【数据结构】二叉树进阶：层序遍历不仅是按层打印，更是形态判定的利器！-Seo优化-塔城地区网站建设公司

🏠 个人主页:EXtreme35

📚 个人专栏:

专栏名称	专栏主题简述
《C语言》	C语言基础、语法解析与实战应用
《数据结构》	线性表、树、图等核心数据结构详解
《题解思维》	算法思路、解题技巧与高效编程实践

- 一、构建基石——队列的链式实现
- - 1.1 队列结构定义
  - 1.2 关键接口实现
- 二、层序遍历的算法逻辑
- - 2.1 算法流程
  - 2.2 代码实现
- 三、核心进阶——判定完全二叉树
- - 3.1 洞察：完全二叉树的“连续性”
  - 3.2 那些“看似可行”但不适合的经典思路
  - - 避坑思路一：仅通过“节点总数”判断
    - 避坑思路二：仅比较左右子树的高度差
  - 3.3 判定的绝妙思路
  - - 判定代码实现
- 四、总结与复杂度分析
- - 4.1 复杂度
  - 4.2 核心要点

引言

在二叉树的算法体系中，深度优先遍历（如前、中、后序遍历）通常利用递归实现，其核心在于“纵向深度”。然而，在处理如“按层打印”或“判定树形态”的问题时，我们需要另一种视角——层序遍历（Level Order Traversal）。

层序遍历是一种广度优先搜索（BFS），它按照从上到下、从左到右的顺序访问每一个节点。为了实现这一逻辑，我们需要借助一种“先进先出”的数据结构：队列。

一、构建基石——队列的链式实现

在 C 语言中，为了高效地实现层序遍历，我们首先需要构建一个健壮的队列。相比数组，链式队列在频繁入队和出队时具有更好的性能表现。

1.1 队列结构定义

这里参考我之前手撕队列（Queue）的博客。

之前我们只是简单的给每个节点存储了int值，这时候就体现出typedef的优点了，现在队列的每个节点存储的是二叉树节点的指针struct BinTreeNode*，只需要修改一行代码就可以。

typedefstructBinTreeNode*QDataType;

而队列其他的结构就不需要修改了。

typedefstructQueueNode{structQueueNode*next;QDataType val;}QNode;typedefstructQueue{QNode*phead;QNode*ptail;intsize;}Queue;

1.2 关键接口实现

层序遍历依赖以下核心接口：

QueuePush：将节点指针入队。
QueuePop：将队头元素出队。
QueueFront：获取当前待处理的节点。
QueueEmpty：判断当前层是否处理完毕。

这里就不给出代码了，因为不是重点，可以看一下手撕队列（Queue）这篇文章。

二、层序遍历的算法逻辑

层序遍历的核心思想是：“在队列中出一个节点，带入它的左右孩子”。

2.1 算法流程

将根节点入队。
只要队列不为空，执行循环：
- 提取队头节点front并将其出队。
- 访问该节点（例如打印其数据）。
- 若左孩子存在，左孩子入队。
- 若右孩子存在，右孩子入队。

2.2 代码实现

voidTreeLevelOrder(BTNode*root){Queue q;// 声明一个队列QueueInit(&q);// 初始化队列，将头尾指针置空，size置0// 如果根节点不为空，则将根节点入队if(root)QueuePush(&q,root);// 只要队列不为空，就继续遍历while(!QueueEmpty(&q)){// 1. 获取当前队头存储的二叉树节点BTNode*front=QueueFront(&q);// 2. 将该节点从队列中弹出QueuePop(&q);// 3. 访问该节点（此处为打印节点存储的数据）printf("%d ",front->data);// 4. 关键逻辑：按照“左孩子先入，右孩子后入”的原则// 这样在下一层遍历时，依然能保持从左到右的顺序if(front->left)QueuePush(&q,front->left);// 若左子树非空，入队if(front->right)QueuePush(&q,front->right);// 若右子树非空，入队}// 遍历结束，销毁队列释放内存QueueDestroy(&q);}

