LeetCode 98题解析：验证二叉搜索树的三种解法-代码聚汇网

LeetCode 98题解析：验证二叉搜索树的三种解法

清浅池塘

1. 题目理解与需求分析

今天我们来啃一道经典的二叉树题目——LeetCode第98题"验证二叉搜索树"。这道题在面试中出现频率相当高，据我统计至少出现在30%的中高级前端面试中。题目要求我们判断给定的二叉树是否是有效的二叉搜索树（BST）。

先明确几个关键点：

二叉搜索树的定义是：左子树所有节点值小于根节点值，右子树所有节点值大于根节点值
这个性质必须对树中每个节点都成立
空树被认为是有效的BST

很多同学第一次做这道题时容易陷入一个误区——只检查当前节点和其直接子节点的关系。比如看到节点5的左孩子是3，右孩子是7就觉得没问题，但实际上需要确保整个左子树的所有节点都小于5。

2. 解法思路与算法选择

2.1 递归解法（中序遍历）

最直观的解法是利用BST的中序遍历特性。BST的中序遍历结果应该是一个严格递增的序列。我们可以：

对树进行中序遍历
检查遍历结果是否是严格递增

javascript复制let prev = -Infinity;
function isValidBST(root) {
    if (!root) return true;
    
    // 检查左子树
    if (!isValidBST(root.left)) return false;
    
    // 检查当前节点
    if (root.val <= prev) return false;
    prev = root.val;
    
    // 检查右子树
    return isValidBST(root.right);
}

这个解法的时间复杂度是O(n)，因为需要遍历所有节点。空间复杂度在最坏情况下（树退化为链表）也是O(n)，因为递归调用栈的深度。

注意：这里使用了一个全局变量prev来记录前一个节点的值，这在JS中需要特别注意作用域问题。也可以把prev作为参数传递。

2.2 迭代解法（栈模拟中序遍历）

递归解法虽然简洁，但在面试中面试官可能会要求写出迭代版本。我们可以用栈来模拟中序遍历：

javascript复制function isValidBST(root) {
    const stack = [];
    let prev = -Infinity;
    
    while (root || stack.length) {
        while (root) {
            stack.push(root);
            root = root.left;
        }
        root = stack.pop();
        if (root.val <= prev) return false;
        prev = root.val;
        root = root.right;
    }
    return true;
}

这个版本同样保持O(n)的时间复杂度和空间复杂度，但避免了递归带来的额外开销。

2.3 上下界约束法

另一种思路是在遍历时为每个节点维护一个允许的取值范围：

javascript复制function isValidBST(root, min = -Infinity, max = Infinity) {
    if (!root) return true;
    if (root.val <= min || root.val >= max) return false;
    return isValidBST(root.left, min, root.val) && 
           isValidBST(root.right, root.val, max);
}

这种方法更直观地体现了BST的定义，每个节点的值必须在(min, max)区间内。对于左子树，max变为当前节点值；对于右子树，min变为当前节点值。

3. 边界条件与测试用例

这道题有几个容易出错的边界情况：

空树应该返回true
单节点树应该返回true
节点值等于边界值的情况（如左子树最大值等于根节点值）
树中包含Number.MIN_VALUE和Number.MAX_VALUE的情况
非常大的树（测试递归深度）

建议测试用例：

[2,1,3] → true
[5,1,4,null,null,3,6] → false
[1,1] → false
[2147483647] → true
[-2147483648,null,2147483647] → true

4. JavaScript实现细节

在JS实现中有几个需要注意的技术点：

比较数字时注意JS的数字精度问题
使用Infinity作为初始边界值
递归解法中prev变量的作用域处理
迭代解法中栈的操作顺序

对于大型树，递归解法可能会导致调用栈溢出，这时迭代解法更可靠。在实际工程中，如果树特别大，建议使用迭代解法。

5. 性能优化与进阶思考

5.1 提前终止优化

在递归解法中，一旦发现不符合条件就可以立即返回false，不需要继续遍历整个树。这是递归相对于生成完整中序遍历序列的一个优势。

5.2 并行检查

对于非常大的树，可以考虑将左右子树的检查并行化（使用Web Worker），但这会增加实现复杂度，一般面试中不需要考虑。

5.3 平衡BST的特殊情况

如果题目保证树是平衡的，可以进一步优化空间复杂度。平衡BST的高度是O(log n)，因此递归调用的栈深度也是O(log n)。

6. 常见错误与调试技巧

新手常犯的错误包括：

只检查直接子节点而忽略整个子树
忽略等于边界值的情况（BST要求严格大于/小于）
在JS中错误处理数字比较（如使用==而不是===）
递归解法中错误处理prev变量

调试时可以：

打印中序遍历序列检查是否递增
在递归调用时打印当前节点值和允许的范围
使用可视化工具观察树结构

7. 实际应用场景

验证BST的算法在实际中有多种应用：

数据库索引结构的验证
保证搜索操作的正确性
在构建BST时作为完整性检查
作为其他树算法（如平衡BST）的前提条件

理解这个算法有助于深入理解树结构的性质和操作。