接下来让我们一起来探讨js数据结构中的树。这里的树类比现实生活中的树，有树干，树枝，在程序中树是一种数据结构，对于存储需要快速查找的数据非有用，它是一种分层数据的抽象模型。一个树结构包含一系列存在父子关系的节点。每个节点都有一个父节点以及零个或多个子节点。如下所以为一个树结构：)
- 和树相关的概念：1.子树：由节点和他的后代构成，如上图标示处。2.深度：节点的深度取决于它祖节点的数量，比如节点5有2个祖节点，他的深度为2。3.高度：树的高度取决于所有节点深度的最大值。
二叉树和二叉搜索树介绍
二叉树中的节点最多只能有2个子节点，一个是左侧子节点，一个是右侧子节点，这样定义的好处是有利于我们写出更高效的插入，查找，删除节点的算法。二叉搜索树是二叉树的一种，但是它只允许你在左侧子节点存储比父节点小的值，但在右侧节点存储比父节点大的值。接下来我们将按照这个思路去实现一个二叉搜索树。
1. 创建BinarySearchTree类
这里我们将使用构造函数去创建一个类：
- function BinarySearchTree(){
- // 用于创建节点的类
- let Node = function(key) {
- this.key = key;
- this.left = null;
- this.right = null;
- }
- // 根节点
- let root = null;
- }
我们将使用和链表类似的指针方式去表示节点之间的关系，如果不了解链表，请看我后序的文章《如何实现单向链表和双向链表》。
2.插入一个键
- // 插入一个键
- this.insert = function(key) {
- let newNode = new Node(key);
- root === null ? (root = newNode) : (insertNode(root, newNode))
- }
向树中插入一个新的节点主要有以下三部分：1.创建新节点的Node类实例 --> 2.判断插入操作是否为根节点,是根节点就将其指向根节点 --> 3.将节点加入非根节点的其他位置。
insertNode的具体实现如下：
- function insertNode(node, newNode){
- if(newNode.key < node.key) {
- node.left === null ? (node.left = newNode) : (insertNode(node.left, newNode))
- }else {
- node.right === null ? (node.right = newNode) : (insertNode(node.right, newNode))
- }
- }
这里我们用到递归，接下来要实现的search，del等都会大量使用递归，所以说不了解的可以先自行学习了解。我们创建一个二叉树实例，来插入一个键：
- let tree = new BinarySearchTree();
- tree.insert(20);
- tree.insert(21);
- tree.insert(520);
- tree.insert(521);
插入的结构会按照二叉搜索树的规则去插入，结构类似于上文的第一个树图。
树的遍历
访问树的所有节点有三种遍历方式：中序，先序和后序。
- 中序遍历：以从最小到最大的顺序访问所有节点
- 先序遍历：以优先于后代节点的顺序访问每个节点
- 后序遍历：先访问节点的后代节点再访问节点本身
根据以上的介绍，我们可以有以下的实现代码。
1 中序排序
- this.inOrderTraverse = function(cb){
- inOrderTraverseNode(root, cb);
- }
- // 辅助函数
- function inOrderTraverseNode(node, cb){
- if(node !== null){
- inOrderTraverseNode(node.left, cb);
- cb(node.key);
- inOrderTraverseNode(node.right, cb);
- }
- }
使用中序遍历可以实现对树进行从小到大排序的功能。
2 先序排序
- // 先序排序 --- 优先于后代节点的顺序访问每个节点
- this.preOrderTraverse = function(cb) {
- preOrderTraverseNode(root, cb);
- }
- // 先序排序辅助方法
- function preOrderTraverseNode(node, cb) {
- if(node !== null) {
- cb(node.key);
- preOrderTraverseNode(node.left, cb);
- preOrderTraverseNode(node.right, cb);
- }
- }
使用先序排序可以实现结构化输出的功能。
3 后序排序
- // 后续遍历 --- 先访问后代节点，再访问节点本身
- this.postOrderTraverse = function(cb) {
- postOrderTraverseNode(root, cb);
- }
- // 后续遍历辅助方法
- function postOrderTraverseNode(node, cb) {
- if(node !== null){
- postOrderTraverseNode(node.left, cb);
- postOrderTraverseNode(node.right, cb);
- cb(node.key);
- }
- }
后序遍历可以用于计算有层级关系的所有元素的大小。
搜索树中的值
在树中有三种经常执行的搜索类型：最大值，最小值，特定的值。
1 最小值
最小值通过定义可以知道即是左侧树的最底端的节点，具体实现代码如下：
- // 最小值
- this.min = function(){
- return minNode(root)
- }
- function minNode(node) {
- if(node) {
- while(node && node.left !== null){
- node = node.left;
- }
- return node.key
- }
- return null
- }
相似的，实现最大值的方法如下：
- // 最大值
- this.max = function() {
- return maxNode(root)
- }
- function maxNode(node) {
- if(node){
- while(node && node.right !== null){
- node = node.right;
- }
- return node.key
- }
- return null
- }
2.搜索一个特定的值
- // 搜索树中某个值
- this.search = function(key) {
- return searchNode(root, key)
- }
- // 搜索辅助方法
- function searchNode(node, key){
- if(node === null) {
- return false
- }
- if(key < node.key) {
- return searchNode(node.left, key)
- } else if(key > node.key) {
- return searchNode(node.right, key)
- }else {
- return true
- }
- }
3 移除一个节点
- this.remove = function(key){
- root = removeNode(root, key);
- }
- // 发现最小节点
- function findMinNode(node) {
- if(node) {
- while(node && node.left !== null){
- node = node.left;
- }
- return node
- }
- return null
- }
- // 移除节点辅助方法
- function removeNode(node, key) {
- if(node === null) {
- return null
- }
- if(key < node.key){
- node.left = removeNode(node.left, key);
- return node
- } else if( key > node.key){
- node.right = removeNode(node.right, key);
- return node
- } else {
- // 一个页节点
- if(node.left === null && node.right === null) {
- node = null;
- return node
- }
- // 只有一个子节点的节点
- if(node.left === null) {
- node = node.right;
- return node
- }else if(node.right === null) {
- node = node.left;
- return node
- }
- // 有两个子节点的节点
- let aux = findMinNode(node.right);
- node.key = aux.key;
- node.right = removeNode(node.right, aux.key);
- return node
- }
- }
删除节点需要考虑的情况比较多，这里我们会使用和min类似的实现去写一个发现最小节点的函数，当要删除的节点有两个子节点时，我们要将当前要删除的节点替换为子节点中最大的一个节点的值，然后将这个子节点删除。
至此，一个二叉搜索树已经实现，但是还存在一个问题，如果树的一遍非常深，将会存在一定的性能问题，为了解决这个问题，我们可以利用AVL树，一种自平衡二叉树，也就是说任何一个节点的左右两侧子树的高度之差最多为1。
