二叉树序言、为了、经过非递归措辞预订透彻的分析

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：

1. 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。
2. 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。
   

3. 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;
}

在二叉树中使用的是这种写法，略有区别，本质上也是一样的：

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：

1. 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)。
2. 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。

3. 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。

转载请注明出处，本文地址：http://blog.csdn.net/zhangxiangdavaid/article/details/37115355

专栏文件夹：

• 数据结构与算法文件夹
• c指针

版权声明：本文博客原创文章，转载，转载请注明出处。