Java二叉树序列化/反序列化（两序、层序、前序三种办法）

全文主角

class TreeNode {
	int value;
	TreeNode left;
	TreeNode right;
	
	TreeNode(int val){
		value = val;
	}
}

本次讨论二叉树的序列化 / 反序列化，下面按照 两序、层序、前序 三种办法依次分析并给出参考代码实现，这三种方式按思考形式由浅至较浅，代码量由多到较少。

一. 两序遍历（前序 + 中序）

对于上面的主角，其前序、中序遍历的结果分别是

前序：1 2 3 4 6 7 5
中序：2 1 6 4 7 3 5

我们都知道，

前序遍历的特点是，对于任意节点，先打印自己的值，再遍历左子树，再遍历右子树；
中序遍历的特点是，对于任意节点，先遍历左子树，再打印自己的值，再遍历右子树。

我们从根节点出发，对比前序和中序遍历的结果

前序：1 2 3 4 6 7 5
中序：2 1 6 4 7 3 5

可以看到，

1. 前序的第一个值是根节点的值；
2. 从中序找到根节点的值，发现其左序列包含了根节点左子树的全部值，右序列包含了根节点右子树全部的值

如果把中序的结果以根节点为分界线，拆成两个子序列，然后对这两个子序列重新进行前序遍历，可得到如下结果

（1）原中序遍历的 左子序列

前序：2
中序：2

（2）原中序遍历的 右子序列

前序：3 4 6 7 5
中序：6 4 7 3 5

将（1）（2）的结果同整体的遍历比较，发现原中序的左子序列、右子序列，在原前序中是连续的。

为了进一步验证不是巧合，我们拿绿色部分的序列再次尝试得到如下结果

再拿蓝色部分验证

经多次比对，我们得出了结论：

1. 前序的第一个值，就是当前节点的值
2. 找到中序中对应的当前节点值，则其左、右子序列在前序中是连续的
3. 对于中序的 任意左、右子序列 都满足以上两点

根据以上三点结论，我么可以通过二叉树的前序+中序遍历结果，还原出原二叉树

//前序遍历：1,2,3,4,6,7,5,
public void frontScan(TreeNode node, StringBuilder sb){
    if(node != null){
        sb.append(node.value).append(',');
        frontScan(node.left, sb);
        frontScan(node.right, sb);
    }
}
//中序遍历：2,1,6,4,7,3,5,
public void mediumScan(TreeNode node, StringBuilder sb){
    if(node != null){
        mediumScan(node.left, sb);
        sb.append(node.value).append(',');
        mediumScan(node.right, sb);
    }
}
//序列化
public String serialize(TreeNode root){
	//前序和中序遍历结果用 '&' 分隔
	StringBuilder res = frontScan(root);
	if(res.length() > 0) {
		res.setCharAt(res.length() - 1, '&');
	}
	res.append(mediumScan(root));
	if(res.length() > 0){
		res.setLength(res.length() - 1)
	}
	return res.toString();
}

反序列化步骤：
① 把序列化的String还原成俩数组
② 以前序为主，序列第一个值就是当前节点
③ 在中序中找到该值，以此作为分界点，把中序拆成左、右两部分
④ 把前序也拆成两部分，元素数量同中序左、右部分相等（忽略首元素）

