【C++】全面解剖搜索二叉树（一整个拿捏住）

.

💕 C++专栏 ✔
👉 个人主页 👈

前言

本篇归属于C++专栏，具体讲解什么是二叉搜索树（搜索二叉树），如何简单实现它？

一、二叉搜索树概念

二叉搜索树又称二叉排序树，它或者是一棵空树或者是具有以下性质的二叉树:

1. 若它的左子树不为空，则左子树上所有节点的值都小于根节点的值
2. 若它的右子树不为空，则右子树上所有节点的值都大于根节点的值
3. 它的左右子树也分别为二叉搜索树

总的来说，搜索二叉树得满足左子树小于根结点的值右子树大于根结点的值

第一个不满足搜索二叉树的原则，结点10的左子树的值小于10是🆗的，但是右子树的值也小于10，如果要满足二叉搜索树就得大于10，所以第一棵树不是二叉搜索树，第二棵树是✔的，满足搜索二叉树原则

二、二叉搜索树的常见操作及其实现

以这组数据作为案例：int a[] = {8, 3, 1, 10, 6, 4, 7, 14, 13};
将上面数据按照二叉搜索树原则插入后的图形化结构

以下的所有操作的实现均按照K模型的二叉搜索树来讲解的

下面这个是二叉搜索树的结点类模板

template<class K>
struct TreeNode
{
	TreeNode<K>* _left;
	TreeNode<K>* _right;
	K _key;

	TreeNode(const K& key)
		:_left(nullptr)
		,_right(nullptr)
		,_key(key)
	{}
};

下面这个是二叉搜索树的类模板

template<class K>
class BSTree
{
	typedef BSTreeNode<K> Node;
public:
	bool Insert(const K& key);
	Node* Find(const K& key);
	bool Erase(const K& key);
	void _InOrder(Node* root);
	void InOrder();
private:
	Node* _root = nullptr;
};

1.二叉搜索树的查找

1.1 二叉搜索树的查找原则

a、从根开始比较，查找，比根大则往右边走查找，比根小则往左边走查找。
b、最多查找高度次，走到到空，还没找到，这个值不存在。

1.2 实现二叉搜索树的查找

//找到了返回该结点的指针，没找到返回nullptr
Node* find(const K& key)
{
	Node* cur = _root;//为root创建一个临时对象，以便循环遍历，避免更改root结点
	while (cur)
	{
		if (key < cur->_key)//如果 key(查找的值)<当前结点的值
		{
			cur = cur->_left;//就往该结点的左子树走
		}
		else if (key > cur->_key)//如果 key(查找的值)>当前结点的值
		{
			cur = cur->_right;//就往该结点的右子树走
		}
		else
		{
			return cur;//找到了返回该结点的指针
		}
	}
	return nullptr;//走到这说明没找到，返回nullptr
}

2.二叉搜索树的插入

2.1 二叉搜索树的插入原则

插入的具体过程如下：
a. 树为空，则直接新增节点，赋值给root指针
b. 树不空，按二叉搜索树性质查找插入位置，插入新节点

2.2 实现二叉搜索树的插入

在这颗搜索二叉树上再插入16这个结点，首先和根结点8比较，它比8大，所以往8的右子树走，遇到了10这个结点，但是16依旧是大的那个，所以它要往10结点的右子树走，同样的14也是如此，走到14的左子树发现为空，可以进行插入，于是就在这个位置插入了，下面我们实现一下这个插入思路

bool insert(const K& key)
{
	if (_root == nullptr)//如果根节点为空，则让插入的值为根
	{
		_root = new Node(key);
		return true;
	}
	Node* parent = nullptr;//为当前结点设一个父亲结点，以便后续的指向关系不混乱
	Node* cur = _root;
	while (cur)
	{
		if (key < cur->_key)
		{
			parent = cur;//每次都保存一下当前结点的父亲
			cur = cur->_left;
		}
		else if (key > cur->_key)
		{
			parent = cur;
			cur = cur->_right;
		}
		else
		{
			return false;//如果有相同的结点则不插入，返回false
		}
	}
	cur = new Node(key);//此时cur已经为空，插入当前位置即可
	if (key< parent->_key)//让cur的父亲和cur的值进行比较，确定cur在左还是右
		parent->_left = cur;
	else
		parent->_right = cur;
	return true;//走到这说明插入成功
}

3.二叉搜索树的删除

3.1 二叉搜索树的删除原则

首先查找元素是否在二叉搜索树中，如果不存在，则返回, 否则要删除的结点可能分下面四情况：
a. 要删除的结点无孩子结点
b. 要删除的结点只有左孩子结点
c. 要删除的结点只有右孩子结点
d. 要删除的结点有左、右孩子结点

