树结构遍历：从递归到迭代的算法实践

1. 树结构基础与遍历核心价值

树是计算机科学中最基础也最重要的非线性数据结构之一。在GESP六级考试中，树的遍历不仅是必考知识点，更是理解递归思想、培养算法思维的关键突破口。实际开发中，DOM树操作、文件系统导航、数据库索引构建都依赖树遍历技术。

我第一次接触树遍历时，被其精妙的递归逻辑所震撼。不同于线性结构的简单迭代，树的每个节点都可能成为新的"起点"，这种自相似特性正是递归算法的天然应用场景。掌握树的遍历，就等于拿到了打开递归世界大门的钥匙。

2. 深度优先遍历(DFS)全解析

2.1 递归实现三剑客

前序遍历的递归模板堪称经典：

python复制def preorder(root):
    if not root:
        return
    print(root.val)        # 操作当前节点
    preorder(root.left)    # 递归左子树
    preorder(root.right)   # 递归右子树

中序遍历在二叉搜索树中有特殊应用，能得到有序序列：

python复制def inorder(root):
    if not root:
        return
    inorder(root.left)
    print(root.val)       # 操作时机在左右递归之间
    inorder(root.right)

后序遍历的典型场景是计算子树特征：

python复制def postorder(root):
    if not root:
        return
    postorder(root.left)
    postorder(root.right)
    print(root.val)       # 最后处理当前节点

关键记忆点：操作节点的位置决定遍历类型，前序=首行操作，中序=中间操作，后序=末尾操作

2.2 迭代实现技巧

递归虽优雅但存在栈溢出风险。前序遍历的迭代实现需要借助栈结构：

python复制def preorder_iter(root):
    stack = [root]
    while stack:
        node = stack.pop()
        if node:
            print(node.val)
            stack.append(node.right)  # 右子节点先入栈
            stack.append(node.left)   # 左子节点后入栈

中序遍历的迭代版本稍复杂，需要模拟递归调用栈：

python复制def inorder_iter(root):
    stack = []
    curr = root
    while curr or stack:
        while curr:          # 深入左子树
            stack.append(curr)
            curr = curr.left
        curr = stack.pop()
        print(curr.val)      # 操作时机
        curr = curr.right    # 转向右子树

3. 广度优先遍历(BFS)层序攻略

3.1 队列实现标准模板

层序遍历是典型的BFS应用，使用队列实现：

python复制from collections import deque

def level_order(root):
    if not root:
        return []
    queue = deque([root])
    while queue:
        node = queue.popleft()
        print(node.val)
        if node.left:
            queue.append(node.left)
        if node.right:
            queue.append(node.right)

3.2 层号记录技巧

需要区分不同层级时，可采用计数法：

python复制def level_order_with_level(root):
    if not root:
        return []
    queue = deque([root])
    while queue:
        level_size = len(queue)  # 当前层节点数
        for _ in range(level_size):
            node = queue.popleft()
            print(node.val)
            if node.left:
                queue.append(node.left)
            if node.right:
                queue.append(node.right)
        print("--- 层级分隔线 ---")  # 标记层结束

4. 综合应用与真题解析

4.1 遍历序列重构二叉树

已知前序+中序序列重建二叉树是经典考题：

python复制def build_tree(preorder, inorder):
    if not preorder:
        return None
    root_val = preorder[0]
    root = TreeNode(root_val)
    idx = inorder.index(root_val)
    root.left = build_tree(preorder[1:idx+1], inorder[:idx])
    root.right = build_tree(preorder[idx+1:], inorder[idx+1:])
    return root

4.2 最近公共祖先(LCA)问题

后序遍历在LCA问题中的妙用：

python复制def lowest_common_ancestor(root, p, q):
    if not root or root == p or root == q:
        return root
    left = lowest_common_ancestor(root.left, p, q)
    right = lowest_common_ancestor(root.right, p, q)
    if left and right:  # 当前节点是LCA
        return root
    return left or right  # 返回非空子树结果

5. 高频考点与避坑指南

5.1 易错点警示

• 递归终止条件缺失导致无限循环
• 混淆遍历类型时操作节点的位置
• 迭代实现时栈/队列的push顺序错误
• 处理空树时未做边界检查

5.2 复杂度分析要点

• 时间复杂度：O(n)（每个节点访问一次）
• 空间复杂度：
  • 递归：O(h)（h为树高，递归栈深度）
  • 迭代：O(n)（最坏情况存储所有节点）

5.3 应试技巧

1. 遇到树问题先明确遍历方式选择
2. 递归写法先写终止条件
3. 迭代实现注意辅助数据结构的选择
4. 画小规模树示例验证算法正确性

6. 拓展训练建议

1. 尝试用Morris遍历实现O(1)空间复杂度的中序遍历
2. 练习N叉树的遍历实现
3. 研究遍历在表达式树求值中的应用
4. 用遍历算法解决二叉树镜像、对称判断等问题

我在实际教学中发现，很多同学卡在"理解递归执行过程"这一关。建议用纸笔画出递归调用栈，跟踪程序执行流程。当你能在脑海中模拟出递归的完整展开过程时，树遍历就真正内化成了你的算法直觉。