数据结构和算法(十一)之二叉搜索树

数据结构和算法(十一)之二叉搜索树

一. 二叉搜索树的概念

我们先来简单理解一下什么是二叉搜索树.

什么是二叉搜索树?

  • 二叉搜索树(BST,Binary Search Tree),也称二叉排序树或二叉查找树

  • 二叉搜索树是一颗二叉树, 可以为空;如果不为空,满足以下性质:

    • 非空左子树的所有键值小于其根结点的键值。
    • 非空右子树的所有键值大于其根结点的键值。
    • 左、右子树本身也都是二叉搜索树。
  • 下面哪些是二叉搜索树, 哪些不是?

  • 二叉搜索树的特点:

    • 二叉搜索树的特点就是相对较小的值总是保存在左结点上, 相对较大的值总是保存在右结点上.
    • 那么利用这个特点, 我们可以做什么事情呢?
    • 查找效率非常高, 这也是二叉搜索树中, 搜索的来源.

二叉搜索树的操作

  • 二叉搜索树有哪些常见的操作呢?
    • insert(key):向树中插入一个新的键。
    • search(key):在树中查找一个键,如果结点存在,则返回true;如果不存在,则返回false
    • inOrderTraverse:通过中序遍历方式遍历所有结点。
    • preOrderTraverse:通过先序遍历方式遍历所有结点。
    • postOrderTraverse:通过后序遍历方式遍历所有结点。
    • min:返回树中最小的值 / 键。
    • max:返回树中最大的值 / 键。
    • remove(key):从树中移除某个键。

二. 二叉搜索树的实现

现在, 我们通过代码来实现二叉搜索树.

创建二叉搜索树

  • 我们像封装其他数据结构一样, 先来封装一个 BinarySearchTree 的类

    // 创建节点类
    class Node {
    	constructor(key) {
    		this.key = key;
    		this.left = null;
    		this.right = null;
    	}
    }
    
  • 代码解析:

    • 封装 BinarySearchTree 的构造函数.
    • 还需要封装一个用于保存每一个结点的类 Node.
      • 该类包含三个属性: 结点对应的 key, 指向的左子树, 指向的右子树
    • 对于 BinarySearchTree 来说, 只需要保存根结点即可, 因为其他结点都可以通过根结点找到.

向树中插入数据

  • 我们两个部分来完成这个功能.

  • 外界调用的 insert 方法

    // 向树中插入数据
    insert(key){
        // 1.根据key创建对应的node
       	const newNode = new Node(key);
        
        // 2.判断根结点是否有值
        if (this.root === null) {
            this.root = newNode
        } else {
            this.insertNode(this.root, newNode)
        }
    }
    
    
  • 代码解析:

    • 首先, 根据传入的 key, 创建对应的 Node.
    • 其次, 向树中插入数据需要分成两种情况:
      • 第一次插入, 直接修改根结点即可.
      • 其他次插入, 需要进行相关的比较决定插入的位置.
    • 在代码中的 insertNode 方法, 我们还没有实现, 也是我们接下来要完成的任务.
  • 插入非根结点

    insertNode(root, node) {
        if (newNode.key < node.key) { // 1.准备向左子树插入数据
            if (node.left === null) { // 1.1.node的左子树上没有内容
                node.left = newNode
            } else { // 1.2.node的左子树上已经有了内容
                this.insertNode(node.left, newNode)
            }
        } else { // 2.准备向右子树插入数据
            if (node.right === null) { // 2.1.node的右子树上没有内容
                node.right = newNode
            } else { // 2.2.node的右子树上有内容
                this.insertNode(node.right, newNode)
            }
        }
    }
    
  • 代码解析:

