二叉树(Binary Tree) 是非常基础的数据结构。平衡树可以让树的查找，更新，插入，删除都是O(logN)的复杂度。
二叉树的基本实现是比较简单的。然而对于Rust，因为所有权(ownership)和借用检查(borrow check) 机制，会比普通的语言稍微"麻烦"一点。leetcode 上有很多二叉树的题目，本文采用leetcode定义的 tree 节点类型。一方面是 leetcode 的定义可以方便刷题，另一方面会涉及到rust语言特性，可以练习。
Note: leetcode上定义的rust treenode节点，并不是特别match rust的特性，原因参考
本文的主要内容如下：
- 二叉树节点定义，使用rust 如何定义二叉树节点
- 二叉树的遍历，dfs(先序，中序，后序)，bfs(层序) 的写法，递归和迭代的异同
- 二叉树的树形打印，方便直观的看到一颗二叉树的拓扑形状
- 根据一个数组构建一颗二叉树，即Leetcode二叉树的输入，方便离线环境刷题
树节点定义
Leetcode 几乎给出了其支持语言的树节点的定义。如 python 的节点
class TreeNode:
def __init__(self, x):
self.val = x
self.left = None
self.right = None
python节点很简单，定义一个 class，属性分别是节点值，左右子树。
golang 的节点
type TreeNode struct {
Val int
Left *TreeNode
Right *TreeNode
}
golang节点也不复杂，定义一个结构体，也是三个字段，分表是数据值，左右子树的节点指针。之所以左右子树用指针。TreeNode是递归定义，TreeNode如果还没声明，是无法在其字段中定义声明的。
然而 rust的节点定义，却看起来稍微复杂：
#[derive(Debug, PartialEq, Eq)]
pub struct TreeNode {
pub val: i32,
pub left: Option<Rc<RefCell<TreeNode>>>,
pub right: Option<Rc<RefCell<TreeNode>>>,
}
impl TreeNode {
#[inline]
pub fn new(val: i32) -> Self {
TreeNode {
val,
left: None,
right: None
}
}
}
#[derive(Debug, PartialEq, Eq)]然后定义 TreeNode 节点的时候，有了三层。
- Option<T> 一种枚举，有两个变体 Some(T) 和 None。有值的时候使用 Some 包装，无值的时候使用 None。类似 python 的 None 和 golang 的nil，但与它们有本质的区别。
- Rc 是一种智能指针，可以共享所有权。rust 的变量和其值是绑定关系，每个值都有管理其所有权的变量。Rc是 （Reference Count）引用计数，它可以有多个所有权引用。但是Rc包装的内容不可变。
- 因为Rc包装的内容不能改变，而 treenode 会变更其左右子树，因此 RefCell 提供了内部可变性。
Option比较好理解，下面分别对剩下两个原因进行代码演示。为了方便演示，定义下面的简化结构。
#[derive(Debug)]
struct TreeNode {
val: i32
}
let t1 = TreeNode{val:1};
println!("{:?}", t1); // 输出： TreeNode { val: 1 }
定义一个 t1 变量，然后绑定一个 TreeNode 实例。通常 tree 的遍历需要使用栈。
let t1 = TreeNode{val:1};
println!("{:?}", t1);
let mut stack = vec![];
stack.push(t1);
println!("{:?}", t1);
stack.push(t1)println!17 | let t1 = TreeNode{val:1};
| -- move occurs because `t1` has type `TreeNode`, which does not implement the `Copy` trait
...