看起来待删除节点有4中情况，实际情况a可以与情况b或者c合并起来，因此真正的删除过程如下：

可以合并的原因？
不管删除结点有一个左孩子还是右孩子，你都会让被删除结点的父亲指向它的孩子，如果你没孩子就是指向空，所以合并起来不影响什么

情况b：要删除的结点只有左孩子结点
删除该结点且使被删除节点的父结点指向被删除节点的左孩子结点

情况c：要删除的结点只有右孩子结点
删除该结点且使被删除节点的父结点指向被删除结点的右孩子结点

情况d：要删除的结点有左、右孩子结点
此时我们用替换法

讲替换法之前我们首先要知道搜索二叉搜的一个特性：，一棵搜索二叉树的最左结点最小，最右结点最大

替换法： 让删除结点的值和该结点的右子树的最小值进行替换，替换之后，就转化成了上面两种情况（这里你用左子树的最大值替换也可以，但一般用右子树的最小值）

3.2 实现二叉搜索树的删除

bool erase(const K& key)
{
	Node* parent = nullptr;
	Node* cur = _root;
	while (cur)
	{
		if (key < cur->_key)
		{
			parent = cur;
			cur = cur->_left;
		}
		else if (key > cur->_key)
		{
			parent = cur;
			cur = cur->_right;
		}
		else
		{
			//找到了开删
			//1. 删除结点只有一个左孩子
			if (cur->_right == nullptr)
			{
				//1-1.删除结点是它父亲的左孩子
				if (parent->_left == cur)
					parent->_left = cur->_left;
				else//1-2.删除结点是它父亲的右孩子
					parent->_right = cur->_left;
				delete cur;
			}
			//2. 删除结点只有一个右孩子
			else if (cur->_left == nullptr)
			{
				//2-1.删除结点是它父亲的左孩子
				if (parent->_left == cur)
					parent->_left = cur->_right;
				else//2-2.删除结点是它父亲的右孩子
					parent->_right = cur->_right;
				delete cur;
			}
			//2.删除结点有两个孩子--替换法
			else
			{
				//Node* RightMinParent = nullptr;这里切记不能赋值为空，当删除结点为根结点时，这里会出现空指针解引用的情况
				Node* RightMinParent = cur;
				Node* RightMin = cur->_right;
				while (RightMin->_left)//当RightMin的左为空时，RightMin就是最小的那个
				{
					RightMinParent = RightMin;
					RightMin = RightMin->_left;
				}
				swap(RightMin->_key, cur->_key);//交换被删除结点的值和被删除结点右子树的最小值
				if (RightMinParent->_left == RightMin)
				{
					RightMinParent->_left = RightMin->_right;
				}
				else
					RightMinParent->_right = RightMin->_right;
				delete RightMin;
			}
			return true;
		}
	}
	return false;
}

三、二叉搜索树的应用

K模型:K模型即只有key作为关键码，结构中只需要存储Key即可，关键码即为需要搜索到的值。
比如：给一个单词word，判断该单词是否拼写正确，具体方式如下：

• 以词库中所有单词集合中的每个单词作为key，构建一棵二叉搜索树
• 在二叉搜索树中检索该单词是否存在，存在则拼写正确，不存在则拼写错误。

KV模型：每一个关键码key，都有与之对应的值Value，即<Key, Value>的键值对。该种方式在现实生活中非常常见：

• 比如英汉词典就是英文与中文的对应关系，通过英文可以快速找到与其对应的中文，英文单词与其对应的中文<word,chinese>就构成一种键值对；
• 再比如统计单词次数，统计成功后，给定单词就可快速找到其出现的次数，单词与其出 现次数就是<word, count>就构成一种键值对。

四、二叉搜索树的性能分析

插入和删除操作都必须先查找，查找效率代表了二叉搜索树中各个操作的性能。

对有n个结点的二叉搜索树，若每个元素查找的概率相等，则二叉搜索树平均查找长度是结点在二叉搜索树的深度的函数，即结点越深，则比较次数越多。但对于同一个关键码集合，如果各关键码插入的次序不同，可能得到不同结构的二叉搜索树：

平均时间复杂度：O(log n) 删除操作包括找到要删除的节点、处理其子节点（如果有的话），以及可能的重新平衡操作（尽管标准的BST不需要严格平衡）。在最平衡的情况下，找到节点的路径长度是O(log n)。
最坏时间复杂度：O(n) 在最坏的情况下（如树退化为链表），每次删除都需要遍历整棵树，时间复杂度为线性级别。

问题：如果退化成单支树，二叉搜索树的性能就失去了。那能否进行改进，不论按照什么次序插入关键码，二叉搜索树的性能都能达到最优？我们后续讲到AVL树和红黑树就会解决这个问题

---

搜索二叉树就到这里，有问题的宝子可以留言评论哦，我会持续维护的👀