多维数组转一维数组：探索 JavaScript 中的数组扁平化

在 JavaScript 编程中，我们经常会遇到需要将多维数组转换为一维数组的情况。无论是处理复杂的数据结构还是进行数据的进一步操作，数组扁平化都是一个常见且有用的技术。本文将介绍几种在 JavaScript 中将多维数组转换为一维数组的方法。

什么是数组扁平化？

数组扁平化是指将多层嵌套的数组结构转换为单层数组的过程。例如，将 [[1, 2], [3, 4]] 转换为 [1, 2, 3, 4]。

方法 1: 使用 Array.prototype.flat() 方法

ECMAScript 2019 引入了 flat() 方法，它可以直接将多维数组转换为一维数组。

const multiDimensionalArray = [1, [2, 3], [4, [5, 6]]];
const flatArray = multiDimensionalArray.flat(Infinity);
console.log(flatArray); // [1, 2, 3, 4, [5, 6]]

flat() 方法接受一个参数，指定要扁平化的深度。Infinity 表示无限级嵌套的数组都将被扁平化。

方法 2: 使用递归函数

在不支持 flat() 方法的环境中，可以使用递归函数来实现数组扁平化。

function flatten(arr) {
  return arr.reduce(function (flat, toFlatten) {
    return flat.concat(Array.isArray(toFlatten) ? flatten(toFlatten) : toFlatten);
  }, []);
}

const multiDimensionalArray = [1, [2, 3], [4, [5, 6]]];
const flatArray = flatten(multiDimensionalArray);
console.log(flatArray); // [1, 2, 3, 4, 5, 6]

这个 flatten 函数通过递归调用自身来处理任意深度的嵌套数组。

方法 3: 使用 Array.prototype.reduce() 和 Array.prototype.concat()

这种方法不使用递归，而是利用 reduce() 和 concat() 方法来扁平化数组。

function flatten(arr) {
  let result = [];
  arr.forEach(item => {
    if (Array.isArray(item)) {
      result = result.concat(flatten(item));
    } else {
      result.push(item);
    }
  });
  return result;
}

const multiDimensionalArray = [1, [2, 3], [4, [5, 6]]];
const flatArray = flatten(multiDimensionalArray);
console.log(flatArray); // [1, 2, 3, 4, 5, 6]

方法 4: 使用堆栈（Stack）

可以使用堆栈的数据结构来模拟递归的过程，避免递归可能导致的栈溢出问题。

function flatten(arr) {
  const stack = [...arr];
  const res = [];
  while (stack.length) {
    // 取出栈中的最后一个元素
    const next = stack.pop();
    if (Array.isArray(next)) {
      // 如果是数组，将其元素放入栈中
      stack.push(...next);
    } else {
      res.push(next);
    }
  }
  return res.reverse();
}

const multiDimensionalArray = [1, [2, 3], [4, [5, 6]]];
const flatArray = flatten(multiDimensionalArray);
console.log(flatArray); // [1, 2, 3, 4, 5, 6]

结论

数组扁平化是处理多维数组时的一个常见需求。虽然 JavaScript 原生的 flat() 方法提供了一个简单直接的解决方案，但在一些旧环境中，我们可以通过递归函数、reduce() 和 concat() 方法，或者堆栈来实现数组的扁平化。选择合适的方法可以根据你的具体需求和环境来决定。