    • 插入其他节点时, 我们需要判断该值到底是插入到左边还是插入到右边.
    • 判断的依据来自于新节点的 key 和原来节点的 key 值的比较.
      • 如果新节点的 newKey 小于原节点的 oldKey, 那么就向左边插入.
      • 如果新节点的 newKey 大于原节点的 oldKey, 那么就向右边插入.
    • 代码的 1 序号位置, 就是准备向左子树插入数据. 但是它本身又分成两种情况
      • 情况一 (代码 1.1 位置): 左子树上原来没有内容, 那么直接插入即可.
      • 情况二 (代码 1.2 位置): 左子树上已经有了内容, 那么就一次向下继续查找新的走向, 所以使用递归调用即可.
    • 代码的 2 序号位置, 和 1 序号位置几乎逻辑是相同的, 只是是向右去查找.
      • 情况一 (代码 2.1 位置): 左右树上原来没有内容, 那么直接插入即可.
      • 情况二 (代码 2.2 位置): 右子树上已经有了内容, 那么就一次向下继续查找新的走向, 所以使用递归调用即可.
  • 测试代码: 如果按照下面的代码插入, 最后形成什么样的树呢?

    // 测试代码
    let bst = new BinarySerachTree()
    
    // 插入数据
    bst.insert(11)
    bst.insert(7)
    bst.insert(15)
    bst.insert(5)
    bst.insert(3)
    bst.insert(9)
    bst.insert(8)
    bst.insert(10)
    bst.insert(13)
    bst.insert(12)
    bst.insert(14)
    bst.insert(20)
    bst.insert(18)
    bst.insert(25)
    
  • 形成的树:

  • 如果这个时候, 我新插入一个数据 6, 那么插入的位置和顺序应该怎样的呢?

    bst.insert(6)
    
  • 新的树:

遍历二叉搜索树

  • 前面, 我们向树中插入了很多的数据, 为了能很多的看到测试结果. 我们先来学习一下树的遍历.
    • 注意: 这里我们学习的树的遍历, 针对所有的二叉树都是适用的, 不仅仅是二叉搜索树.
  • 树的遍历:
    • 遍历一棵树是指访问树的每个结点 (也可以对每个结点进行某些操作, 我们这里就是简单的打印)
    • 但是树和线性结构不太一样, 线性结构我们通常按照从前到后的顺序遍历, 但是树呢?
    • 应该从树的顶端还是底端开始呢? 从左开始还是从右开始呢?
    • 二叉树的遍历常见的有三种方式: 先序遍历 / 中序遍历 / 后续遍历. (还有程序遍历, 使用较少, 可以使用队列来完成)
先序遍历
  • 遍历过程为:

    • ①访问根结点;
    • ②先序遍历其左子树;
    • ③先序遍历其右子树。
  • 遍历过程:

  • 遍历的代码实现

    preorderTraversal() {
    	const result = [];
    	this.preorderTraversalNode(this.root, result);
    	return result;
    }
    
    preorderTraversalNode(node, result) {
    	if (node === null) return result;
    	result.push(node.key);
    	this.preorderTraversalNode(node.left, result);
    	this.preorderTraversalNode(node.right, result);
    }
    
  • 测试代码:

    // 测试前序遍历结果
    let resultString = ""
    bst.preOrderTraversal(function (key) {
        resultString += key + " "
    })
    alert(resultString) // 11 7 5 3 6 9 8 10 15 13 12 14 20 18 25
    
  • 代码解析:

    • 遍历树最好用的办法就是递归, 因为每个节点都可能有自己的子节点, 所以递归调用是最好的方式.
    • 在先序遍历中, 我们在经过节点的时候, 会先将该节点打印出来.
    • 然后, 我们会遍历节点的左子树, 再然后遍历节点的右子树.
  • 代码先序遍历图解:

中序遍历
  • 遍历过程为:

    • ①中序遍历其左子树;
    • ②访问根结点;
    • ③中序遍历其右子树。
  • 遍历过程:

  • 遍历的代码实现:

    // 中序遍历
    inorderTraversal() {
    	const result = [];
    	this.inorderTraversalNode(this.root, result);
    	return result;
    }
    
    inorderTraversalNode(node, result) {
    	if (node === null) return result;
    	this.inorderTraversalNode(node.left, result);
    	result.push(node.key);
    	this.inorderTraversalNode(node.right, result);
    }
    
  • 测试代码:

    // 测试中序遍历结果
    resultString = ""
    bst.inOrderTraversal(function (key) {
        resultString += key + " "
    })
    alert(resultString) // 3 5 6 7 8 9 10 11 12 13 14 15 18 20 25
    
