前言
前两篇文章二叉树和二叉搜索树中已经涉及到了二叉树的三种遍历。递归写法，仅仅要理解思想，几行代码。但是非递归写法却非常不easy。这里特地总结下，透彻解析它们的非递归写法。当中。中序遍历的非递归写法最简单，后序遍历最难。我们的讨论基础是这种：
//Binary Tree Node
typedef struct node
{
int data;
struct node* lchild; //左孩子
struct node* rchild; //右孩子
}BTNode;
首先。有一点是明白的：非递归写法一定会用到栈，这个应该不用太多的解释。我们先看中序遍历：
中序遍历
分析
中序遍历的递归定义：先左子树。后根节点，再右子树。怎样写非递归代码呢？一句话：让代码跟着思维走。我们的思维是什么？思维就是中序遍历的路径。如果，你面前有一棵二叉树，现要求你写出它的中序遍历序列。
如果你对中序遍历理解透彻的话，你肯定先找到左子树的最下边的节点。
那么以下的代码就是理所当然的：
中序代码段(i)
BTNode* p = root; //p指向树根
stack<BTNode*> s; //STL中的栈
//一直遍历到左子树最下边，边遍历边保存根节点到栈中
while (p)
{
s.push(p);
p = p->lchild;
}保存一路走过的根节点的理由是：中序遍历的须要。遍历完左子树后，须要借助根节点进入右子树。代码走到这里，指针p为空，此时无非两种情况：
说明：
- 上图中仅仅给出了必要的节点和边，其他的边和节点与讨论无关，不必画出。
- 你可能觉得图a中近期保存节点算不得是根节点。假设你看过树、二叉树基础，使用扩充二叉树的概念，就能够解释。
总之，不用纠结这个没有意义问题。
- 整个二叉树仅仅有一个根节点的情况能够划到图a。
细致想想，二叉树的左子树，最下边是不是上图两种情况？无论如何，此时都要出栈。并訪问该节点。这个节点就是中序序列的第一个节点。
依据我们的思维，代码应该是这样：
p = s.top(); s.pop(); cout << p->data;
我们的思维接着走，两图情形不同得差别对待：
1.图a中訪问的是一个左孩子。按中序遍历顺序，接下来应訪问它的根节点。也就是图a中的还有一个节点。高兴的是它已被保存在栈中。我们仅仅需这种代码和上一步一样的代码：
p = s.top(); s.pop(); cout << p->data;
左孩子和根都訪问完了。接着就是右孩子了，对吧。接下来仅仅需一句代码：p=p->rchild;在右子树中，又会新一轮的代码段(i)、代码段(ii)……直到栈空且p空。
2.再看图b。因为没有左孩子，根节点就是中序序列中第一个，然后直接是进入右子树：p=p->rchild;在右子树中。又会新一轮的代码段(i)、代码段(ii)……直到栈空且p空。
思维到这里，似乎非常不清晰，真的要区分吗？依据图a接下来的代码段(ii)这种：
p = s.top(); s.pop(); cout << p->data; p = s.top(); s.pop(); cout << p->data; p = p->rchild;
依据图b。代码段(ii)又是这种：
p = s.top(); s.pop(); cout << p->data; p = p->rchild;
我们可小结下：遍历过程是个循环。而且按代码段(i)、代码段(ii)构成一次循环体。循环直到栈空且p空为止。
不同的处理方法非常让人抓狂，可统一处理吗？真的是能够的！回想扩充二叉树，是不是每一个节点都能够看成是根节点呢？那么，代码仅仅需统一写成图b的这种形式。
也就是说代码段(ii)统一是这种：
中序代码段(ii)
p = s.top(); s.pop(); cout << p->data; p = p->rchild;
口说无凭，得经的过理论检验。
图a的代码段(ii)也可写成图b的理由是：由于是叶子节点，p=-=p->rchild;之后p肯定为空。
为空，还需经过新一轮的代码段(i)吗？显然不需。
(由于不满足循环条件)那就直接进入代码段(ii)。看！
最后还是一样的吧。
还是连续出栈两次。
看到这里。要细致想想哦。相信你一定会明确的。
这时写出遍历循环体就不难了：
BTNode* p = root;
stack<BTNode*> s;
while (!s.empty() || p)
{
//代码段(i)一直遍历到左子树最下边，边遍历边保存根节点到栈中
while (p)
{
s.push(p);
p = p->lchild;
}
//代码段(ii)当p为空时，说明已经到达左子树最下边，这时须要出栈了
if (!s.empty())
{
p = s.top();
s.pop();
cout << setw(4) << p->data;
//进入右子树，開始新的一轮左子树遍历(这是递归的自我实现)
p = p->rchild;
}
}细致想想，上述代码是不是依据我们的思维走向而写出来的呢？再加上边界条件的检測，中序遍历非递归形式的完整代码是这种：