21 | stack.push(t1);
| -- value moved here
22 |
23 | println!("{:?}", t1);
| ^^ value borrowed here after move
使用 Rc 就能保持多个所有权引用。
let t1 = Rc::new(TreeNode{val:1}); // 使用 Rc 包装 TreeNode
let mut stack = vec![];
stack.push(t1.clone()); // 增加 t1 的引用计数，其堆上的数据不变。
println!("{:?}", t1); // TreeNode { val: 1 }
println!("{:?}", Rc::strong_count(&t1)) // 2
t1.clone()Rc::clone(&t1).clone.clone.clone到目前为止，一切顺利。实际上，我们对树节点除了一般的查找，还会更新。也就是会更新 TreeNode内部字段的值。下面的代码将不会编译通过：
let mut t1 = Rc::new(TreeNode{val:1});
let mut stack = vec![];
stack.push(t1.clone());
println!("{:?}", t1); // TreeNode { val: 1 }
println!("{:?}", Rc::strong_count(&t1)); // 2
t1.val = 12;
// t1.deref().val = 12;
// t1.borrow() = 12;
// t1.borrow_mut() = 12;
t1.val 可以读到值。因为 Rc 实现了 Deref trai，会自动解引用。但是不代表可以 t1.val 直接赋值修改。变量 mut t1 的修饰表示 t1 可以重新赋值别的值，但是还是不能修改其自生内部字段的值。同样的，t1.deref 和 t1.borrow t1.borrow_mut 得到的 &TreeNode ，但是依然都无法修改 val 的值。
想要修改 TreeNode 内部字段的值，就需要 RefCell 结构。
let t1 = Rc::new(RefCell::new(TreeNode{val:1})); // 增加 RefCell 包装
let mut stack = vec![];
stack.push(t1.clone());
println!("{:?}", t1); // TreeNode { val: 1 }
println!("{:?}", Rc::strong_count(&t1)); // 2
t1.borrow_mut().val = 12; // 通过 borrow_mut 方法获取 RefMut<TreeNode> 类型，后者可以直接修改 val 的值。
println!("{:?}", t1.borrow().val); //
RefCell 结构通过 borrow/borrow_mut 方法可以得到 Ref/RefMut 类型。后者就等同于 Treenode，可以直接改变其内部字段。并且是 t1 的内部可变，其本身还是 不可变的。
综上所述，Rc 用于多所有权的引用，RefCell 用于修改 struct 内部字段的值。所以 Leetcode 如此定义 TreeNode。
树的遍历
二叉树的遍历主要有两大类，深度优先搜索(DFS)和广度优先(BFS)。前者是指沿着树的路径先遍历到叶子(Leaf)节点，然后再遍历其他路径。后者是指先遍历每一层的节点，然后层层递进。
二叉树有两个很有用的属性，节点的高度和深度。高度就是节点到最深叶子节点的距离。其深度是节点到树根的距离(Leetcode 的定义，实际上路径数和节点数两个量都可以)。
深度优先
如同树节点的定义一样，二叉树是节点的集合，一个节点也是二叉树。二叉树可以看成：左子树，根，右子树的最基本单元。
根据 这三者的遍历顺序可以分为三者遍历方法。
- 先序（前序）遍历（preorder traversal）： 根 -> 左子树 -> 右子树
- 中序遍历（inorder traversal）：左子树 -> 根 -> 右子树
- 后序遍历（inorder traversal）：左子树 -> 右子树 -> 根
递归遍历
三者遍历的递归写法很简单。
先序遍历
例如下面的 Python3代码。
def preorder(root: TreeNode):
# 递归基，节点不存在，直接返回
if root is None:
return
# 先访问根节点的值
yield root.val
# 递归遍历左子树，即以左子树为树根进行二叉树遍历
yield from preorder(root.left)
# 递归遍历左子树，即以左子树为树根进行二叉树遍历
yield from preorder(root.left)
之所以这里使用python，是因为py的代码和算法伪代码很相似，后面再介绍 rust的实现。
中序遍历
def inorder(root: TreeNode):
# 递归基，节点不存在，直接返回
if root is None:
return
# 先递归遍历左子树，即以左子树为树根进行二叉树遍历
yield from inorder(root.left)
# 访问根节点的值
yield root.val
# 递归遍历左子树，即以左子树为树根进行二叉树遍历
yield from inorder(root.left)
后序遍历
def postorder(root: TreeNode):
# 递归基，节点不存在，直接返回
if root is None:
return
# 先递归遍历左子树，即以左子树为树根进行二叉树遍历
yield from postorder(root.left)
