leetcode刷题需要经常用的二叉树，发现二叉树这种可以无限扩展知识点来虐别人的数据结构，很受面试官的青睐，这里记录一下Java定义二叉树和遍历。
一、什么是二叉树
1 .二叉树的性质
本身是有序树，树中包含的各个节点的度不能超过 2，即只能是 0、1 或者 2
图 1 二叉树示意图
二叉树具有以下几个性质：
- 二叉树中，第 i 层最多有 2i-1 个结点。
- 如果二叉树的深度为 K，那么此二叉树最多有 2K-1 个结点。
- 二叉树中，终端结点数（叶子结点数）为 n0，度为 2 的结点数为 n2，则 n0=n2+1。
性质 3 的计算方法为：对于一个二叉树来说，除了度为 0 的叶子结点和度为 2 的结点，剩下的就是度为 1 的结点（设为 n1），那么总结点 n=n0+n1+n2。
同时，对于每一个结点来说都是由其父结点分支表示的，假设树中分枝数为 B，那么总结点数 n=B+1。而分枝数是可以通过 n1 和 n2 表示的，即 B=n1+2*n2。所以，n 用另外一种方式表示为 n=n1+2*n2+1。
两种方式得到的 n 值组成一个方程组，就可以得出 n0=n2+1。
2 .满二叉树
如果二叉树中除了叶子结点，每个结点的度都为 2，则此二叉树称为满二叉树
图 2 满二叉树示意图
满二叉树除了满足普通二叉树的性质，还具有以下性质：
- 满二叉树中第 i 层的节点数为 2n-1 个。
- 深度为 k 的满二叉树必有 2k-1 个节点 ，叶子数为 2k-1。
- 满二叉树中不存在度为 1 的节点，每一个分支点中都两棵深度相同的子树，且叶子节点都在最底层。
- 具有 n 个节点的满二叉树的深度为 log2(n+1)。
3 .完全二叉树
如果二叉树中除去最后一层节点为满二叉树，且最后一层的结点依次从左到右分布，则此二叉树被称为完全二叉树
图 3 完全二叉树示意图
如图 3a) 所示是一棵完全二叉树，图 3b) 由于最后一层的节点没有按照从左向右分布，因此只能算作是普通的二叉树。
完全二叉树除了具有普通二叉树的性质，它自身也具有一些独特的性质，比如说，n 个结点的完全二叉树的深度为 ⌊log2n⌋+1。
⌊log2n⌋ 表示取小于 log2n 的最大整数。例如，⌊log24⌋ = 2，而 ⌊log25⌋ 结果也是 2。
对于任意一个完全二叉树来说，如果将含有的结点按照层次从左到右依次标号（如图 3a)），对于任意一个结点 i ，完全二叉树还有以下几个结论成立：
- 当 i>1 时，父亲结点为结点 [i/2] 。（i=1 时，表示的是根结点，无父亲结点）
- 如果 2*i>n（总结点的个数） ，则结点 i 肯定没有左孩子（为叶子结点）；否则其左孩子是结点 2*i 。
- 如果 2*i+1>n ，则结点 i 肯定没有右孩子；否则右孩子是结点 2*i+1 。
二、二叉树的存储结构
二叉树的存储结构有两种，分别为顺序存储和链式存储。
1 .顺序存储
二叉树的顺序存储，指的是使用顺序表（数组）存储二叉树。需要注意的是，顺序存储只适用于完全二叉树。换句话说，只有完全二叉树才可以使用顺序表存储。因此，如果我们想顺序存储普通二叉树，需要提前将普通二叉树转化为完全二叉树。满二叉树也可以使用顺序存储。要知道，满二叉树也是完全二叉树，因为它满足完全二叉树的所有特征。
普通二叉树转完全二叉树的方法很简单，只需给二叉树额外添加一些节点，将其"拼凑"成完全二叉树即可。如图 1 所示：
图 1 普通二叉树的转化
图 1 中，左侧是普通二叉树，右侧是转化后的完全（满）二叉树。
解决了二叉树的转化问题，接下来学习如何顺序存储完全（满）二叉树。
完全二叉树的顺序存储，仅需从根节点开始，按照层次依次将树中节点存储到数组即可。
图 2 完全二叉树示意图
例如，存储图 2 所示的完全二叉树，其存储状态如图 3 所示：
图 3 完全二叉树存储状态示意图
同样，存储由普通二叉树转化来的完全二叉树也是如此。例如，图 1 中普通二叉树的数组存储状态如图 4 所示：
图 4 普通二叉树的存储状态
由此，我们就实现了完全二叉树的顺序存储。
不仅如此，从顺序表中还原完全二叉树也很简单。我们知道，完全二叉树具有这样的性质，将树中节点按照层次并从左到右依次标号（1,2,3,...），若节点 i 有左右孩子，则其左孩子节点为 2*i，右孩子节点为 2*i+1。此性质可用于还原数组中存储的完全二叉树，也就是实现由图 3 到图 2、由图 4 到图 1 的转变。
2 .链式存储
其实二叉树并不适合用数组存储，因为并不是每个二叉树都是完全二叉树，普通二叉树使用顺序表存储或多或多会存在空间浪费的现象。
图 1 普通二叉树示意图
如图 1 所示，此为一棵普通的二叉树，若将其采用链式存储，则只需从树的根节点开始，将各个节点及其左右孩子使用链表存储即可。因此，图 1 对应的链式存储结构如图 2 所示：
图 2 二叉树链式存储结构示意图
由图 2 可知，采用链式存储二叉树时，其节点结构由 3 部分构成（如图 3 所示）：
- 指向左孩子节点的指针（Lchild）；
- 节点存储的数据（data）；
- 指向右孩子节点的指针（Rchild）；
图 3 二叉树节点结构
图 4 自定义二叉树的链式存储结构
这样的链表结构，通常称为三叉链表。
利用图 4 所示的三叉链表，我们可以很轻松地找到各节点的父节点。因此，在解决实际问题时，用合适的链表结构存储二叉树，可以起到事半功倍的效果。
三、java实现二叉树
1.Node节点的定义
我们需要自定义一个Node类
