二叉树迭代遍历原理与实现详解

1. 二叉树迭代遍历的核心原理

在数据结构与算法领域，二叉树遍历是最基础也是最重要的操作之一。传统递归方法虽然简洁，但在实际工程应用中，迭代法往往具有更好的性能表现和更可控的内存使用。理解迭代遍历的核心在于把握两个关键点：栈的运用和遍历顺序的控制。

1.1 递归与迭代的本质区别

递归方法之所以能实现树形结构的遍历，本质上依赖于计算机系统的调用栈。每次递归调用时，系统都会将当前函数的局部变量、返回地址等信息压入调用栈。当递归返回时，再从栈顶弹出这些信息，恢复到上一层调用的状态。

这种隐式的栈操作带来了简洁的代码表达，但也存在明显缺陷：

• 栈深度受限于系统栈大小，对于深度很大的树可能导致栈溢出
• 函数调用的开销（参数传递、上下文保存等）影响性能
• 难以进行精细的控制和优化

迭代法通过显式地使用栈数据结构，完美解决了这些问题。我们可以精确控制栈中保存的内容，优化内存使用，并且避免了函数调用的额外开销。

1.2 栈在迭代遍历中的作用

栈（Stack）作为一种后进先出（LIFO）的数据结构，在树遍历中扮演着关键角色。它的核心功能是：

1. 保存待处理的节点
2. 记录遍历路径
3. 控制访问顺序

在前序遍历中，我们利用栈来保证节点的访问顺序是中→左→右。具体实现时，需要注意入栈顺序与遍历顺序的相反关系，这是理解迭代法的关键所在。

提示：理解"相反顺序入栈"原则是掌握迭代遍历的核心。前序遍历需要中左右访问，因此入栈顺序应为中→右→左。

2. 前序遍历的迭代实现

2.1 标准实现解析

前序遍历（Pre-order Traversal）的顺序是：根节点→左子树→右子树。迭代实现的核心思路是：

1. 将根节点压入栈
2. 循环执行以下操作直到栈为空：
   a. 弹出栈顶节点并访问
   b. 将该节点的右子节点压入栈（如果存在）
   c. 将该节点的左子节点压入栈（如果存在）

Python实现代码：

python复制def preorderTraversal(root):
    if not root:
        return []
    
    stack, result = [root], []
    while stack:
        node = stack.pop()
        result.append(node.val)
        # 注意右子节点先入栈
        if node.right:
            stack.append(node.right)
        if node.left:
            stack.append(node.left)
    return result

这个实现的关键点在于：

• 使用一个显式的栈来替代递归的系统调用栈
• 严格按照"中→右→左"的顺序压入子节点，保证弹出时是"中→左→右"
• 时间复杂度O(n)，空间复杂度O(h)（h为树的高度）

2.2 不同语言的实现差异

虽然算法逻辑相同，但不同编程语言的实现会有些许差异：

C语言实现特点：

• 需要手动管理内存（malloc/free）
• 使用数组模拟栈，需预先分配足够空间
• 指针操作需要格外小心

c复制int* preorderTraversal(struct TreeNode* root, int* returnS