# 递归遍历左子树，即以左子树为树根进行二叉树遍历
yield from postorder(root.left)
# 最后访问根节点的值
yield root.val
从上面的代码可以看出，二叉树的DFS遍历的差别只是再访问根的节点的顺序，这本身也是其定义。先根，中根，后根。因此可以统一下面的伪代码
def tree_order(node):
if node is None:
return
# preorder vist node
tree_order(node.left)
# inorder vist node
tree_order(node.right)
# postsorder vist node
rust 实现
leetcode 144. 二叉树的前序遍历 是二叉树的先序遍历。套用上面介绍的算法，rust代码如下
use std::rc::Rc;
use std::cell::RefCell;
impl Solution {
pub fn preorder_traversal(root: Option<Rc<RefCell<TreeNode>>>) -> Vec<i32> {
fn preorder_dfs(node: &Option<Rc<RefCell<TreeNode>>>, ans: &mut Vec<i32>) {
// 递归基
if node.is_none(){
return
}
// 访问根节点
ans.push(node.as_ref().unwrap().borrow().val);
// 访问左子树
preorder_dfs(&node.as_ref().unwrap().borrow().left, ans);
// 访问右子树
preorder_dfs(&node.as_ref().unwrap().borrow().right, ans);
}
let mut ans = vec![];
preorder_dfs(&root, &mut ans);
ans
}
}
因为 node 是 &Option<Rc<RefCell<TreeNode>>> 类型，因此需要先提取 option内的 rc，然后通过 borrow 活动 Ref类型的 TreeNode。上面代码写法和算法模板一致，但不是 rust 常用的写法。下面中序遍历用 rust 模式匹配进行重构
impl Solution {
pub fn inorder_traversal(root: Option<Rc<RefCell<TreeNode>>>) -> Vec<i32> {
fn inorder_dfs(node: &Option<Rc<RefCell<TreeNode>>>, ans: &mut Vec<i32>){
match node {
None => {},
Some(x) => {
inorder_dfs(&x.borrow().left, ans);
ans.push(x.borrow().val);
inorder_dfs(&x.borrow().right, ans);
},
}
}
let mut ans = vec![];
inorder_dfs(&root, &mut ans);
ans
}
}
上面的代码使用了 match 模式匹配。其写法依然和算法模板很像。node是 &Option, 通过 match模式匹配，None 相当于 递归基，Some 变体解包可以得到 Rc ，进而得到TreeNode 进行访问值和递归。
除了match，rust还提供了便捷的模式匹配语法。下面对145. 二叉树的后序遍历 进行说明
impl Solution {
pub fn postorder_traversal(root: Option<Rc<RefCell<TreeNode>>>) -> Vec<i32> {
fn postorder_dfs(node: &Option<Rc<RefCell<TreeNode>>>, ans: &mut Vec<i32>) {
if let Some(x) = node {
postorder_dfs(&x.borrow().left, ans);
postorder_dfs(&x.borrow().right, ans);
ans.push(x.borrow().val);
}
}
let mut ans = vec![];
postorder_dfs(&root, &mut ans);
ans
}
}
if let二叉树的 dfs 的递归算法写法很简单。并且由于函数传递的是 &Option, 在递归调用过程中，也不需要引用多个所有权。对于dfs的非递归写法，则需要借助栈。此时就涉及到二叉树节点的多所有权。
迭代写法
先序遍历
python3 的算法模板:
class Solution:
def preorderTraversal(self, root: TreeNode) -> List[int]:
return list(self.preorder(root))
def preorder(self, node: TreeNode):
if node is None:
return
# 节点进栈
stack = [node]
while len(stack) > 0:
# 出栈
node = stack.pop()
# 访问节点
yield node.val
# 右子树进栈
if node.right is not None:
stack.append(node.right)
# 左子树进栈
if node.left is not None:
stack.append(node.left)
用 Rust 直接翻译算法代码如下：
impl Solution {
pub fn preorder_traversal(root: Option<Rc<RefCell<TreeNode>>>) -> Vec<i32> {