中序遍历代码一
//中序遍历
void InOrderWithoutRecursion1(BTNode* root)
{
//空树
if (root == NULL)
return;
//树非空
BTNode* p = root;
stack<BTNode*> s;
while (!s.empty() || p)
{
//一直遍历到左子树最下边，边遍历边保存根节点到栈中
while (p)
{
s.push(p);
p = p->lchild;
}
//当p为空时，说明已经到达左子树最下边，这时须要出栈了
if (!s.empty())
{
p = s.top();
s.pop();
cout << setw(4) << p->data;
//进入右子树，開始新的一轮左子树遍历(这是递归的自我实现)
p = p->rchild;
}
}
}恭喜你。你已经完毕了中序遍历非递归形式的代码了。回想一下难吗？
接下来的这份代码，本质上是一样的，相信不用我解释。你也能看懂的。
中序遍历代码二
//中序遍历
void InOrderWithoutRecursion2(BTNode* root)
{
//空树
if (root == NULL)
return;
//树非空
BTNode* p = root;
stack<BTNode*> s;
while (!s.empty() || p)
{
if (p)
{
s.push(p);
p = p->lchild;
}
else
{
p = s.top();
s.pop();
cout << setw(4) << p->data;
p = p->rchild;
}
}
}前序遍历
分析
前序遍历的递归定义：先根节点。后左子树，再右子树。
有了中序遍历的基础，不用我再像中序遍历那样引导了吧。
首先。我们遍历左子树，边遍历边打印，并把根节点存入栈中，以后需借助这些节点进入右子树开启新一轮的循环。还得反复一句：全部的节点都可看做是根节点。
依据思维走向，写出代码段(i):
前序代码段(i)
//边遍历边打印，并存入栈中，以后须要借助这些根节点(不要怀疑这样的说法哦)进入右子树
while (p)
{
cout << setw(4) << p->data;
s.push(p);
p = p->lchild;
}接下来就是：出栈，依据栈顶节点进入右子树。
前序代码段(ii)
//当p为空时，说明根和左子树都遍历完了，该进入右子树了
if (!s.empty())
{
p = s.top();
s.pop();
p = p->rchild;
}相同地。代码段(i)(ii)构成了一次完整的循环体。
至此。不难写出完整的前序遍历的非递归写法。
前序遍历代码一
void PreOrderWithoutRecursion1(BTNode* root)
{
if (root == NULL)
return;
BTNode* p = root;
stack<BTNode*> s;
while (!s.empty() || p)
{
//边遍历边打印。并存入栈中，以后须要借助这些根节点(不要怀疑这样的说法哦)进入右子树
while (p)
{
cout << setw(4) << p->data;
s.push(p);
p = p->lchild;
}
//当p为空时，说明根和左子树都遍历完了，该进入右子树了
if (!s.empty())
{
p = s.top();
s.pop();
p = p->rchild;
}
}
cout << endl;
}以下给出，本质是一样的还有一段代码：
前序遍历代码二
//前序遍历
void PreOrderWithoutRecursion2(BTNode* root)
{
if (root == NULL)
return;
BTNode* p = root;
stack<BTNode*> s;
while (!s.empty() || p)
{
if (p)
{
cout << setw(4) << p->data;
s.push(p);
p = p->lchild;
}
else
{
p = s.top();
s.pop();
p = p->rchild;
}
}
cout << endl;
}
前序遍历代码三
void PreOrderWithoutRecursion3(BTNode* root)
{
if (root == NULL)
return;
stack<BTNode*> s;
BTNode* p = root;
s.push(root);
while (!s.empty()) //循环结束条件与前两种不一样
{
//这句表明p在循环中总是非空的
cout << setw(4) << p->data;
/*
栈的特点：先进后出
先被訪问的根节点的右子树后被訪问
*/
if (p->rchild)
s.push(p->rchild);
if (p->lchild)
