二叉树是一种很重要的数据结构，对于二叉树的遍历，有深度优先遍历和广度优先遍历，深度优先遍历又有先序、中序、后续遍历，广度优先遍历就是按层遍历。
1. 深度优先遍历
深度优先遍历，也就是先序、中序、后续遍历，我之前有一篇随笔已经说的很清楚了，在这里我只贴下代码就好了。
传送门：详细教你实现BST(二叉排序树)
在这里我依然用之前建立好的Node、Stack、BST结构来实现代码。
class Node {constructor(data, leftNode, rightNode) {this.data = datathis.leftNode = leftNodethis.rightNode = rightNode}print () {return this.data}}class Stack {constructor() {this.arr = []}pop () {return this.arr.shift()}push (data) {this.arr.unshift(data)}isEmpty () {return this.arr.length == 0}}class BST {constructor() {this.root = null}insert (data) {...}preOrder () {...}inOrder () {...}postOrder () {...}...}
先是先序、中序、后序遍历的递归实现，很简单。
// 递归先序function preOrderFn (node) {if (node) {console.log(node.print())preOrderFn(node.leftNode)preOrderFn(node.rightNode)}}// 递归中序function inOrderFn (node) {if (node) {inOrderFn(node.leftNode)console.log(node.print())inOrderFn(node.rightNode)}}// 递归后续function postOrderFn (node) {if (node) {postOrderFn (node.leftNode)postOrderFn (node.rightNode)console.log(node.print())}}
然后就是先序、中序、后续遍历的非递归实现了。详细的解释和说明，点击上面的传送门就有了，这里不过多赘述。
// 非递归先序function PreOrderWithoutRecursion (root) {if (!root)returnvar parentNode = rootvar stack = new Stack()while (parentNode || !stack.isEmpty()) {// 一直遍历到左子树的最下面，一边打印data,将一路遍历过的节点push进栈中if (parentNode) {console.log(parentNode.data)stack.push(parentNode)parentNode = parentNode.leftNode}// 当parentNode为空时，说明已经达到了左子树的最下面，可以出栈操作了else {parentNode = stack.pop()// 进入右子树，开始新一轮循环parentNode = parentNode.rightNode}}}// 非递归中序function inOrderWithoutRecursion (root) {if (!root)returnvar parentNode = rootvar stack = new Stack()while (parentNode || !stack.isEmpty()) {// 一直遍历到左子树的最下面，将一路遍历过的节点push进栈中if (parentNode) {stack.push(parentNode)parentNode = parentNode.leftNode}// 当parentNode为空时，说明已经达到了左子树的最下面，可以出栈操作了else {parentNode = stack.pop()console.log(parentNode.data)// 进入右子树，开始新一轮循环parentNode = parentNode.rightNode}}}// 非递归后续function PostOrderWithoutRecursion (root) {if (!root)returnvar parentNode = rootvar stack = new Stack()var lastVisitNode = nullwhile (parentNode || !stack.isEmpty()) {if (parentNode) {stack.push(parentNode)parentNode = parentNode.leftNode}else {parentNode = stack.pop()// 如果当前节点没有右节点或者是右节点被访问过，则访问当前节点if (!parentNode.rightNode || parentNode.rightNode.data == lastVisitNode.data) {console.log(parentNode.data)lastVisitNode = parentNode}// 访问右节点else {stack.push(parentNode)parentNode = parentNode.rightNodewhile (parentNode) {parentNode = parentNode.leftNode}}}}}
2. 广度优先遍历
其实这片随笔有点打酱油了，只说了两个遍历，还有一个是在以前实现过的。
广度优先遍历，顾名思义，就是横向先遍历，也就是按层次遍历，从根节点往下，对每一层依此访问，在每一层中从左到右（也可以从右到左）遍历，遍历完一层就进入下一层，直到没有节点。
之前讲深度优先非递归遍历的时候，我们用到了一个栈的数据结构，到了广度优先遍历的时候，我们就要用到队列这个数据结构。
为什么上一次用栈，这一次就要用到队列了呢？
拿非递归中序遍历举例，我们每遍历到一个节点就要进行入栈操作，遍历完左节点之后，还需要找到根节点，再通过根节点找到右节点，所以我们需要最后遍历到的节点在这个数据结构的最顶端，这不就是栈吗？
先把我们的队列的数据结构先建立起来再说。依然用数组模拟队列的操作。
class Queue {constructor () {this.arr = []}enqueue (data) {return this.arr.push(data)}dequeue () {return this.arr.shift()}isEmpty () {return this.arr.length == 0}}
为什么要用队列呢，我们按层次遍历，首先遍历根节点，然后左子树，右子树，然后左子树的左子树，左子树的右子树，右子树的左子树，依此类推。每遍历到一个节点，就将它存在一个数据结构里，先把它的前面的节点遍历完，才能遍历它，也就是一个先进先出（FIFO）的遍历方式，这不就是队列吗？
说下思路：首先现将根节点做入队操作，队列里的节点表示我们要遍历的节点，所以队列为空的时候也就是没有节点可以遍历了，即队列不为空的时候循环遍历整个队列。首先我们取出队列的第一个节点，也就是对这个队列做出队操作，访问这个节点的值，如果这个节点存在左子树，那么将它的左子树放在队列的末尾，也就是对左子树做入队操作，右子树同理。
思路很简单，实现起来不难：
class BST {constructor() {this.root = null}// 广度优先遍历levelOrderTraversal () {levelOrderTraversalFn(this.root)}insert (data) {...}preOrder () {...}inOrder () {...}postOrder () {...}find (data) {..}getMax () {...}getMin () {...}deleteNode (data) {...}depth () {...}nodeCount () {...}}// 广度优先遍历function levelOrderTraversalFn (node) {if(!node) {return}var que = new Queue()que.enqueue(node)while(!que.isEmpty()) {node = que.dequeue()console.log(node.data)if(node.leftNode) que.enqueue(node.leftNode)if(node.rightNode) que.enqueue(node.rightNode)}}
我们试一下：
没错，那我们的广度优先遍历也就写完了。
如果觉得《二叉树的深度优先遍历和广度优先遍历》对你有帮助，请点赞、收藏，并留下你的观点哦！