//把序列化得到的字符串还原成前序、中序数组
public TreeNode decode(String serial){
    if(serial == null || serial.equals("")) return null;
    String[] fm = serial.split("&");
    int[] frontScan = parse(fm[0]);
    int[] mediumScan = parse(fm[1]);
    return build(frontScan, mediumScan);
}
//把 String[] 转换成 int[]
private int[] parse(String array){
    String[] elements = array.split(",");
    int[] res = new int[elements.length];
    for (int i = 0; i < elements.length; i++) {
        res[i] = Integer.parseInt(elements[i]);
    }
    return res;
}
//重建二叉树 
//fs：前序遍历结果 ms：中序遍历结果
private TreeNode build(int[] fs, int[] ms){
	//前序的首元素 是当前节点值
    TreeNode node = new TreeNode(fs[0]);
    //从中序里找到当前节点值的索引位置
    int index = findIndex(ms, fs[0]);
    //如果当前节点还有左子树
    if(index > 0){
    	//原中序的左子序列
        int[] msNew = new int[index];
        System.arraycopy(ms, 0, msNew, 0, index);
        //原中序的右子序列
        int[] fsNew = new int[index];
        System.arraycopy(fs, 1, fsNew, 0, index);
        //重建左子树
        node.left = build(fsNew, msNew);
    }
    //如果当前节点还有右子树
    if(index != -1 && index < ms.length - 1){
        int[] msNew = new int[ms.length - index - 1];
        System.arraycopy(ms, index + 1, msNew, 0, msNew.length);
        int[] fsNew = new int[msNew.length];
        System.arraycopy(fs, index + 1, fsNew, 0, fsNew.length);
        node.right = build(fsNew, msNew);
    }
    return node;
}
private int findIndex(int[] ms, int aim){
    for (int i = 0; i < ms.length; i++) {
        if(ms[i] == aim) return i;
    }
    return -1;
}

缺点：

1. 序列化时需要遍历两次二叉树，当节点数量较多时，效率不高，而且序列化字符串偏长
2. 反序列化时创建的左、右子序列数组对象较多
3. 如果二叉树内意外地出现了重复节点，则反序列化结果可能错误，比如下面这种情况

前序：3 2 3 4
中序：3 2 3 4

经反序列化 重建完的树是这样的

二. 层序

前序 / 中序遍历是逮着一条道走到黑的方式，叫深度搜索，而层序遍历是一层一层的遍历，叫广度搜索。

如果将二叉树按层编号，就是下面这个样子

如果二叉树的父节点编号为 i，则其左儿子编号为 2*i+1 ，右儿子编号为 2*i+2
如果二叉树的最大高度为 n，则其满节点数为 2ⁿ-1

按照上图的编号，我们可以把所有节点装进一个数组里 —— 序列化；
根据父子节点编号关系，重建二叉树 —— 反序列化。

序列化步骤：
① 开辟空间足够大的数组 2ⁿ-1
② 层序遍历，把节点装进数组对应的位置上

//确定树高度
public int getN(TreeNode node){
    //null节点 n = 0
    if(node == null){
        return 0;
    }
    //选取左、右子树较高的那个叉
    int leftN = getN(node.left);
    int rightN = getN(node.right);
    return Math.max(leftN, rightN) + 1;
}
//层序遍历二叉树，填装节点
public String fillNodes(TreeNode root){
    if(root == null) return "";
    //开辟足够空间的节点数组
    TreeNode[] nodes = new TreeNode[ (int)Math.pow(2, getN(root)) - 1 ];
    //借助队列结构，层序遍历
    //nodeQueue暂存节点，indexQueue暂存节点对应的编号
    Queue<TreeNode> nodeQueue = new LinkedList<>();
    Queue<Integer> indexQueue = new LinkedList<>();
    nodeQueue.offer(root);
    indexQueue.offer(0);

    while(!nodeQueue.isEmpty()){
        TreeNode node = nodeQueue.poll();
        int index = indexQueue.poll();

        nodes[index] = node;

        //填node.left
        if(node.left != null){
            nodeQueue.offer(node.left);
            indexQueue.offer(index * 2 + 1);
        }
        //填node.right
        if(node.right != null){
            nodeQueue.offer(node.right);
            indexQueue.offer(index * 2 + 2);
        }

    }
    //二叉树的最后一层可能有很多null（该树最后一层有2个null）
    //优化一下TreeNode[]长度，把最后一层的null去掉（优化可选）
    int length = nodes.length;
    for (int i = length - 1; i >= 0; i--) {
        if(nodes[i] == null){
            length--;
        }else{
            break;
        }
    }
    //序列化
    StringBuilder sb = new StringBuilder();
    for (int i = 0; i < length; i++) {
        //该树中编号为 3 4 7 8 9 10 的都是null节点（13 14已被优化掉）
        if(nodes[i] == null){
            sb.append("null,");
        }else{
            sb.append(nodes[i].value).append(',');
        }
    }
    return sb.toString();
}