p = p->lchild;
else
{//左子树訪问完了。訪问右子树
p = s.top();
s.pop();
}
}
cout << endl;
}
最后进入最难的后序遍历：
后序遍历
分析
后序遍历递归定义：先左子树，后右子树，再根节点。后序遍历的难点在于：须要推断上次訪问的节点是位于左子树。还是右子树。若是位于左子树。则需跳过根节点。先进入右子树，再回头訪问根节点；若是位于右子树，则直接訪问根节点。直接看代码，代码中有具体的凝视。
后序遍历代码一
//后序遍历
void PostOrderWithoutRecursion(BTNode* root)
{
if (root == NULL)
return;
stack<BTNode*> s;
//pCur:当前訪问节点，pLastVisit:上次訪问节点
BTNode* pCur, *pLastVisit;
//pCur = root;
pCur = root;
pLastVisit = NULL;
//先把pCur移动到左子树最下边
while (pCur)
{
s.push(pCur);
pCur = pCur->lchild;
}
while (!s.empty())
{
//走到这里，pCur都是空，并已经遍历到左子树底端(看成扩充二叉树。则空，亦是某棵树的左孩子)
pCur = s.top();
s.pop();
//一个根节点被訪问的前提是：无右子树或右子树已被訪问过
if (pCur->rchild == NULL || pCur->rchild == pLastVisit)
{
cout << setw(4) << pCur->data;
//改动近期被訪问的节点
pLastVisit = pCur;
}
/*这里的else语句可换成带条件的else if:
else if (pCur->lchild == pLastVisit)//若左子树刚被訪问过，则需先进入右子树(根节点需再次入栈)
由于：上面的条件没通过就一定是以下的条件满足。细致想想！
*/
else
{
//根节点再次入栈
s.push(pCur);
//进入右子树。且可肯定右子树一定不为空
pCur = pCur->rchild;
while (pCur)
{
s.push(pCur);
pCur = pCur->lchild;
}
}
}
cout << endl;
}
以下给出还有一种思路下的代码。
它的想法是：给每一个节点附加一个标记(left,right)。假设该节点的左子树已被訪问过则置标记为left；若右子树被訪问过，则置标记为right。
显然，仅仅有当节点的标记位是right时，才可訪问该节点；否则，必须先进入它的右子树。
具体细节看代码中的凝视。
后序遍历代码二
//定义枚举类型：Tag
enum Tag{left,right};
//自己定义新的类型。把二叉树节点和标记封装在一起
typedef struct
{
BTNode* node;
Tag tag;
}TagNode;
//后序遍历
void PostOrderWithoutRecursion2(BTNode* root)
{
if (root == NULL)
return;
stack<TagNode> s;
TagNode tagnode;
BTNode* p = root;
while (!s.empty() || p)
{
while (p)
{
tagnode.node = p;
//该节点的左子树被訪问过
tagnode.tag = Tag::left;
s.push(tagnode);
p = p->lchild;
}
tagnode = s.top();
s.pop();
//左子树被訪问过。则还需进入右子树
if (tagnode.tag == Tag::left)
{
//置换标记
tagnode.tag = Tag::right;
//再次入栈
s.push(tagnode);
p = tagnode.node;
//进入右子树
p = p->rchild;
}
else//右子树已被訪问过，则可訪问当前节点
{
cout << setw(4) << (tagnode.node)->data;
//置空。再次出栈(这一步是理解的难点)
p = NULL;
}
}
cout << endl;
}<span style="font-family: 'Courier New'; "> </span>总结
思维和代码之间总是有巨大的鸿沟。
一般是思维正确，清楚，但却不易写出正确的代码。
要想越过这鸿沟，仅仅有多尝试、多借鉴，别无它法。
下面几点是理解上述代码的关键：
- 全部的节点都可看做是父节点(叶子节点可看做是两个孩子为空的父节点)。
- 把同一算法的代码对照着看。
在差异中往往可看到算法的本质。
- 依据自己的理解，尝试改动代码。
写出自己理解下的代码。
写成了。那就是真的掌握了。
专栏文件夹：
版权声明：本文博客原创文章，转载，转载请注明出处。