数据结构 | 深度解析二叉树的基本原理

Ne0inhk

— 10 min read
数据结构 | 深度解析二叉树的基本原理

个人主页-爱因斯晨

文章专栏-数据结构

在这里插入图片描述

二叉树是计算机科学中最基础也最常用的数据结构之一，它不仅是理解更复杂树结构（如 AVL 树、红黑树）的基础，也广泛应用于表达式解析、 Huffman 编码、数据库索引等领域。本文将从二叉树的基本概念出发，深入探讨其存储结构、核心操作及实际应用，并通过 C 语言代码示例帮助读者掌握这一重要数据结构。

二叉树的基本概念

二叉树是一种每个节点最多有两个子节点的树状结构，这两个子节点分别被称为左孩子（left child）和右孩子（right child）。根据节点的分布情况，二叉树可以分为以下几种特殊类型：

  • 满二叉树：除叶子节点外，每个节点都有两个子节点，且所有叶子节点都在同一层
  • 完全二叉树：除最后一层外，其余层都是满的，且最后一层的节点都靠左排列
  • 平衡二叉树：左右两个子树的高度差不超过 1 的二叉搜索树

二叉树具有一个重要性质：在非空二叉树中，第 i 层最多有 2^(i-1) 个节点；深度为 k 的二叉树最多有 2^k-1 个节点。

二叉树的存储结构

在 C 语言中，二叉树通常有两种存储方式：顺序存储和链式存储。

顺序存储

顺序存储适用于完全二叉树，使用数组来存储节点，通过索引计算节点间的关系：

  • 若父节点索引为 i，则左孩子索引为 2i+1，右孩子索引为 2i+2
  • 若孩子节点索引为 i，则父节点索引为 (i-1)/2（整数除法）
// 顺序存储二叉树示例#defineMAX_SIZE100typedefchar BTDataType; BTDataType array[MAX_SIZE];int size;// 实际节点数量

顺序存储的优点是访问速度快，但对于非完全二叉树会浪费存储空间。

链式存储

链式存储是二叉树最常用的存储方式，通过指针建立节点间的联系：

// 二叉树节点结构定义typedefchar BTDataType;typedefstructBinaryTreeNode{ BTDataType data;// 节点数据structBinaryTreeNode* left;// 左孩子指针structBinaryTreeNode* right;// 右孩子指针} BTNode;

链式存储的优点是空间利用率高，适合各种类型的二叉树，也是我们接下来实现的重点。

二叉树的基本操作

1. 创建节点

创建新节点是所有操作的基础，需要为节点分配内存并初始化：

// 创建新节点 BTNode*BuyBTNode(BTDataType x){ BTNode* node =(BTNode*)malloc(sizeof(BTNode));if(node ==NULL){printf("malloc failed\n");exit(-1);} node->data = x; node->left =NULL; node->right =NULL;return node;}

2. 构建二叉树

手动构建一个简单的二叉树用于演示：

// 构建示例二叉树 BTNode*CreateBinaryTree(){ BTNode* nodeA =BuyBTNode('A'); BTNode* nodeB =BuyBTNode('B'); BTNode* nodeC =BuyBTNode('C'); BTNode* nodeD =BuyBTNode('D'); BTNode* nodeE =BuyBTNode('E'); BTNode* nodeF =BuyBTNode('F'); nodeA->left = nodeB; nodeA->right = nodeC; nodeB->left = nodeD; nodeB->right = nodeE; nodeC->left = nodeF;return nodeA;}

构建的二叉树结构如下：

 A / \ B C / \ / D E F

3. 遍历操作

遍历是二叉树最核心的操作，分为深度优先遍历和广度优先遍历两大类。

深度优先遍历

深度优先遍历又分为三种方式，区别在于访问根节点的时机：

// 前序遍历：根 -> 左 -> 右voidPreOrder(BTNode* root){if(root ==NULL){printf("NULL ");return;}printf("%c ", root->data);PreOrder(root->left);PreOrder(root->right);}// 中序遍历：左 -> 根 -> 右voidInOrder(BTNode* root){if(root ==NULL){printf("NULL ");return;}InOrder(root->left);printf("%c ", root->data);InOrder(root->right);}// 后序遍历：左 -> 右 -> 根voidPostOrder(BTNode* root){if(root ==NULL){printf("NULL ");return;}PostOrder(root->left);PostOrder(root->right);printf("%c ", root->data);}