Solution::preorder_dfs(root)
}
fn preorder_dfs(root: Option<Rc<RefCell<TreeNode>>>) -> Vec<i32> {
let mut ans = vec![];
if root.is_none() {
return ans;
}
// 进栈
let mut stack = vec![root];
while !stack.is_empty() {
// stack pop的值会自动包装 Option，需要调用 flatten 打平
let node = stack.pop().flatten().unwrap();
// 通过 Rc 的borrow 获取 Ref<TreeNode> 节点
let node = node.borrow();
// 访问节点值
ans.push(node.val);
// 右子树进栈
if let Some(ref right) = node.right {
stack.push(Some(right.clone()));
}
// 左子树进栈
if let Some(ref left) = node.left {
stack.push(Some(left.clone()));
}
}
ans
}
}
由于 Rust 有Option 类型，实际上进栈出栈也可以直接操作，即使遇到子树不存在的 None，pop出来的时候也可以通过模式匹配处理。代码会比较紧凑。
impl Solution {
pub fn preorder_traversal(root: Option<Rc<RefCell<TreeNode>>>) -> Vec<i32> {
Solution::preorder_dfs(root)
}
fn preorder_dfs(root: Option<Rc<RefCell<TreeNode>>>) -> Vec<i32> {
let mut ans = vec![];
// 节点进栈，即使 root是None，也没关系。
let mut stack = vec![root];
while !stack.is_empty() {
// 节点出栈则进行模式匹配，过滤不存在的节点 None
if let Some(node) = stack.pop().flatten() {
ans.push(node.borrow().val);
// 右子树进栈，None也没关系
stack.push(node.borrow().right.clone());
// 左子树进栈，None也没关系
stack.push(node.borrow().left.clone());
}
}
ans
}
}
向量 vec pop的结构被包装了 option。在进行先序遍历的时候，我们可以保证入栈出栈的节点都有值，就像第一种遍历的方式，那么可以直接入栈 Rc 结构，而不是 Option结构。
fn preorder_dfs(root: Option<Rc<RefCell<TreeNode>>>) -> Vec<i32> {
let mut ans = vec![];
if root.is_none() {
return ans;
}
// root 节点不是 None， unwrap 安全
let mut stack = vec![root.unwrap()];
while !stack.is_empty() {
if let Some(node) = stack.pop() {
ans.push(node.borrow().val);
if let Some(ref right) = node.borrow().right {
// 右子树 Rc 结构进栈，不需要包装一层 option
stack.push(right.clone());
}
if let Some(ref left) = node.borrow().left {
// 左子树 Rc 结构进栈
stack.push(left.clone());
}
}
}
ans
}
上面是rust 实现先序遍历的几种写法，实际问题可以具体考虑。还有一种先序遍历的算法模板，即左子树先进栈，进栈前访问节点。如果是出栈的时候访问节点，算法则变成中序遍历。并且后序遍历的算法结构也可以统一起来。
下面是 python的算法模板：
class Solution:
def preorderTraversal(self, root: TreeNode) -> List[int]:
return list(self.preorder(root))
def preorder(self, node: TreeNode):
stack = []
while True:
# 左子树进栈
while node is not None:
# 访问节点
yield node.val
# 节点进栈
stack.append(node)
# 依次遍历左子树
node = node.left
# 栈空，退出
if len(stack) <= 0:
break
# 出栈
# yield node.val 如果在此时访问 节点，则是中序遍历
node = stack.pop()
# 控制权转移到右子树
node = node.right
上面的算法模板，和递归的逻辑很相似。也就是先处理左子树，然后处理右子树。下面是 rust 代码的实现：
impl Solution {
pub fn preorder_traversal(root: Option<Rc<RefCell<TreeNode>>>) -> Vec<i32> {
Solution::preorder(root)
}
fn preorder(root: Option<Rc<RefCell<TreeNode>>>) -> Vec<i32> {
let mut ans = vec![];
