目录
前言
- 树作为一种重要的数据结构,在面试和笔试中都占有一席之地。而二叉树则是树中最重要的一份子了,看似简单:不就是一个结点两个左右孩子吗,无限套娃吗!
- 实则不然,什么二叉树的镜像,亦或者序列化二叉树,都是复杂烧脑的问题,作为菜鸟的我瑟瑟发抖。
- 但是笨鸟先飞,勤能补拙!今天讲讲如何根据某二叉树的前序和中序遍历结果重建二叉树。
实现思路
众所周知,二叉树有前序遍历、中序遍历、后序遍历和层序遍历等四种遍历方式,其中前序遍历又称深度优先遍历(DFS),而层序遍历又称广度优先遍历(BFS)。那么如果给出某两种遍历方式,是否可以重建该二叉树?
答案是,可以!但是这两种遍历方式必须包括中序遍历。因为要想还原二叉树,首先需要知道根节点,而后需要划分左右子树。而中序遍历以左孩子 - 根结点 - 右孩子
的方式遍历二叉树,所以我们只要知道了根节点就能够划分左右子树。而先序遍历、后序遍历、层序遍历都能够轻松地知道根节点,所以两个搭配即可还原二叉树。
下面以前序遍历+中序遍历
为例介绍如何重建二叉树:
- 对上图进行前序遍历:
1->2->4->3->5->6
,记为string strPre = "124356";
。 - 对上图进行中序遍历:
4->2->1->5->3->6
,记为string strIn = "421536";
。
记录下先序遍历和中序遍历后,按以下几个步骤求解:
- 从先序遍历我们了解到第一个根节点是1,而后我们在中序遍历中找到1所在的位置(注意,这里默认各元素值不同)。
- 在中序遍历中1所在的位置介于
4->2
和5->3->6
之间,而中序遍历根节点的左边必然是左子树、右边是右子树,所以4->2
是左子树部分且有两个值、5->3->6
是右子树部分且有三个值。 - 确定了中序遍历中左子树部分
4->2
和右子树部分5->3->6
,即可通过各部分的数量(左子树两个值,右子树三个值),划分先序遍历左半部分2->4
和右半部分3->5->6
。 - 所以,我们从先序遍历确定了根节点,由中序遍历确定了左、右两部分,下面只要通过递归,对左右部分重复如上操作就可确定整棵二叉树。
实现代码
#include <iostream>
using namespace std;
#include <queue>
#include <stack>
#include <algorithm>
#include <string>
#include <vector>
#include <list>
#include <map>
struct TreeNode
{
int val;
TreeNode\* left;
TreeNode\* right;
TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}
};
//preX和preY是先序遍历的范围;inX和inY是中序遍历的范围
TreeNode\* PreInTree(string strPre, string strIn, int preX, int preY, int inX, int inY)
{
//如果x>y,说明溢出了,所以某个结点是nullptr
if (inX > inY)
{
return nullptr;
}
//x = y,说明该结点就是需要返回的结点
if (inX == inY)
{
TreeNode\* node = new TreeNode(strIn[inX] - '0');
return node;
}
//1.建立新的结点:从先序的头开始,即为根节点
TreeNode\* node = new TreeNode(strPre[preX] - '0');
//2.寻找在中序的下标
int index = strIn.find(strPre[preX]);
//递归
node->left = PreInTree(strPre, strIn, preX + 1, preX + index - inX, inX, index - 1);
node->right = PreInTree(strPre, strIn, preX + index - inX + 1, preY, index + 1, inY);
return node;
}
void Pre(TreeNode\* root)//先序遍历
{
if (!root) return;
![img](https://img-blog.csdnimg.cn/img_convert/ed854235c3c5a36cde9da4449bc1b772.png)
![img](https://img-blog.csdnimg.cn/img_convert/f318bff3a64d119647595c106835fee4.png)
![img](https://img-blog.csdnimg.cn/img_convert/bddd0b3b5e812410d7a2a26542adb396.png)
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!**
483)]
[外链图片转存中...(img-CRmSLMXw-4701992419484)]
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!**