package com.hanwl.leetcode; /** * @Author hanwl * @Date 2021-03-26 10:30 * @Version 1.0 * 定义二叉树的一个节点node */ public class Node { private int value; //节点的值 private Node node; //此节点，数据类型为Node private Node left; //此节点的左子节点，数据类型为Node private Node right; //此节点的右子节点，数据类型为Node public Node() { } public Node(int value) { this.value = value; this.left = null; this.right = null; } public int getValue() { return value; } public void setValue(int value) { this.value = value; } public Node getNode() { return node; } public void setNode(Node node) { this.node = node; } public Node getLeft() { return left; } public void setLeft(Node left) { this.left = left; } public Node getRight() { return right; } public void setRight(Node right) { this.right = right; } }
2.数组转换二叉树
数组存储方式和树的存储方式可以相互转换，即数组可以转换成树，树也可以转换成数组
顺序二叉树通常只考虑完全二叉树
第n个元素的左子节点为 2 * n + 1
第n个元素的右子节点为 2 * n + 2
第n个元素的父节点为 (n-1) / 2
n : 表示二叉树中的第几个元素(按0开始编号,如图所示)
对于具有n个节点的完全二叉树，如果按照从上至下和从左至右的顺序对所有节点序号从0开始顺序编号，则对于序号为i(0<=i< n)的节点有：
如果i>0，则序号为i节点的双亲节点的序号为(i-1)/2(/为整除)；如果i=0，则序号为i节点为根节点，无双亲节点 如果2i+1<n,则序号为i节点的左孩子节点的序号为2i+1；
如果2i+1>=n,则序号为i节点无左孩子 如果2i+2<n,则序号为i节点的右孩子节点的序号为2i+2;如果2i+2>=n，则序号为i节点无右孩子
package com.hanwl.leetcode; import java.util.ArrayDeque; import java.util.ArrayList; import java.util.List; import java.util.Stack; /** * @Author hanwl * @Date 2021-03-26 10:36 * @Version 1.0 一般拿到的数据是一个int型的数组，那怎么将这个数组变成我们可以直接操作的树结构呢？ 1、数组元素变Node类型节点 2、给N/2-1个节点设置子节点 3、给最后一个节点设置子节点【有可能只有左节点】 */ public class TreeNode { public static void main(String[] args) { int[] array = {1, 2, 3, 4, 5, 6, 7}; List<Node> list = new ArrayList<>(); TreeNode treeNode = new TreeNode(); treeNode.create(array,list); // nodeList中第0个索引处的值即为根节点 Node root = list.get(0); System.out.println("先序遍历："); preOrderTraverse(root); System.out.println(); System.out.println("中序遍历："); inOrderTraverse(root); System.out.println(); System.out.println("后序遍历："); postOrderTraverse(root); System.out.println(); System.out.println("非递归先序遍历："); preOrderTraversalbyLoop(root); System.out.println(); System.out.println("非递归中序遍历："); inOrderTraversalbyLoop(root); System.out.println(); System.out.println("非递归后序遍历："); postOrderTraversalbyLoop(root); System.out.println(); System.out.println("广度优先遍历："); levelOrderTraversal(root); System.out.println(); System.out.println("深度优先遍历："); depthTraversal(root); } //创建二叉树 public void create(int[] datas, List<Node> list){ // 将数组里面的东西变成节点的形式 for(int i=0;i<datas.length;i++) { Node node=new Node(datas[i]); list.add(node); } // 节点关联成树 for(int index=0;index<list.size()/2-1;index++){ //编号为n的节点他的左子节点编号为2*n 右子节点编号为2*n+1 但是因为list从0开始编号，所以还要+1 list.get(index).setLeft(list.get(index*2+1)); //与上同理 list.get(index).setRight(list.get(index*2+2)); } // 最后一个父节点，因为最后一个父节点可能没有右孩子，所以单独拿出来处理 避免单孩子情况 int lastParentIndex=list.size()/2-1; list.get(lastParentIndex).setLeft(list.get(lastParentIndex*2+1)); if (list.size()%2==1) { // 如果有奇数个节点，最后一个父节点才有右子节点 list.get(lastParentIndex).setRight(list.get(lastParentIndex*2+2)); } } /** * 先序遍历 * * 这三种不同的遍历结构都是一样的，只是先后顺序不一样而已 * * @param node * 遍历的节点 */ public static void preOrderTraverse(Node node) { if (node == null) return; System.out.print(node.getValue() + " "); preOrderTraverse(node.getLeft()); preOrderTraverse(node.getRight()); } /** * 中序遍历 * * 这三种不同的遍历结构都是一样的，只是先后顺序不一样而已 * * @param node * 遍历的节点 */ public static void inOrderTraverse(Node node) { if (node == null) return; inOrderTraverse(node.getLeft()); System.out.print(node.getValue() + " "); inOrderTraverse(node.getRight()); } /** * 后序遍历 * * 这三种不同的遍历结构都是一样的，只是先后顺序不一样而已 * * @param node * 遍历的节点 */ public static void postOrderTraverse(Node node) { if (node == null) return; postOrderTraverse(node.getLeft()); postOrderTraverse(node.getRight()); System.out.print(node.getValue() + " "); } /** * 非递归前序遍历 * 基本的原理就是当循环中的p不为空时，就读取p的值，并不断更新p为其左子节点，即不断读取左子节点， * 直到一个枝节到达最后的子节点，再继续返回上一层进行取值 * * 我这里使用了栈这个数据结构，用来保存不到遍历过但是没有遍历完全的父节点,之后再进行回滚。 * */ public static void preOrderTraversalbyLoop(Node node){ Stack<Node> stack = new Stack(); Node p = node; while(p!=null || !stack.isEmpty()){ while(p!=null){ //当p不为空时，就读取p的值，并不断更新p为其左子节点，即不断读取左子节点 System.out.print(p.getValue()+" "); stack.push(p); //将p入栈 p = p.getLeft(); } if(!stack.isEmpty()){ p = stack.pop(); p = p.getRight(); } } } /** *非递归中序遍历 * 基本原理就是当循环中的p不为空时，就读取p的值，并不断更新p为其左子节点，但是切记这个时候不能进行输出，必须不断读取左子节点， * 直到一个枝节到达最后的子节点，然后每次从栈中拿出一个元素，就进行输出，再继续返回上一层进行取值 * */ public static void inOrderTraversalbyLoop(Node node){ Stack<Node> stack = new Stack(); Node p = node; while(p!=null || !stack.isEmpty()){ while(p!=null){ stack.push(p); p = p.getLeft(); } if(!stack.isEmpty()){ p = stack.pop(); System.out.print(p.getValue()+" "); p = p.getRight(); } } } /** * 非递归后序遍历 * */ public static void postOrderTraversalbyLoop(Node node){ Stack<Node> stack = new Stack<Node>(); Node p = node, prev = node; while(p!=null || !stack.isEmpty()){ while(p!=null){ stack.push(p); p = p.getLeft(); } if(!stack.isEmpty()){ Node temp = stack.peek().getRight(); //只是拿出来栈顶这个值，并没有进行删除 if(temp == null||temp == prev){ //节点没有右子节点或者到达根节点【考虑到最后一种情况】 p = stack.pop(); System.out.print(p.getValue()+" "); prev = p; p = null; } else{ p = temp; } } } } // 广度优先遍历 参数node为根节点 public static void levelOrderTraversal(Node node){ if(node==null){ System.out.print("empty tree"); return; } ArrayDeque<Node> deque = new ArrayDeque<Node>(); deque.add(node); while(!deque.isEmpty()){ Node rnode = deque.remove(); System.out.print(rnode.getValue()+" "); if(rnode.getLeft()!=null){ deque.add(rnode.getLeft()); } if(rnode.getRight()!=null){ deque.add(rnode.getRight()); } } } // 深度优先遍历 参数node为根节点 public static void depthTraversal(Node node){ if(node==null){ System.out.print("empty tree"); return; } Stack<Node> stack = new Stack<Node>(); stack.push(node); while(!stack.isEmpty()){ Node rnode = stack.pop(); System.out.print(rnode.getValue()+" "); if(rnode.getLeft()!=null){ stack.add(rnode.getLeft()); } if(rnode.getRight()!=null){ stack.add(rnode.getRight()); } } } }