  • 代码解析:

    • 先从最左边开始, 进行中序遍历.
    • 依次向右移动, 最后遍历最右边.
    • 可以根据代码和图片解析来查看. (这里不太好描述, 但是一图胜千言, 大家多看一下图片)
  • 代码中序遍历图解:

后序遍历
  • 遍历过程为:

    • ①后序遍历其左子树;
    • ②后序遍历其右子树;
    • ③访问根结点。
  • 遍历过程:

  • 遍历的代码实现:

    // 后续遍历
    postorderTraversal() {
    	const result = [];
    	this.postorderTraversalNode(this.root, result);
    	return result;
    }
    
    postorderTraversalNode(node, result) {
    	if (node === null) return result;
    	this.postorderTraversalNode(node.left, result);
    	this.postorderTraversalNode(node.right, result);
    	result.push(node.key);
    }
    
    
  • 测试代码:

    // 测试后续遍历结果
    resultString = ""
    bst.postOrderTraversal(function (key) {
        resultString += key + " "
    })
    alert(resultString) // 3 6 5 8 10 9 7 12 14 13 18 25 20 15 11
    
  • 后续遍历

    • 先遍历左子树上的节点, 再遍历右子树上的节点, 最后遍历根节点. (仔细查看图片和代码)
  • 代码后续遍历图解:

最大值 & 最小值

  • 在二叉搜索树中搜索最值是一件非常简单的事情, 其实用眼睛看就可以看出来了.

  • 下面, 我们通过代码来实现一下.

  • 获取最大值 & 最小值:

    // 获取最大值和最小值
    min() {
    	if (!this.root) return null;
    	let node = this.root;
    	while (node.left !== null) {
    		node = node.left;
    	}
    	return node.key;
    }
    
    max() {
    	if (!this.root) return null;
    	let node = this.root;
    	while (node.right !== null) {
    		node = node.right;
    	}
    	return node.key;
    }
    
  • 代码解析:

    • 代码也是比较简单的:
      • 代码依次向左找到最左边的结点就是最小值,
      • 代码依次向右找到最右边的结点就是最大值.
    • 也可以使用递归来实现, 不过这里就没有什么必要了, 递归反而增加代码的复杂度.
  • 代码测试:

    // 获取最值
    alert(bst.min()) // 3
    alert(bst.max()) // 25
    

搜索特定的值

  • 二叉搜索树不仅仅获取最值效率非常高, 搜索特定的值效率也非常高.

    search(key) {
    	return this.searchNode(this.root, key);
    }
    
    // 通过递归实现
    searchNode(node, key) {
    	if (node === null) return false;
    	if (key < node.key) {
    		return this.searchNode(node.left, key);
    	} else if (key > node.key) {
    		return this.searchNode(node.right, key);
    	} else {
    		return true;
    	}
    }
    
  • 代码解析:

    • 这里我们还是使用了递归的方式. 待会儿我们来写一个非递归的实现.
    • 递归必须有退出条件, 我们这里是两种情况下退出.
      • node === null, 也就是后面不再有节点的时候.
      • 找到对应的 key, 也就是 node.key === key 的时候.
    • 在其他情况下, 根据 node. 的 key 和传入的 key 进行比较来决定向左还是向右查找.
      • 如果 node.key > key, 那么说明传入的值更小, 需要向左查找.
      • 如果 node.key < key, 那么说明传入的值更大, 需要向右查找.
  • 测试代码:

    // 查找特定的值
    alert(bst.search(10)) // true
    alert(bst.search(21)) // false
    
  • 非递归代码实现:

    search2(key) {
    	let node = this.root;
    
    	while (node !== null) {
    		if (key < node.key) {
    			node = node.left;
    		} else if (key > node.key) {
    			node = node.right;
    		} else {
    			return true;
    		}
    	}
    
    	return false;
    }
    
  • 递归 or 循环?

    • 其实递归和循环之间可以相互转换.
    • 大多数情况下, 递归调用可以简化代码, 但是也会增加空间的复杂度.
    • 循环空间复杂度较低, 但是代码会相对复杂.
    • 可以根据实际的情况自行选择, 不需要套死必须使用某种方式.