三、核心进阶——判定完全二叉树

完全二叉树（Complete Binary Tree）要求：除了最后一层外，其他各层节点全满，且最后一层的节点必须连续集中在左侧。这时候就有这么几种情况：

3.1 洞察：完全二叉树的“连续性”

完全二叉树的定义要求：除了最后一层外，其他各层节点全满，且最后一层的节点必须连续集中在左侧。

如果我们进行层序遍历，并允许将空节点（NULL）也推入队列，你会发现：
- 完全二叉树：在遍历序列中，所有的非空节点一定是连续的。一旦遇到第一个NULL，后面应该全是NULL。
- 非完全二叉树：在遇到第一个NULL之后，序列中还会出现非空节点（即“空隙”）。

3.2 那些“看似可行”但不适合的经典思路

在判断完全二叉树时，初学者常会尝试用一些简单的属性（如树高、节点数）来推导，但这些思路往往存在逻辑漏洞。

避坑思路一：仅通过“节点总数”判断

思路描述：计算树的高度h hh和总节点数n nn。如果2 h − 1 ≤ n ≤ 2 h − 1 2^{h-1} \le n \le 2^h - 12h−1≤n≤2h−1，则判定为完全二叉树。
为何不适合：这个范围是完全二叉树的必要条件，但不是充分条件。例如上图第二个
- 反例：一棵树高度为 3，节点总数为 4。虽然满足4 ≤ 4 ≤ 7 4 \le 4 \le 74≤4≤7，但如果这 4 个节点全部偏向右侧（例如根节点的左子树为空），它依然不是完全二叉树。单靠数量无法限制节点的“左对齐”特性。

避坑思路二：仅比较左右子树的高度差

思路描述：认为完全二叉树左右子树高度差绝对值不超过 1。
为何不适合：这混淆了“平衡二叉树”和“完全二叉树”的概念。
- 反例：即使左右子树高度差为 0（如满二叉树缺少了倒数第二层的某个中间节点），只要最后一层的节点不连续，它就不是完全二叉树。

3.3 判定的绝妙思路

在层序遍历时，如果我们不论节点是否为空（NULL）都将其推入队列，完全二叉树会呈现出一种独特的性质：

完全二叉树：所有非空节点在队列中是连续的，一旦遇到NULL，之后队列中剩下的必须全部是NULL。
非完全二叉树：在遇到第一个NULL后，队列中后续还会出现非空节点。

那有的人就会觉得这个思路也不完整，万一出现上图第三个那种情况呢？
这么思考一下，最下层孩子节点在其父亲节点出队的时候，就已经入队了，而下一个节点为空，此时队列不空，所以不是完全二叉树。
就算你在最下层节点再加孩子节点也一样，因为只要第一个是空，后续必须全空，只要队列有一个元素，那也就能直接判断了。

判定代码实现

该算法分为两个阶段：第一阶段寻找第一个NULL；第二阶段检查NULL之后是否还有有效节点。

boolTreeComplete(BTNode*root){Queue q;QueueInit(&q);if(root)QueuePush(&q,root);// 第一阶段：层序遍历，直到遇到第一个 NULL 节点while(!QueueEmpty(&q)){BTNode*front=QueueFront(&q);QueuePop(&q);if(front==NULL){break;// 遇到第一个空，进入第二阶段校验}// 无论左右子节点是否为空，统一入队QueuePush(&q,front->left);QueuePush(&q,front->right);}// 第二阶段：检查队列中剩余的元素while(!QueueEmpty(&q)){BTNode*front=QueueFront(&q);QueuePop(&q);// 如果在 NULL 之后又发现了有效节点，则不是完全二叉树if(front){QueueDestroy(&q);returnfalse;}}QueueDestroy(&q);returntrue;}