对于前面构建的二叉树，三种遍历结果分别为：

  • 前序：A B D NULL NULL E NULL NULL C F NULL NULL NULL
  • 中序：NULL D NULL B NULL E NULL A NULL F NULL C NULL
  • 后序：NULL NULL D NULL NULL E B NULL NULL F NULL NULL C A
广度优先遍历（层序遍历）

层序遍历需要借助队列实现，按层次从左到右访问节点：

// 层序遍历voidLevelOrder(BTNode* root){if(root ==NULL)return;// 使用队列存储节点 Queue q;QueueInit(&q);QueuePush(&q, root);while(!QueueEmpty(&q)){ BTNode* front =QueueFront(&q);QueuePop(&q);printf("%c ", front->data);// 左孩子入队if(front->left)QueuePush(&q, front->left);// 右孩子入队if(front->right)QueuePush(&q, front->right);}QueueDestroy(&q);}

上述二叉树的层序遍历结果为：A B C D E F

4. 二叉树的其他常用操作

// 计算二叉树节点个数intBinaryTreeSize(BTNode* root){return root ==NULL?0:1+BinaryTreeSize(root->left)+BinaryTreeSize(root->right);}// 计算叶子节点个数intBinaryTreeLeafSize(BTNode* root){if(root ==NULL)return0;// 叶子节点：左右孩子都为空if(root->left ==NULL&& root->right ==NULL)return1;returnBinaryTreeLeafSize(root->left)+BinaryTreeLeafSize(root->right);}// 计算二叉树的高度intBinaryTreeHeight(BTNode* root){if(root ==NULL)return0;int leftHeight =BinaryTreeHeight(root->left);int rightHeight =BinaryTreeHeight(root->right);return leftHeight > rightHeight ? leftHeight +1: rightHeight +1;}// 查找值为x的节点 BTNode*BinaryTreeFind(BTNode* root, BTDataType x){if(root ==NULL)returnNULL;if(root->data == x)return root;// 先在左子树查找 BTNode* leftRet =BinaryTreeFind(root->left, x);if(leftRet !=NULL)return leftRet;// 再在右子树查找 BTNode* rightRet =BinaryTreeFind(root->right, x);if(rightRet !=NULL)return rightRet;returnNULL;}// 销毁二叉树voidBinaryTreeDestroy(BTNode** root){if(*root ==NULL)return;// 后序遍历销毁：先销毁孩子节点，再销毁根节点BinaryTreeDestroy(&(*root)->left);BinaryTreeDestroy(&(*root)->right);free(*root);*root =NULL;}

二叉树的应用场景

二叉树作为基础数据结构，有许多重要变种和应用：

  1. 二叉搜索树（BST）：左子树所有节点值小于根节点，右子树所有节点值大于根节点，支持 O (log n) 的插入、删除和查找操作。
  2. 表达式树：用于解析数学表达式，叶子节点是操作数，内部节点是运算符。
  3. Huffman 树：一种带权路径长度最短的二叉树，用于数据压缩算法。
  4. 线索二叉树：通过将空指针指向遍历序列中的前驱或后继节点，提高遍历效率。
  5. 平衡二叉树：如 AVL 树和红黑树，通过自平衡机制保持 O (log n) 的操作复杂度。