三. 二叉搜索树的删除

二叉搜索树的删除有些复杂, 为了大家更加清晰的理解其中的原理, 我单独讲解这部分内容.

删除节点的思路

  • 删除节点要从查找要删的节点开始, 找到节点后, 需要考虑三种情况:

    • 该节点是也结点 (没有字节点, 比较简单)
    • 该节点有一个子节点 (也相对简单)
    • 该节点有两个子节点.(情况比较复杂, 我们后面慢慢道来)
  • 我们先从查找要删除的节点入手

    // 删除结点
    remove(key) {
    	let currentNode = this.root;
    	let parentNode = null;
    	let isLeftChild = true;
    
    	// 循环查找到要删除的节点 currentNode,以及他的parentNode、isLeftChild
    	while (currentNode.key !== key) {
    		parentNode = currentNode;
    
    		// 小于,往左查找
    		if (key < currentNode.key) {
    			isLeftChild = true;
    			currentNode = currentNode.left;
    		} else {
    			// 否则往右查找
    			isLeftChild = false;
    			currentNode = currentNode.right;
    		}
    
    		// 找到最后没找到相等的节点,返回 false
    		if (currentNode === null) {
    			return false;
    		}
    	}
        return true
    }
    
  • 代码解析:

    • 在上面的代码序号 1 位置中, 我们先保存了一些临时变量.
      • current: 用于一会儿找到的要删除的节点对应的 node.
      • parent: 用于保存 current 节点的父节点. 因为如果 current 有子节点, 那么在删除 current 节点的时候, 必然需要将 parent 的 left 或者 right 指向它的某一个子节点. 所以需要保存起来 current 的 parent. (树中的节点关系不能向上的, 和链表非常相似)
      • isLeftChild: boolean 类型, 它用户记录我们是在 current 是在父节点的左侧还是右侧, 以便到时候设置 parent 的 left 或者 right
    • 在上面的代码序号 2 位置中, 开始查找对应的 key.
      • 还是之前的思路, 依次向下找到节点, 同时记录 current/parent/isLeftChild 这些变量
      • 如果遍历到 current === null, 那么说明在二叉搜索树中没有该 key, 直接返回 false 即可.
      • 如果找到, 后面就需要我们进一步考虑更加复杂的情况了.

情况一: 没有子节点

  • 情况一: 没有子节点.

    • 这种情况相对比较简单, 我们需要检测 current 的 left 以及 right 是否都为 null.
    • 都为 null 之后还要检测一个东西, 就是是否 current 就是根, 都为 null, 并且为跟根, 那么相当于要清空二叉树 (当然, 只是清空了根, 因为只有它).
    • 否则就把父节点的 left 或者 right 字段设置为 null 即可.
  • 图解过程:

    • 如果只有一个单独的根, 直接删除即可

    • 如果是叶结点, 那么处理方式如下:

  • 代码实现如下:

    // 3.删除的结点是叶结点
    if (currentNode.left === null && currentNode.right === null) {
    		if (currentNode === this.root) {
    			this.root = null;
    		} else if (isLeftChild) {
    			parentNode.left = null;
    		} else {
    			parentNode.right = null;
    		}
    }
    
  • 代码解析:

    • 首先, 判断是否是叶结点. 通过 current 的 left&right 是否为 null
    • 上面条件成立, 再判断 current 是否是根结点: 回答是, 那么就将 this.root = null 即可.
    • 如果不是根, 再判断是左结点, 还是右结点, 以便于将 parent 的 left 或者 right 设置为 null

情况二: 一个子节点

  • 情况二: 有一个子节点

    • 这种情况也不是很难.
    • 要删除的 current 结点, 只有 2 个连接 (如果有两个子结点, 就是三个连接了), 一个连接父节点, 一个连接唯一的子节点.
    • 需要从这三者之间: 爷爷 - 自己 - 儿子, 将自己 (current) 剪短, 让爷爷直接连接儿子即可.
    • 这个过程要求改变父节点的 left 或者 right, 指向要删除节点的子节点.
    • 当然, 在这个过程中还要考虑是否 current 就是根.
  • 图解过程:

    • 如果是根的情况, 大家可以自己画一下, 比较简单, 这里不再给出.
    • 如果不是根, 并且只有一个子节点的情况.