let mut stack = vec![];
let mut node = root;
loop {
// 通过模式匹配活动节点的 Rc 引用
while let Some(x) = node {
ans.push(x.borrow().val);
// 节点进栈
stack.push(x.clone());
// 转移左子树
node = x.borrow().left.clone();
}
if stack.is_empty() {
break;
}
node = stack.pop().unwrap().borrow().right.clone();
}
ans
}
}
代码和之前的先序遍历不太一样，node 会重新赋值，因此它不能借用。需要把所有权转移给 x，x是 Rc 结构。可以clone增加引用计数。本质上是让 node重新绑定了新的所有权。
掌握了上面几种遍历方式，套用最后一种遍历方法。下面是中序和后序实现。
中序遍历
impl Solution {
pub fn inorder_traversal(root: Option<Rc<RefCell<TreeNode>>>) -> Vec<i32> {
Solution::inorder(root)
}
fn inorder(root: Option<Rc<RefCell<TreeNode>>>) -> Vec<i32> {
let mut ans = vec![];
let mut stack = vec![];
let mut node = root;
loop {
while let Some(x) = node {
stack.push(x.clone());
node = x.borrow().left.clone();
}
if stack.is_empty() {
break;
}
if let Some(x) = stack.pop() {
ans.push(x.borrow().val);
node = x.borrow().right.clone();
}
}
ans
}
}
后序遍历
impl Solution {
pub fn postorder_traversal(root: Option<Rc<RefCell<TreeNode>>>) -> Vec<i32> {
Solution::postorder(root)
}
fn postorder(root: Option<Rc<RefCell<TreeNode>>>) -> Vec<i32> {
let mut ans = vec![];
let mut stack = vec![];
let mut node = root;
let mut visited = None;
loop {
while let Some(x) = node {
stack.push(x.clone());
node = x.borrow().left.clone();
}
if stack.is_empty() {
break;
}
if stack.last().unwrap().borrow().right != visited {
node = stack.last().unwrap().borrow().right.clone();
visited = None
} else {
if let Some(x) = stack.pop(){
ans.push(x.borrow().val);
visited = Some(x.clone());
}
}
}
ans
}
}
至此，二叉树的DFS遍历方法介绍完毕，下面再看下广度搜索层序遍历
广度优先
层序遍历如其字面意思，先遍历二叉树的每一层所有节点，然后再向下推进一层。与先序遍历类似，层序遍历只需要借助一个 队列 queue。
impl Solution {
pub fn level_order(root: Option<Rc<RefCell<TreeNode>>>) -> Vec<Vec<i32>> {
let mut ans = vec![];
let mut queue = VecDeque::new();
queue.push_back(root);
while !queue.is_empty() {
let size = queue.len();
let mut level = vec![];
for _ in 0..size {
if let Some(x) = queue.pop_front().flatten() {
let node = x.borrow();
level.push(node.val);
queue.push_back(node.left.clone());
queue.push_back(node.right.clone());
}
}
if !level.is_empty() {
ans.push(level);
}
}
ans
}
}
二叉树反序列化
二叉树的层序遍历有很多用法。Leetcode 的test case 使用的是二叉树的层序遍历的数组，进行重建二叉树。下面就介绍这个方法。
#[derive(Debug, PartialEq, Eq)]
pub struct TreeNode {
pub val: i32,
pub left: Option<Rc<RefCell<TreeNode>>>,
pub right: Option<Rc<RefCell<TreeNode>>>,
}
impl TreeNode {
#[inline]
pub fn new(val: i32) -> Self {
TreeNode {
val,
left: None,
right: None,
}
}
pub fn get_height(root: &Option<Rc<RefCell<TreeNode>>>) -> i32 {