完整示例代码

下面是包含队列实现和二叉树所有操作的完整代码：

#include<stdio.h>#include<stdlib.h>#include<assert.h>// 二叉树节点结构定义typedefchar BTDataType;typedefstructBinaryTreeNode{ BTDataType data;structBinaryTreeNode* left;structBinaryTreeNode* right;} BTNode;// 队列结构定义（用于层序遍历）typedef BTNode* QDataType;typedefstructQueueNode{ QDataType data;structQueueNode* next;} QNode;typedefstructQueue{ QNode* head; QNode* tail;} Queue;// 队列操作函数声明voidQueueInit(Queue* q);voidQueueDestroy(Queue* q);voidQueuePush(Queue* q, QDataType x);voidQueuePop(Queue* q); QDataType QueueFront(Queue* q);intQueueEmpty(Queue* q);// 队列操作实现voidQueueInit(Queue* q){assert(q); q->head = q->tail =NULL;}voidQueueDestroy(Queue* q){assert(q); QNode* cur = q->head;while(cur){ QNode* next = cur->next;free(cur); cur = next;} q->head = q->tail =NULL;}voidQueuePush(Queue* q, QDataType x){assert(q); QNode* newNode =(QNode*)malloc(sizeof(QNode));if(newNode ==NULL){printf("malloc failed\n");exit(-1);} newNode->data = x; newNode->next =NULL;if(q->tail ==NULL){ q->head = q->tail = newNode;}else{ q->tail->next = newNode; q->tail = newNode;}}voidQueuePop(Queue* q){assert(q);assert(!QueueEmpty(q)); QNode* next = q->head->next;free(q->head); q->head = next;// 如果队列变空，tail也置空if(q->head ==NULL){ q->tail =NULL;}} QDataType QueueFront(Queue* q){assert(q);assert(!QueueEmpty(q));return q->head->data;}intQueueEmpty(Queue* q){assert(q);return q->head ==NULL;}// 二叉树操作函数 BTNode*BuyBTNode(BTDataType x){ BTNode* node =(BTNode*)malloc(sizeof(BTNode));if(node ==NULL){printf("malloc failed\n");exit(-1);} node->data = x; node->left =NULL; node->right =NULL;return node;} BTNode*CreateBinaryTree(){ BTNode* nodeA =BuyBTNode('A'); BTNode* nodeB =BuyBTNode('B'); BTNode* nodeC =BuyBTNode('C'); BTNode* nodeD =BuyBTNode('D'); BTNode* nodeE =BuyBTNode('E'); BTNode* nodeF =BuyBTNode('F'); nodeA->left = nodeB; nodeA->right = nodeC; nodeB->left = nodeD; nodeB->right = nodeE; nodeC->left = nodeF;return nodeA;}voidPreOrder(BTNode* root){if(root ==NULL){printf("NULL ");return;}printf("%c ", root->data);PreOrder(root->left);PreOrder(root->right);}voidInOrder(BTNode* root){if(root ==NULL){printf("NULL ");return;}InOrder(root->left);printf("%c ", root->data);InOrder(root->right);}voidPostOrder(BTNode* root){if(root ==NULL){printf("NULL ");return;}PostOrder(root->left);PostOrder(root->right);printf("%c ", root->data);}voidLevelOrder(BTNode* root){if(root ==NULL)return; Queue q;QueueInit(&q);QueuePush(&q, root);while(!QueueEmpty(&q)){ BTNode* front =QueueFront(&q);QueuePop(&q);printf("%c ", front->data);if(front->left)QueuePush(&q, front->left);if(front->right)QueuePush(&q, front->right);}QueueDestroy(&q);}intBinaryTreeSize(BTNode* root){return root ==NULL?0:1+BinaryTreeSize(root->left)+BinaryTreeSize(root->right);}intBinaryTreeLeafSize(BTNode* root){if(root ==NULL)return0;if(root->left ==NULL&& root->right ==NULL)return1;returnBinaryTreeLeafSize(root->left)+BinaryTreeLeafSize(root->right);}intBinaryTreeHeight(BTNode* root){if(root ==NULL)return0;int leftHeight =BinaryTreeHeight(root->left);int rightHeight =BinaryTreeHeight(root->right);return leftHeight > rightHeight ? leftHeight +1: rightHeight +1;} BTNode*BinaryTreeFind(BTNode* root, BTDataType x){if(root ==NULL)returnNULL;if(root->data == x)return root; BTNode* leftRet =BinaryTreeFind(root->left, x);if(leftRet !=NULL)return leftRet; BTNode* rightRet =BinaryTreeFind(root->right, x);if(rightRet !=NULL)return rightRet;returnNULL;}voidBinaryTreeDestroy(BTNode** root){if(*root ==NULL)return;BinaryTreeDestroy(&(*root)->left);BinaryTreeDestroy(&(*root)->right);free(*root);*root =NULL;}// 测试函数intmain(){ BTNode* root =CreateBinaryTree();printf("前序遍历: ");PreOrder(root);printf("\n");printf("中序遍历: ");InOrder(root);printf("\n");printf("后序遍历: ");PostOrder(root);printf("\n");printf("层序遍历: ");LevelOrder(root);printf("\n");printf("节点总数: %d\n",BinaryTreeSize(root));printf("叶子节点数: %d\n",BinaryTreeLeafSize(root));printf("树的高度: %d\n",BinaryTreeHeight(root)); BTDataType findVal ='E'; BTNode* found =BinaryTreeFind(root, findVal);if(found)printf("找到节点: %c\n", found->data);elseprintf("未找到节点: %c\n", findVal);// 销毁二叉树BinaryTreeDestroy(&root);assert(root ==NULL);printf("二叉树已销毁\n");return0;}

总结

二叉树作为一种灵活的数据结构，其核心价值在于它的递归特性和高效的遍历方式。本文从基本概念出发，详细介绍了二叉树的存储结构和常用操作，并通过完整的 C 语言代码实现了这些功能。