3.深度优先和广度优先遍历详细步骤
深度优先遍历：
深度优先遍历（Depth First Search），简称DFS，其原则是，沿着一条路径一直找到最深的那个节点，当没有子节点的时候，返回上一级节点，寻找其另外的子节点，继续向下遍历，没有就向上返回一级，直到所有的节点都被遍历到，每个节点只能访问一次。
上图中的深度优先遍历结果是 {1，2，4，8，9，5，10，3，6，7 }，遍历过程是首先访问1，然后是1的左节点2，然后是2的左节点4，再是4的左节点8，8没有子节点了，返回遍历8的父节点的4的另一个子节点9，9没有节点，再向上返回。（注意：这里的返回上一次并不会去重新遍历一遍）。
在算法实现的过程中，我们采用了栈（Stack）这种数据结构，它的特点是，最先压入栈的数据最后取出。
算法步骤：
1、首先将根节点1压入栈中【1】
2、将1节点弹出，找到1的两个子节点3，2，首先压入3节点，再压入2节点（后压入左节点的话，会先取出左节点，这样就保证了先遍历左节点），2节点再栈的顶部，最先出来【2，3】
3、弹出2节点，将2节点的两个子节点5，4压入【4，5，3】
4、弹出4节点，将4的子节点9，8压入【8，9，5，3】
5，弹出8，8没有子节点，不压入【9，5，3】
6、弹出9，9没有子节点，不压入【5，3】
7、弹出5，5有一个节点，压入10，【10，3】
8、弹出10，10没有节点，不压入【3】
9、弹出3，压入3的子节点7，6【6，7】
10，弹出6，没有子节点【7】
11、弹出7，没有子节点，栈为空【】，算法结束
我们来看一看节点的出栈顺序【1，2，4，8，9，5，10，3，6，7】，刚好就是我们深度遍历的顺序。下面看Java代码
/** * 二叉树的深度优先遍历 * @param root * @return */ public List<Integer> dfs(Node root){ Stack<Node> stack=new Stack<Node>(); List<Integer> list=new LinkedList<Integer>(); if(root==null) return list; //压入根节点 stack.push(root); //然后就循环取出和压入节点，直到栈为空，结束循环 while (!stack.isEmpty()){ Node t=stack.pop(); if(t.getRight()!=null) stack.push(t.getRight()); if(t.getLeft()!=null) stack.push(t.getLeft()); list.add(t.getValue()); } return list; }
广度优先遍历：
广度优先遍历（Breadth First Search），简称BFS；广度优先遍历的原则就是对每一层的节点依次访问，一层访问结束后，进入下一层，直到最后一个节点，同样的，每个节点都只访问一次。
上图中，广度优先遍历的结果是【1，2，3，4，5，6，7，8，9，10】，遍历顺序就是从上到下，从左到右。
在算法实现过程中，我们使用的队列（Queue）这种数据结构，这种结构的特点是先进先出，在java中Queue是一个借口，而LinkedList实现了这个接口的所有功能。
算法过程：
1、节点1，插入队列【1】
2、取出节点1，插入1的子节点2，3 ，节点2在队列的前端【2，3】
3、取出节点2，插入2的子节点4，5，节点3在队列的最前端【3，4，5】
4、取出节点3，插入3的子节点6，7，节点4在队列的最前端【4，5，6，7】
5、取出节点4，插入3的子节点8，9，节点5在队列的最前端【5，6，7，8，9】
6、取出节点5，插入5的子节点10，节点6在队列的最前端【6，7，8，9，10】
7、取出节点6，没有子节点，不插入，节点7在队列的最前端【7，8，9，10】
8、取出节点7，没有子节点，不插入，节点8在队列的最前端【8，9，10】
9、取出节点8，没有子节点，不插入，节点9在队列的最前端【9，10】
10、取出节点9，没有子节点，不插入，节点10在队列的最前端【10】
11、取出节点10，队列为空，算法结束
我们看一下节点出队的顺序【1，2，3，4，5，6，7，8，9，10】，就是广度优先遍历的顺序，下面看java代码
/** * 二叉树的广度优先遍历 * @param root * @return */ public List<Integer> bfs(Node root) { Queue<Node> queue = new LinkedList<Node>(); List<Integer> list=new LinkedList<Integer>(); if(root==null) return list; queue.add(root); while (!queue.isEmpty()){ Node t=queue.remove(); if(t.getLeft()!=null) queue.add(t.getLeft()); if(t.getRight()!=null) queue.add(t.getRight()); list.add(t.getValue()); } return list; }
参考地址：
https://blog.csdn.net/weixin_42636552/article/details/82973190
https://blog.csdn.net/XTAOTWO/article/details/83625586