二叉树分解三大模式：路径、子树与层次分解详解

1. 二叉树分解问题概述

二叉树分解是算法与数据结构领域的经典问题类型，它要求将给定的二叉树按照特定规则拆解为若干子结构或序列。这类问题在编译器设计、数据库索引优化、图像处理等领域都有广泛应用。比如在编译器语法分析阶段，需要将表达式语法树分解为更小的可执行单元；在数据库领域，B+树的动态平衡过程也涉及类似的子树拆分与合并操作。

我处理这类问题已有七年经验，发现90%的二叉树分解问题都可归纳为三种核心模式：路径分解、子树分解和层次分解。掌握这些模式后，配合适当的递归或迭代策略，能系统性地解决LeetCode中90%以上的二叉树相关题目（如112.路径总和、437.路径总和III、199.二叉树的右视图等）。

2. 核心分解模式解析

2.1 路径分解模式

路径分解要求找出所有从根节点到叶节点的路径中满足特定条件的路径。以LeetCode 113题为例，需要找出所有路径和等于目标值的路径。这类问题的通用解法框架如下：

python复制def path_decomposition(root, target):
    result = []
    
    def dfs(node, current_path, remaining):
        if not node:
            return
        
        current_path.append(node.val)
        remaining -= node.val
        
        if not node.left and not node.right and remaining == 0:
            result.append(list(current_path))
        
        dfs(node.left, current_path, remaining)
        dfs(node.right, current_path, remaining)
        
        current_path.pop()  # 关键回溯步骤
    
    dfs(root, [], target)
    return result

关键点说明：

1. 使用深度优先搜索(DFS)遍历所有路径
2. 维护current_path记录当前路径节点
3. 到达叶节点时检查条件（如remaining==0）
4. 必须进行路径回溯（current_path.pop()）

注意事项：在Python中直接传递列表会导致引用传递，必须使用list(current_path)创建副本或及时回溯，否则结果集会包含所有路径节点。

2.2 子树分解模式

子树分解需要识别满足特定条件的子树结构。例如统计所有节点值之和在给定范围内的子树数量（LeetCode 1373）。典型解法采用后序遍历：

python复制def subtree_decomposition(root, low, high):
    count = 0
    
    def traverse(node):
        nonlocal count
        if not node:
            return 0, True  # (sum, isBST)
        
        left_sum, left_valid = traverse(node.left)