前言：
可能你会有几年的项目经验，可能在你公司里面也是技术领域的佼佼者，但是这篇二分查找树，你可能不一定都会。
特别注意：文中图片都是动态图，如果看的时候没有看出效果，请刷新一下试试
咱们废话不多说，开整！
二分查找树是个啥？
二分查找树（binary search tree），也叫二分搜索树。可以说是二叉树的一个应用，也是二叉树的一种数据结构，如图：
特点：
对于每一个结点，左孩子小于该节点，有孩子大于该结点。
既然是二叉树，同样是一种动态数据结构，可以使用结点类来存放每个结点，如下：
classNode{
Ee;
Node left;//左孩子
Node right;//右孩子
}
树的这种结构，非常适合递归来实现各种操作，往往也是令人迷惑的场面。如果没有养成递归思想，对树的这种递归操作往往会感到迷惑，下面将剖析各种递归操作。
二分查找树的 add 操作
递归开始于 根节点，通过 return 将 新结点 链入到二叉树中。其中的情形 ① 和 ② 是递归的基准情形，递归调用在情形 ③ 和 ④ 中进行。
privateNodeadd(Node node, E e){
if(node ==null) {
size++;
returnnewNode(e);
}
if(e.compareTo(node.e) <0) {
node.left =add(node.left, e);
}
if(e.compareTo(node.e) >0){
node.right =add(node.right, e);
}
returnnode;
}
Tips: 比较结点值得大小时，我们不能使用基本的操作符（我们类型选用泛型，只能是包装类和引用类，对象大小比较不能用基本操作符）；需要使用 comparable 类中得 comparaTo()
二分查找树的 contains 操作
二分查找树给二叉树了一个存储的顺序，使得我们对二叉树的操作变得更简单。
查询操作未对二叉树进行更改，所以不需要 return 结点，只需要通过返回的 布尔值 来判度查找结果。
privateboolean contains(Node node, E e) {
if(node ==null) {
returnfalse;
}elseif(e.compareTo(node.e) ==0) {
returntrue;
}elseif(e.compareTo(node.e) <0) {
returncontains(node.left, e);
}else{
returncontains(node.right, e);
}
}
二分查找树的深度遍历
先根遍历（DLR），又名先序遍历：先访问根结点，再遍历左子树，遍历右子树。
图中出现的二叉树，使用先根遍历结果为：53 12 9 14 64 78
private void perOrder(Node node) {
//DLR
if(node ==null)
return;
else{
System.out.print(node.e+" ");
perOrder(node.left);
perOrder(node.right);
}
}
中序遍历（LDR），又名对称遍历：先遍历左子树，再访问根结点，遍历右子树。
图中出现的二叉树，使用中遍历结果为：9 12 14 53 64 78
private void inOrder(Node node) {
//LDR
if(node ==null)
return;
else{
inOrder(node.left);
System.out.print(node.e+" ");
inOrder(node.right);
}
}
后序遍历（LRD）：先遍历左子树，再遍历右子树，再访问根结点。
图中出现的二叉树，使用后序遍历结果为：9 14 12 78 64 53
private void postOrder(Node node) {
//LRD
if(node ==null)
return;
else{
postOrder(node.left);
postOrder(node.right);
System.out.print(node.e+" ");
}
}
看了三种遍历方式，发现虽然顺序有差异，但在编程时，集中体现为打印语句的顺序不同；正是由于递归调用前后语句的执行深度和顺序不同，支持了树的深度遍历。
Tips: 深度遍历是根据递归来定义的，默认的方向是从左到右遍历，也可以从右向左遍历，称这种遍历顺序为逆序遍历。
深度优先遍历非递归实现
先序遍历（DLR）：利用队列来辅助实现遍历
算法思路
将根结点入队，当队列不为空时，重复下面步骤：
① 出队队头结点
② 打印队头结点
③ 判断队头结点左子树是否为空。如果左子树为空，入队队头结点的右子树（若右子树不为空）；否则，入队队头结点的左子树和右子树（若右子树不为空），同时，保证左子树永远在队头
public void preOrder() {
//先序遍历（前序遍历）
if(root ==null)
return;
Queue que =newLinkedList<>();
que.add(root);
while(!(que.isEmpty())) {
Node node = que.remove();
if(node.left ==null) {
System.out.print(node.e+" ");
if(node.right !=null)
que.add(node.right);
}else{
System.out.print(node.e+" ");
int n = que.size();
que.add(node.left);
if(node.right !=null)
que.add(node.right);
for(int i =0; i < n; i++) {
que.add(que.remove());
}
}
}
}
中序遍历（LDR）：利用栈来实现遍历
算法思路
从根节点开始，当结点不为空或者栈不为空时，重复下面步骤：
① 当前结点不为空，入队当前结点，遍历左子树至空树
② 当前结点为空，出队栈顶结点并打印，遍历右子树
publicvoidinOrder(){
Stackstack=newStack<>();
Node node = root;
while(node != null || !(stack.isEmpty())) {
if(node != null) {
stack.push(node);
node = node.left;
}else{
node =stack.pop();
System.out.print(node.e+" ");
node = node.right;
}
}
}
后序遍历（LRD）：利用栈来实现遍历
算法思路
从根节点开始，当结点不为空或者栈不为空时，重复下面步骤：
① 当前结点不为空，入栈当前结点和有孩子（右孩子不为空），遍历右子树至空树
② 当前结点为空，栈顶元素右子树为空或者右孩子刚访问过了，出栈并打印栈顶结点，将当前结点设置为刚被访问；否则，遍历右子树
public void postOrder() {
//后序遍历（后根遍历）