反序列化步骤：
① 将序列化字符串拆成 String 数组 nums（字符串数字）
② 创建和 nums 等长的 TreeNode 数组
③ 扫描 nums 把有效的数值 包装成 TreeNode 装填到 TreeNode 数组
④ 按照 父子节点关系 关联引用
⑤ 返回 TreeNode 数组的首元素 —— root

public TreeNode deSerial(String serial){
    if(serial == null || serial.equals("")) return null;
    String[] nums = serial.split(",");
    //临时节点数组，用于关联各节点之间的父子关系
    TreeNode[] nodes = new TreeNode[nums.length];
    //倒序装填节点，方便关联父子引用
    for (int i = nodes.length - 1; i >= 0; i--) {
        if(!nums[i].equals("null")){
            nodes[i] = new TreeNode(Integer.parseInt(nums[i]));

            if(2*i+1 < nodes.length)
                nodes[i].left = nodes[2*i+1];
            if(2*i+2 < nodes.length)
                nodes[i].right = nodes[2*i+2];

        }
    }
    return nodes[0];
}

缺点：

1. 序列化时一次深搜、一次广搜，效率不高
2. 当二叉树只有右子树的极端情况产生（线性链表）时，序列化字符串 记录了太多无用的 “null”

三. 前序

如果序列化按前序遍历的方式进行，那反序列化是否也能按前序的方式重构二叉树呢？

在 方式一 中，我们通过比对中序遍历，以中序遍历是否还有左、右子序列为基础，判断前序是否还有拆分的必要，如果单依靠前序，就需要找到另一种界限标志，判断下一步的走向。

递归方式前序遍历
① 首先打印自己的值；
② 然后向左遍历，当一个节点的左子节点为空，返回到该节点，继续向右遍历；
③ 当一个节点的右子节点为空，返回到该节点，该节点及其子树遍历完成，向上回溯。

是的，也许我们也可以用空节点作为改变方向的遍历条件

还是这棵树，这次我们给他加上叶子节点的空节点，它长这样

这次的前序遍历结果为：1, 2, null, null, 3, 4, 6, null, null, 7, null, null, 5, null, null

我们把以上序列添加到序列化字符串里

public String serialize(TreeNode root) {
    StringBuilder res = new StringBuilder();
    //利用栈暂存节点
    LinkedList<TreeNode> stack = new LinkedList<>();
    stack.push(root);
    while(!stack.isEmpty()){
        TreeNode node = stack.pop();
        if(node == null){
            res.append("null,");
        }else{
            res.append(node.value).append(',');
            stack.push(node.right);
            stack.push(node.left);
        }
    }
    return res.toString();
}

反序列化步骤：
① 把序列化的字符串拆成 字符串数字数组 String[] nums
② 用递归的方式，每次方法调用都只初始化一个非 null 节点
③ 如果遇到 “null”，证明该节点是叶子节点的子节点（空节点），向上回溯；反之继续原来的路线。

//反序列化
public TreeNode deserialize(String data) {
	//new int[]{-1} 是 data[] 的指针，保证 rDeserialize() 每次都能获取到 它应该处理的位置
    return rDeserialize(data.split(","), new int[]{-1});
}
//递归重构二叉树
private TreeNode rDeserialize(String[] nums, int[] p){
	//每次方法调用都先把 p 指针定位到 本次方法 应该处理的位置上（线性扫描）
    p[0]++;
    //如果该位置是null，向上回溯
    if(nums[p[0]].equals("null")){
        return null;
    }
    //如果该位置不是null，按前序遍历的方式递归重构二叉树
    TreeNode node = new TreeNode( Integer.parseInt(nums[p[0]]) );
    node.left = rDeserialize(nums, p);
    node.right = rDeserialize(nums, p);
    return node;
}

三种方式相比下，单前序的序列化 / 反序列化在时间效率和空间消耗下平均相对较好。

感谢浏览！