  • 代码实现如下:

    // 4.删除有一个子节点的节点
    else if (current.right === null) {
        if (currentNode === this.root) {
    		this.root = currentNode.left;
    	} else if (isLeftChild) {
    		parentNode.left = currentNode.left;
    	} else {
    		parentNode.right = currentNode.left;
    	}
    } else if (current.left === null) {
    	if (currentNode === this.root) {
    		this.root = currentNode.right;
    	} else if (isLeftChild) {
    		parentNode.left = currentNode.right;
    	} else {
    		parentNode.right = currentNode.right;
    	}
    }
    
  • 代码解析:

    • 首先, 我们需要判断是 current 的 left 还是 right 为 null. 因为这样才能决定, 只有我们从 current 中取儿子的时候, 取的是 current.left 还是 current.right 来给别的地方赋值.
    • 三种情况:
      • current 是根节点, 那么直接将 this.root = son.
      • current 不是根节点, 是父节点的 left 节点, 那么 parent.left = son.
      • current 不是根节点, 是父节点的 right 节点, 那么 parent.right = son.
    • 分析清楚的话, 还比较简单.

情况三: 两个子节点

  • 情况三: 有两个子节点.

    • 事情变得非常复杂, 也非常有趣了.
  • 我们先来思考一下我提出的一些问题:

  • 先来, 我们来总结一下删除有两个节点的规律:

    • 如果我们要删除的节点有两个子节点, 甚至子节点还有子节点, 这种情况下我们需要从下面的子节点中找到一个节点, 来替换当前的节点.
    • 但是找到的这个节点有什么特征呢? 应该是 current 节点下面所有节点中最接近 current 节点的.
      • 要么比 current 节点小一点点, 要么比 current 节点大一点点.
      • 总结你最接近 current, 你就可以用来替换 current 的位置.
    • 这个节点怎么找呢?
      • 比 current 小一点点的节点, 一定是 current 左子树的最大值.
      • 比 current 大一点点的节点, 一定是 current 右子树的最小值.
    • 前驱 & 后继
      • 而在二叉搜索树中, 这两个特别的节点, 有两个特比的名字.
      • 比 current 小一点点的节点, 称为 current 节点的前驱.
      • 比 current 大一点点的节点, 称为 current 节点的后继.
    • 也就是为了能够删除有两个子节点的 current, 要么找到它的前驱, 要么找到它的后继.
    • 所以, 接下来, 我们先找到这样的节点 (前驱或者后继都可以, 我这里以找后继为例)
  • 寻找后继的代码实现:

    // 找后继的方法
    getSuccessor(delNode) {
    	// 定义变量,保存要找到的后续
    	let successor = delNode;
    	let current = delNode.right;
    	let successorParent = delNode;
    
    	// 循环查找 current 的右子树结点
    	while (current !== null) {
    		successorParent = successor;
    		successor = current;
    		current = current.left;
    	}
    
    	// 判断寻找到的后续节点是否直接就是要删除节点的 right
    	if (successor !== delNode.right) {
    		successorParent.left = successor.right;
    		successor.right = delNode.right;
    	}
    	return successor;
    }
    
  • 代码解析:

    • 代码是根据传入的 delNode 来寻找后继节点.
    • 本身代码比较简单, 但是后面有一个序号 3 的代码, 相对较难理解.
    • 我们这里先不做讨论, 先把找到后继后进行的操作写完, 再后头理解这段代码.
    • 序号 3: TODO
  • 找到后继后的处理代码:

    // 5.删除有两个节点的节点
    else {
        // 1.找到后续节点
    	let successor = this.getSuccessor(currentNode);
    
    	// 2.判断是否为根结点
    	if (currentNode === this.root) {
    		this.root = successor;
    	} else if (isLeftChild) {
    		parentNode.left = successor;
    	} else {
    		parentNode.right = successor;
    	}
    