fn dfs(root: &Option<Rc<RefCell<TreeNode>>>) -> i32 {
match root {
None => 0,
Some(node) => {
let node = node.borrow();
1 + max(dfs(&node.left), dfs(&node.right))
}
}
}
dfs(&root)
}
// 通过数组反序列化生成一棵树
pub fn create(nums: Vec<Option<i32>>) -> Option<Rc<RefCell<Self>>> {
if nums.is_empty() {
return None;
}
let size = nums.len();
let mut index = 0;
let root = Some(Rc::new(RefCell::new(Self::new(nums[0].unwrap()))));
let mut queue = VecDeque::new();
queue.push_back(root.clone());
while !queue.is_empty() {
let q_size = queue.len();
for _i in 0..q_size {
if let Some(x) = queue.pop_front().flatten() {
let mut node = x.borrow_mut();
let lseq = 2 * index + 1;
let rseq = 2 * index + 2;
if lseq < size && nums[lseq].is_some() {
node.left = Some(Rc::new(RefCell::new(Self::new(nums[lseq].unwrap()))));
queue.push_back(node.left.clone());
}
if rseq < size && nums[rseq].is_some() {
node.right = Some(Rc::new(RefCell::new(Self::new(nums[rseq].unwrap()))));
queue.push_back(node.right.clone());
}
}
index += 1;
}
}
root
}
// 将一棵树序列化成一个数组
pub fn literal(root: Option<Rc<RefCell<TreeNode>>>) -> Vec<Option<i32>> {
if root.is_none() {
return vec![];
}
let mut ans = vec![];
let mut queue = VecDeque::new();
queue.push_back(root);
while !queue.is_empty() {
let qsize = queue.len();
for _ in 0..qsize {
match queue.pop_front().flatten() {
Some(x) => {
ans.push(Some(x.borrow().val));
queue.push_back(x.borrow().left.clone());
queue.push_back(x.borrow().right.clone());
}
None => ans.push(None),
}
}
}
let size = ans.len();
for i in (0..size).rev() {
if ans[i].is_none() {
ans.pop();
} else {
break;
}
}
ans
}
}
二叉树树形打印
width = (1<pub fn print_tree(root: Option<Rc<RefCell<TreeNode>>>) -> String {
// 二叉树高度
let height = TreeNode::get_height(&root);
// 满二叉树的宽度
let width = (1 << height) - 1;
let mut ans = vec![vec![" ".to_string(); width as usize]; height as usize];
// dfs 搜索
fn dfs(ans: &mut Vec<Vec<String>>, node: &Option<Rc<RefCell<TreeNode>>>, deep: usize, lo: usize, hi: usize) {
if let Some(x) = node {
let node = x.borrow();
let mid = lo + (hi - lo) / 2;
ans[deep][mid] = x.borrow().val.to_string();
dfs(ans, &node.left, deep + 1, lo, mid);
dfs(ans, &node.right, deep + 1, mid + 1, hi);
}
}
dfs(&mut ans, &root, 0usize, 0usize, width as usize);
// 将所有字符连起来
ans.iter().map(|x| x.concat()).collect::<Vec<_>>().join("\n")
}
上述打印的树形二叉树并没有 path 的边。需要变可以自行添加。
总结
通过rust构造二叉树，需要使用到 rust的特性，如所有权，借用检查，内部可变性等概念。另外掌握二叉树的基本性质和遍历方法，可以解决很多 leetcode上的题目。最后，通过二叉树的反序列化和树形打印，对刷题和学习验证相关算法都很有帮助。
更多 Rust 与Leetcode可以参考这个文档