掌握二叉树不仅有助于理解更复杂的数据结构，也能培养递归思维和问题分解能力。在实际开发中，二叉树及其变种（如二叉搜索树、平衡二叉树）在处理动态数据集合时表现出色，能够提供高效的插入、删除和查询操作。

学习二叉树的关键在于理解其递归性质，大部分二叉树操作都可以通过递归优雅地实现。同时，熟练掌握四种遍历方式（前序、中序、后序、层序）对于解决二叉树相关问题至关重要。

Read more

企业级在线文档：ONLYOFFICE 核心优势深度解读与测评体验

企业级在线文档：ONLYOFFICE 核心优势深度解读与测评体验

在当今数字化转型的浪潮中，企业的办公模式正在经历从“单机作业”到“云端协同”的深刻变革。尤其是在混合办公、跨地域协作日益普遍的今天，寻找一款既能打破信息孤岛、提高团队协作效率，又能严格保障企业核心商业数据安全的文档处理引擎，成为了每一个 IT 架构师和企业决策者的核心诉求。 我们在评估过市面上众多协作工具后，最终将目光锁定在了 ONLYOFFICE 上。作为一款开源且功能强大的企业级在线文档套件，ONLYOFFICE 在实际业务场景中展现出了令人惊艳的稳定性和功能深度。今天，我就根据自己在企业内部署和试用 ONLYOFFICE 的第一手经验，从实时协作、数据安全、多设备支持等维度，深度解读它的核心优势，看看它是如何真正为企业降本增效的。 🚀 协同即生产力：极简且强大的实时协作体验 在企业日常运营中，最耗费精力的事情莫过于多部门共同编写同一份项目企划书或合并多张财务报表。传统模式下，文件需要在微信、邮件里丢来丢去，不仅版本极其容易混乱，沟通成本也高得惊人。而 ONLYOFFICE 作为一款企业级在线文档工具，完美地解决了这个痛点。 ONLYOFFICE 提供了两种非常贴合企业

By Ne0inhk
Flutter 组件 sqids 的适配 鸿蒙Harmony 实战 - 优雅地生成短 ID、保护业务隐私数据及不规则字符串混淆方案

Flutter 组件 sqids 的适配 鸿蒙Harmony 实战 - 优雅地生成短 ID、保护业务隐私数据及不规则字符串混淆方案

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 sqids 的适配 鸿蒙Harmony 实战 - 优雅地生成短 ID、保护业务隐私数据及不规则字符串混淆方案 前言 在互联网应用的 URL 设计或内部分配机制中，直接暴露数据库的自增 ID（如：domain.com/user/1024）是非常危险的行为。这不仅会让对手轻易推测出你的用户总量和业务规模，更可能由于不小心暴露了敏感资源的索引而引发安全风险。 sqids（原 Hashids 的进化版）是一款优雅的开源库，它能将一串数字（如 [1, 2, 3]）转化为一段极简、不规则且唯一的字符串（如 86Rf07）。 适配到 OpenHarmony 平台后，无论是在处理本地数据库的防爬虫索引，还是在多端协同的资源分享链接中，sqids 都提供了一套开箱即用、

By Ne0inhk
鸿蒙金融理财全栈项目——生态合作、用户运营、数据变现优化

鸿蒙金融理财全栈项目——生态合作、用户运营、数据变现优化

《鸿蒙APP开发从入门到精通》第24篇：鸿蒙金融理财全栈项目——生态合作、用户运营、数据变现优化 🚀🤝📈 内容承接与核心价值 这是《鸿蒙APP开发从入门到精通》的第24篇——生态合作、用户运营、数据变现优化篇，100%承接第23篇的性能优化、安全加固优化、合规审计优化架构，并基于金融场景的生态合作、用户运营、数据变现优化要求，设计并实现鸿蒙金融理财全栈项目的生态合作、用户运营、数据变现优化功能。 学习目标： * 掌握鸿蒙金融理财项目的生态合作设计与实现； * 实现生态合作协议、生态合作接口、生态合作数据； * 理解用户运营优化在金融场景的核心设计与实现； * 实现用户分群优化、用户画像优化、用户留存优化； * 掌握数据变现优化在金融场景的设计与实现； * 实现广告变现优化、付费变现优化、数据产品变现优化； * 优化金融理财项目的用户体验（生态合作、用户运营、数据变现优化）。 学习重点： * 鸿蒙金融理财项目的生态合作设计原则； * 用户运营优化在金融场景的应用； * 数据变现优化在金融场景的设计要点。 一、 生态合作基础 🎯 1.1 生态

By Ne0inhk