    	// 3.将后续的左节点改为被删除的左节点
    	successor.left = currentNode.left;
    }
    
  • 代码解析:

    • 序号 1: 调用刚才封装的方法, 获取后继节点.
    • 序号 2: 判断三种情况:
      • 情况一: 是根节点, 那么 this.root = successor. 并且 successor 的 left 应该等于 current 的 left
      • 情况二: 是父节点的左结点, parent.left = successor, 并且 successor 的 left 应该等于 current 的 left
      • 情况三: 是父节点的右结点, parent.right = successor, 并且 successor 的 left 应该等于 current 的 left
    • 需要 3: 就是将 successor.left = current.left 从判断中抽取出来.
  • 回头头看 TODO 的情况

    • 上面的代码实现, 对于删除 9 是适用的. 做法就是将 7 节点的 left 赋值为 10. 10 节点的 left 应该赋值为 8 即可.
    • 但是, 对于删除 15 我们还缺少什么呢?
      • 已经完成: 11 的 left 指向了 18, 18 的 right 指向了 13.
      • 没有完成: 19 怎么办? 20 这个左子树怎么办?
      • 很明显, 19 应该放在 20 的左边, 20 应该放在 18 的右边.
      • 19 放在 20 的左边代码: successorParent.left = successor.right
      • 20 放在 18 的右边代码: successor.right = delNode.right
    • 搞定, 收工!!!

删除节点完整代码

  • 最后, 还是给出完整代码

    	remove(key) {
    		let currentNode = this.root;
    		let parentNode = null;
    		let isLeftChild = true;
    
    		// 循环查找到要删除的节点 currentNode,以及他的 parentNode、isLeftChild
    		while (currentNode.key !== key) {
    			parentNode = currentNode;
    
    			// 小于,往左查找
    			if (key < currentNode.key) {
    				isLeftChild = true;
    				currentNode = currentNode.left;
    			} else {
    				// 否则往右查找
    				isLeftChild = false;
    				currentNode = currentNode.right;
    			}
    
    			// 找到最后没找到相等的节点,返回 false
    			if (currentNode === null) {
    				return false;
    			}
    		}
    
    		// 1.删除的是叶子结点的情况
    		if (currentNode.left === null && currentNode.right === null) {
    			if (currentNode === this.root) {
    				this.root = null;
    			} else if (isLeftChild) {
    				parentNode.left = null;
    			} else {
    				parentNode.right = null;
    			}
    
    			// 2.删除的是只是一个子节点的节点
    		} else if (currentNode.right === null) {
    			// currentNode 只存在左节点
    			// 2.1、currentNode 只存在<左节点>的情况
    			// 2.1.1、currentNode 等于root
    			// 2.1.2、parentNode.left等于currentNode
    			// 2.1.3、parentNode.right等于currentNode
    
    			if (currentNode === this.root) {
    				this.root = currentNode.left;
    			} else if (isLeftChild) {
    				parentNode.left = currentNode.left;
    			} else {
    				parentNode.right = currentNode.left;
    			}
    		} else if (currentNode.left === null) {
    			// 2.2、currentNode 只存在<右节点>的情况
    			// 2.1.1、currentNode 等于root
    			// 2.1.2、parentNode.left 等于 currentNode
    			// 2.1.1、parentNode.rigth 等于 currentNode
    
    			if (currentNode === this.root) {
    				this.root = currentNode.right;
    			} else if (isLeftChild) {
    				parentNode.left = currentNode.right;
    			} else {
    				parentNode.right = currentNode.right;
    			}
    
    			// 3.删除的是有两个子节点的节点
    		} else {
    			// 1.找到后续节点
    			let successor = this.getSuccessor(currentNode);
    
    			// 2.判断是否为根结点
    			if (currentNode === this.root) {
    				this.root = successor;
    			} else if (isLeftChild) {
    				parentNode.left = successor;
    			} else {
    				parentNode.right = successor;
    			}
    
