你渴望知道[二叉树]吗？

当我们真正热爱这世界时，我们才真正生活在这世上。 ——泰戈尔

---

1、二叉搜索树介绍

又被称为二叉排序树,是一种特殊的二叉树，有着这几个典型的特点。
1、若左子树不为空，则左子树上的所有节点的值小于根节点的值
2、若右子树不为空，则右子树上的所有节点的值大于根节点的值
3、左右子树分别也都是二叉搜索树

简单的判断：

Tip:不能存在多个相同数值的节点，这种情况下，应该使用multi个二叉树。

2、二叉树搜索树的优点

在学完二叉树之后，我们能够掌握二叉树的一些基本操作，比如说层序遍历，寻找特定值的节点啊，判断层数啊等等之类的问题，这些操作由于二叉树的特定性质，能够帮助我们利用这种数据结构，来实现一些操作的性能的提升，这就不得不说利用二叉搜索树优化寻找特定数值，能够将时间通过2的指数次方来节约。大大提升了时间效率。
当然，最好的的情况还是在处理一个完全二叉树的时候(或者是接近的时候),能够更明显的体会到时间性能的提升。
换句话说，如果在14亿人口里面找一个特定的人，如果在实现了二叉搜索树的情况下(尽量满足完全二叉树)，也只需要20几次就够了。

可是即使是这样，也难免会出现特殊情况。

3、二叉搜索树的缺点

由于数据的多变性质，难免会有几个有着“反骨的”数据组

就像这组数据，要是想找到1在哪，就得一直遍历到最后一层。单只二叉搜索树的性能就会失去，难以进行性能的提升。

4、二叉搜索树的应用

其实二叉搜索树我在学的时候没怎么意识到，这一个二叉搜索树能够帮助我们什么。但是在了解了，两个模型之后，这也是能够在实际应用中使用到的东西。
K模型： 只有一个key作为关键码，那么一个关键能够干什么呢？那当然是检查单词，或者拼音的正确性咯.如果一个单词，不能在词典中找到相对应的key值，那就是说明这个单词是错的。

那不禁会想问，这么多的单词，难道不会查得很慢吗。 其实不用担心。就像上面举的例子一样，14亿那么大的数字，也只需要访问20多次，对于这么些单词，那肯定也是更不在话下了。
KV模型： 每一个key关键码，都会有一个value值相对应，即<key,value> 。这也有相当的应用范围，就比如说是，翻译字典。一个中文能够相当于是翻译成为另一个英文，找到相应的中文，也就能够找到相应的英文，当然了，想要实现一词多义，就要根据multiset类似的关键词。
其中<key，value>就是一种键值对。

5、二叉搜索树的实现

template<class K>
	//struct BinarySearchTreeNode
	struct BSTreeNode
	{
		BSTreeNode<K>* _left;
		BSTreeNode<K>* _right;
		K _key;

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

	template<class K>
	class BSTree
	{
		typedef BSTreeNode<K> Node;
	public:
		bool Insert(const K& key)
		{
			if (_root == nullptr)
			{
				_root = new Node(key);
				return true;
			}

			Node* parent = nullptr;
			Node* cur = _root;
			while (cur)
			{
				if (cur->_key < key)
				{
					parent = cur;
					cur = cur->_right;
				}
				else if (cur->_key > key)
				{
					parent = cur;
					cur = cur->_left;
				}
				else
				{
					return false;
				}
			}

			cur = new Node(key);
			if (parent->_key < key)
			{
				parent->_right = cur;
			}
			else
			{
				parent->_left = cur;
			}

			return true;
		}

		bool Find(const K& key)
		{
			Node* cur = _root;
			while (cur)
			{
				if (cur->_key < key)
				{
					cur = cur->_right;
				}
				else if (cur->_key > key)
				{
					cur = cur->_left;
				}
				else
				{
					return true;
				}
			}

			return false;
		}

		bool Erase(const K& key)
		{
			Node* parent = nullptr;
			Node* cur = _root;
			while (cur)
			{
				if (cur->_key < key)
				{
					parent = cur;
					cur = cur->_right;
				}
				else if (cur->_key > key)
				{
					parent = cur;
					cur = cur->_left;
				}
				else
				{
					// 删除
					// 左为空，父亲指向我的右
					if (cur->_left == nullptr)
					{
						//if(parent == nullptr)
						if (cur == _root)
						{
							_root = cur->_right;
						}
						else
						{
							if (cur == parent->_left)
							{
								parent->_left = cur->_right;
							}
							else
							{
								parent->_right = cur->_right;
							}
						}

						delete cur;
					}
					else if (cur->_right == nullptr)
					{
						//if(parent == nullptr)
						if (cur == _root)
						{
							_root = cur->_left;
						}
						else
						{
							// 右为空，父亲指向我的左
							if (cur == parent->_left)
							{
								parent->_left = cur->_left;
							}
							else
							{
								parent->_right = cur->_left;
							}
						}

						delete cur;
					}
					else
					{
						// 左右都不为空，替换法删除
						// 
						// 查找右子树的最左节点替代删除
						Node* rightMinParent = cur;
						Node* rightMin = cur->_right;
						while (rightMin->_left)
						{
							rightMinParent = rightMin;
							rightMin = rightMin->_left;
						}

						swap(cur->_key, rightMin->_key);

						if (rightMinParent->_left == rightMin)
							rightMinParent->_left = rightMin->_right;
						else
							rightMinParent->_right = rightMin->_right;

						delete rightMin;
					}

					return true;
				}
			}

			return false;
		}

		void InOrder()
		{
			_InOrder(_root);
			cout << endl;
		}
	private:
		void _InOrder(Node* root)
		{
			if (root == nullptr)
			{
				return;
			}

			_InOrder(root->_left);
			cout << root->_key << " ";
			_InOrder(root->_right);
		}
	private:
		Node* _root = nullptr;
	};

在其中想要删除一个节点是困难的，因为有多种情况，并且还有一个节点左右子树都存在的情况是最难处理的。