将该无序列表直接输出（代码在节点一的过程中有）。后来实验结束后询问同学学会了将迭代器方法的遍历结果输出。

//以后序遍历为例
String result = "";
Iterator itr = tree.iteratorPostOrder();
    while (itr.hasNext()){
        result += itr.next() + " ";
    }
return result;

问题2：在实现节点二的时候无法输出构造好的树。
问题2解决方法：通过Debug，首先确定树是构造好的，没有出现树为空的情况。
那么问题就应该是出在toString方法中，后来发现原因出在了root上，在toString方法中，root从一开始就是空的，并没有获取到我构造的树的根结点。
然后我尝试在ReturnBinaryTree类中加入了一个获取根的方法，结果最后输出的是根的地址。
最后参考了余坤澎同学的代码，把ReturnBinaryTree类中的方法放的toString所在的LinkedBinaryTree类中，因为此时它能够获取到构造的树的根节点，因此就能正常输出了。
问题3：在实现决策树的过程中，文件里的内容为什么以这样的顺序排列？
问题3解决方法：这个要结合DecisionTree类来看，首先第一行的13代表了这颗决策树中的节点个数，所以在DecisionTree类中的int numberNodes = scan.nextInt();一句其实就是获取文件的第一行记录节点个数的值。接下来文件中按照层序遍历的顺序将二叉树中的元素一一列出来，最后文件中的几行数字其实代表了每个结点及其左右孩子的位置（仍然按照层序遍历的顺序），并且是从最后一层不是叶子结点的那一层的结点开始，比如[3,7,8]就代表了层序遍历中第3个元素的左孩子为第7个元素，右孩子为第8个元素。
我刚开始把根结点设置成第1个元素发现怎么都对不上，后来发现这里定义了根结点为第0个元素，所以最后一个元素为第12个元素而不是第13个。

其他（感悟、思考等）

其实本次实验整体上来说还是比较简单的，唯一有难度的可能只有节点四和节点六。在这个过程中帮我复习了很多，而且逼着我去解决了一些曾经在教材学习中不愿面对的问题，nice~~

参考资料

相关阅读:
logstash收集nginx日志
 logstash收集java日志,多行合并成一行
 一个配置文件收集多个日志-if根据type类型判断
 CentOS 7 kibana安装配置
 CentOS7 logstash配置部署
 Centos7 Elasticsearch部署
 awk命令
 top命令
 java中的getClass()函数
 java容器
原文地址：https://www.cnblogs.com/PFrame/p/9942394.html