    			// 3.将后续的左节点改为被删除的左节点
    			successor.left = currentNode.left;
    		}
    	}
    

删除节点的回顾

  • 看到这里, 你就会发现删除节点相当棘手.
  • 实际上, 因为它非常复杂, 一些程序员都尝试着避开删除操作.
    • 他们的做法是在 Node 类中添加一个 boolean 的字段, 比如名称为 isDeleted.
    • 要删除一个节点时, 就将此字段设置为 true.
    • 其他操作, 比如 find() 在查找之前先判断这个节点是不是标记为删除.
    • 这样相对比较简单, 每次删除节点不会改变原有的树结构.
    • 但是在二叉树的存储中, 还保留着那些本该已经被删除掉的节点.
  • 上面的做法看起来很聪明, 其实是一种逃避.
    • 这样会造成很大空间的浪费, 特别是针对数据量较大的情况.
    • 而且, 作为程序员要学会通过这些复杂的操作, 锻炼自己的逻辑, 而不是避重就轻.

四. 二叉搜索树完整代码

  • 最后, 我们还是给出二叉搜索树的完整代码

    // 创建节点类
    class Node {
    	constructor(key) {
    		this.key = key;
    		this.left = null;
    		this.right = null;
    	}
    }
    
    // 封装二叉搜索树(特点:左子树节点值 < )
    export class BinarySearchTree {
    	constructor() {
    		this.root = null;
    	}
    
    	/*******
    	 * @description: 插入数据
    	 * @param {*} key
    	 * @return {*}
    	 */
    	insert(key) {
    		const newNode = new Node(key);
    
    		if (this.root === null) {
    			this.root = newNode;
    		} else {
    			this.insertNode(this.root, newNode);
    		}
    	}
    
    	insertNode(root, node) {
    		if (node.key < root.key) {
    			// 往左边查找插入
    			if (root.left === null) {
    				root.left = node;
    			} else {
    				this.insertNode(root.left, node);
    			}
    		} else {
    			// 往右边查找插入
    			if (root.right === null) {
    				root.right = node;
    			} else {
    				this.insertNode(root.right, node);
    			}
    		}
    	}
    
    	// ----------- 二叉树遍历 ----------//
    	/*******
    	 * @description: 先序遍历(根左右DLR)
    	 * @param {*}
    	 * @return {*} result
    	 */
    	preorderTraversal() {
    		const result = [];
    		this.preorderTraversalNode(this.root, result);
    		return result;
    	}
    
    	preorderTraversalNode(node, result) {
    		if (node === null) return result;
    		result.push(node.key);
    		this.preorderTraversalNode(node.left, result);
    		this.preorderTraversalNode(node.right, result);
    	}
    
    	/*******
    	 * @description: 中序遍历(左根右LDR)
    	 * @param {*}
    	 * @return {*} result
    	 */
    	inorderTraversal() {
    		const result = [];
    		this.inorderTraversalNode(this.root, result);
    		return result;
    	}
    
    	inorderTraversalNode(node, result) {
    		if (node === null) return result;
    		this.inorderTraversalNode(node.left, result);
    		result.push(node.key);
    		this.inorderTraversalNode(node.right, result);
    	}
    
    	/*******
    	 * @description: 后序遍历(左右根 LRD)
    	 * @param {*}
    	 * @return {*} restult
    	 */
    	postorderTraversal() {
    		const result = [];
    		this.postorderTraversalNode(this.root, result);
    		return result;
    	}
    
    	postorderTraversalNode(node, result) {
    		if (node === null) return result;
    		this.postorderTraversalNode(node.left, result);
    		this.postorderTraversalNode(node.right, result);
    		result.push(node.key);
    	}
    
    	/*******
    	 * @description: 获取二叉搜索树最小值
    	 * @param {*}
    	 * @return {*} node.key
    	 */
    	min() {
    		if (!this.root) return null;
    		let node = this.root;
    		while (node.left !== null) {
    			node = node.left;
    		}
    		return node.key;
    	}
    
    	/*******
    	 * @description:获取二叉搜索树最大值
    	 * @param {*}
    	 * @return {*} node.key
    	 */
    	max() {
    		if (!this.root) return null;
    		let node = this.root;
    		while (node.right !== null) {
    			node = node.right;
    		}
    		return node.key;
    	}
    