Stack stack =newStack<>();
Node node = root;
Node visited =null;
while(node!=null|| !stack.isEmpty()) {
if(node !=null) {
stack.push(node);
if(node.right !=null)
stack.push(node.right);
node = node.left;
}else{
node = stack.pop();
if(node.right ==null|| node.right == visited) {
System.out.print(node.e+" ");
visited = node;
node =null;
}else{
stack.push(node);
node = node.right;
}
}
}
}
二分查找树广度优先遍历
广度优先遍历，又名层次遍历，按照每一层一次遍历所有结点，这里我们借助队列来实现。
从根结点开始，首先入队根结点，重复下面步骤：如果队头结点左右孩子不为空，出队头结点并打印，入队左右孩子结点；否则出队头结点并打印。
public void levelOrder() {
//层序遍历
Queue temporary =newLinkedList<>();
temporary.add(root);
while(!temporary.isEmpty()) {
Node node = temporary.remove();
if(node.left !=null)
temporary.add(node.left);
if(node.right !=null) {
temporary.add(node.right);
}
System.out.print(node.e+" ");
}
}
minimum 和 maximum
minimum 和 maximum 表示二叉查找树中的最小值和最大值，关于最大值和最小值有两种操作，查找二叉查找树中的最大值和最小值，并可以删除最大值，最小值。
查询 minimum 和 maximum
二叉查找树中的最大值和最小值，必定为深度最大的左子树和深度最大的右子树，这样直接使用递归就可以进行操作，查询并没有改变二叉树，所以无需改变根结点。
privateNode minimum(Node node) {
if(node.left !=null) {
returnminimum(node.left);
}else{
returnnode;
}
}
privateNode maximum(Node node) {
if(node.right !=null) {
returnmaximum(node.right);
}else{
returnnode;
}
}
删除 minimum 和 maximum
删除操作会改变二叉查找树的结点，首先遍历左（右）子树，至空树（即到达二分查找树的最大和最小值结点），将最小值（最大值）接点的右子树链入到前驱结点。
privateNoderemoveMinimum(Nodenode) {
if(node.left== null) {
NoderightNode = node.right;
node.right= null;
size--;
returnrightNode;
}else{
node.left= removeMinimum(node.left);
returnnode;
}
}
privateNoderemoveMaximum(Nodenode) {
if(node.right== null) {
NodeleftNode = node.right;
node.left= null;
size--;
returnleftNode;
}else{
node.right= removeMaximum(node.right);
returnnode;
}
}
Tips: 删除结点时，并不能采用循环迭代方法查找并将结点值置为 null 来完成删除；我们在所有的二叉树代码中看到的都是结点的引用，并不能删除结点，我们只能改变结点的引用，将其指向 null，并将删除结果链入二叉树中，没有引用指向的结点 ，会被垃圾回收机制回收。
删除二叉树的任意结点
首先，我们了解一下删除的规则：
① 要删除的结点没有右子树，直接将要删除结点的左子树链入到前驱结点的左子树
② 要删除的结点没有左子树，直接将要删除结点的右子树链入到前驱结点的右子树
③ 要删除的结点有右子树，找到其右子树中的最小值结点，用最小值结点替换要删除的结点，同时，将右子树中的最小值结点删除掉
在删除结点时，我们首先要定位删除结点，根据结点值来遍历左子树和右子树，来找到并删除该节点。
privateNoderemoveNode(Nodenode,Ee) {
if(node == null)
returnnull;
if(e.compareTo(node.e) >0) {
node.right= removeNode(node.right,e);
returnnode;
}elseif(e.compareTo(node.e) <0) {
node.left= removeNode(node.left,e);
returnnode;
}else{
if(node.left== null) {
NoderightNode = node.right;
node.right= null;
size--;
returnrightNode;
}
if(node.right== null) {
NodeleftNode = node.left;
node.left= null;
size--;
returnleftNode;
}
NodeminNode = minimum(node.right);
minNode.right= removeMinimum(node.right);
minNode.left= node.left;
returnminNode;
}
}
打印树形二分查找树
通过二叉树中结点的深度不同，利用逆中序遍历，可以打印逆置 90° 的二叉树：
打印顺序：78 64 53 14 12 9（逆中序遍历）。每次只打印一个结点。
publicvoidprintTree(){
printTree(root,0);
}
privatevoidprintTree(Node node,intn){
if(node ==null) {
return;
}
printTree(node.right, n+1);
for(inti =0; i < n; i++) {
System.out.print("\t");
}
System.out.println(node.e);
printTree(node.left, n+1);
}
至此，关于二分查找树的实现思路和源码都讲完了。还是那句话，如果觉得本文对你有利，请帮忙转发让更多人看到，喜欢石头的也可以关注一下，持续输出干货！
原文链接：
https://blog.csdn.net/weixin_42089228/article/details/106290387