    	/*******
    	 * @description: 查找二叉搜索树中是否有相同的key
    	 * @param {*} key
    	 * @return {*}
    	 */
    	search(key) {
    		return this.searchNode(this.root, key);
    	}
    
    	// 通过递归实现
    	searchNode(node, key) {
    		if (node === null) return false;
    		if (key < node.key) {
    			return this.searchNode(node.left, key);
    		} else if (key > node.key) {
    			return this.searchNode(node.right, key);
    		} else {
    			return true;
    		}
    	}
    
    	/*******
    	 * @description: 通过 while 循环实现
    	 * @param {*} key
    	 * @return {*}
    	 */
    
    	/*******
    	 * @description: 删除节点
    	 * @param {*} key
    	 * @return {*}
    	 */
    	remove(key) {
    		let currentNode = this.root;
    		let parentNode = null;
    		let isLeftChild = true;
    
    		// 循环查找到要删除的节点 currentNode,以及他的 parentNode、isLeftChild
    		while (currentNode.key !== key) {
    			parentNode = currentNode;
    
    			// 小于,往左查找
    			if (key < currentNode.key) {
    				isLeftChild = true;
    				currentNode = currentNode.left;
    			} else {
    				// 否则往右查找
    				isLeftChild = false;
    				currentNode = currentNode.right;
    			}
    
    			// 找到最后没找到相等的节点,返回 false
    			if (currentNode === null) {
    				return false;
    			}
    		}
    
    		// 1.删除的是叶子结点的情况
    		if (currentNode.left === null && currentNode.right === null) {
    			if (currentNode === this.root) {
    				this.root = null;
    			} else if (isLeftChild) {
    				parentNode.left = null;
    			} else {
    				parentNode.right = null;
    			}
    
    			// 2.删除的是只是一个子节点的节点
    		} else if (currentNode.right === null) {
    			// currentNode 只存在左节点
    			// 2.1、currentNode 只存在<左节点>的情况
    			// 2.1.1、currentNode 等于root
    			// 2.1.2、parentNode.left等于currentNode
    			// 2.1.3、parentNode.right等于currentNode
    
    			if (currentNode === this.root) {
    				this.root = currentNode.left;
    			} else if (isLeftChild) {
    				parentNode.left = currentNode.left;
    			} else {
    				parentNode.right = currentNode.left;
    			}
    		} else if (currentNode.left === null) {
    			// 2.2、currentNode 只存在<右节点>的情况
    			// 2.1.1、currentNode 等于root
    			// 2.1.2、parentNode.left 等于 currentNode
    			// 2.1.1、parentNode.rigth 等于 currentNode
    
    			if (currentNode === this.root) {
    				this.root = currentNode.right;
    			} else if (isLeftChild) {
    				parentNode.left = currentNode.right;
    			} else {
    				parentNode.right = currentNode.right;
    			}
    
    			// 3.删除的是有两个子节点的节点
    		} else {
    			// 1.找到后续节点
    			let successor = this.getSuccessor(currentNode);
    
    			// 2.判断是否为根结点
    			if (currentNode === this.root) {
    				this.root = successor;
    			} else if (isLeftChild) {
    				parentNode.left = successor;
    			} else {
    				parentNode.right = successor;
    			}
    
    			// 3.将后续的左节点改为被删除的左节点
    			successor.left = currentNode.left;
    		}
    	}
    
    	/*******
    	 * @description: 获取后续节点,即从要删除的节点的右边开始查找最小值
    	 * @param {*} delNode
    	 * @return {*}
    	 */
    	getSuccessor(delNode) {
    		// 定义变量,保存要找到的后续
    		let successor = delNode;
    		let current = delNode.right;
    		let successorParent = delNode;
    
    		// 循环查找 current 的右子树结点
    		while (current !== null) {
    			successorParent = successor;
    			successor = current;
    			current = current.left;
    		}
    
    		// 判断寻找到的后续节点是否直接就是要删除节点的 right
    		if (successor !== delNode.right) {
    			successorParent.left = successor.right;
    			successor.right = delNode.right;
    		}
    		return successor;
    	}
    }
    
    
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

yige001

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值