在计算机科学中，树是一种非常重要的非线性数据结构。它源于对自然界中“树”的抽象：树根对应根节点（root） ，树枝对应边（edge） ，而树叶则被抽象为叶子节点（leaf） 。这种结构天然具有层次性和递归性，非常适合用于表示具有层级关系的数据。
树的基本特性
一棵树有且仅有一个根节点，这是整棵树的起点。从根节点出发，向上伸展出无数的“树枝”，每个树枝连接一个子节点（child） ，形成父子关系。节点之间通过边相连，而没有任何环路——这是树区别于图的关键特征。
在树的术语体系中：
- 层次（Level） ：从根节点开始计算，根为第1层，其子节点为第2层，依此类推。
- 高度（Height） ：从叶子节点开始向上计数，叶子的高度为1，父节点的高度为其子树最大高度加1。
- 度（Degree） ：指一个节点拥有的子树数量。叶子节点的度为0。
值得注意的是，二叉树不能被简单定义为 度为2的树。二叉树的核心在于有序性——每个节点最多有两个子节点，并且严格区分左子树和右子树，二者不可随意交换。
二叉树的定义与节点结构
二叉树可以是空树；若非空，则由三部分组成：根节点、左子树、右子树，且左右子树本身也是二叉树。这种递归定义使得二叉树天然适合用递归方法处理。
在 JavaScript 中，通常有两种主流方式来表示二叉树节点：构造函数（或类）方式 和 对象字面量方式。这两种写法各有适用场景，理解它们的差异有助于写出更清晰、可维护的代码。
构造函数方式：面向对象的封装
function TreeNode(val) {
this.val = val;
// 从右到左赋值，简洁地初始化左右指针
this.left = this.right = null;
}
它的优势在于：
- 可复用性强：每次调用
new TreeNode(val)都会创建一个结构一致的新节点； - 语义明确：
TreeNode作为一个类型标识，便于团队协作和类型推断；
例如，构建如下树：
const root = new TreeNode(1);
const node2 = new TreeNode(2);
const node3 = new TreeNode(3);
root.left = node2;
root.right = node3;
const node4 = new TreeNode(4);
const node5 = new TreeNode(5);
node2.left = node4;
node2.right = node5;
这种方式逻辑清晰，但略显冗长，尤其在快速验证想法或编写测试用例时，需要多次调用构造函数并手动连接指针。
对象字面量方式：声明式的直观表达
另一种常见写法是直接使用 JavaScript 的对象字面量：
let tree = {
val: 1,
left: {
val: 2,
left: { val: 4, left: null, right: null },
right: { val: 5, left: null, right: null }
},
right: {
val: 3,
left: null,
right: null
}
};
或者更简洁（但需注意潜在风险）：
const root = {
val: 'A',
left: {
val: 'B',
left: { val: 'D' },
right: { val: 'E' }
},
right: {
val: 'C',
left: { val: null },
right: { val: 'F' }
}
};
这种写法的优势在于：
- 声明即结构：代码本身就像一棵树的图形化表示，一眼就能看出层次关系；
- 无需额外变量：不用先创建节点再连线，直接嵌套定义；
然而，它也有局限性：
- 若省略
left或right字段（如{ val: 'D' }），访问node.left会得到undefined而非null，可能引发类型判断错误； - 不适合动态构建大型树，因为无法复用节点引用（容易产生重复对象而非共享引用）；
因此，在实际开发中，构造函数方式更适合算法实现和工程化代码，而对象字面量更适合快速原型、教学示例和测试数据构造。两者并非对立，而是互补。
二叉树的遍历：递归的艺术
遍历是访问树中所有节点的过程。由于树的非线性结构，遍历顺序并非唯一。最常见的三种深度优先遍历方式均基于递归思想：
- 先序遍历（Preorder） ：根 → 左 → 右
- 中序遍历（Inorder） ：左 → 根 → 右
- 后序遍历（Postorder） ：左 → 右 → 根
它们的共同点在于：左右子树的访问顺序始终不变，变化的只是根节点的输出时机。
先序遍历
function preorder(root) {
if (!root) return;
console.log(root.val); // 先处理当前根节点
preorder(root.left); // 再递归遍历左子树
preorder(root.right); // 最后遍历右子树
}
中序遍历
function inorder(root) {
if (!root) return;
inorder(root.left); // 先遍历左子树
console.log(root.val); // 再处理根节点
inorder(root.right); // 最后遍历右子树
}
后序遍历
function postorder(root) {
if (!root) return;
postorder(root.left); // 先遍历左子树
postorder(root.right); // 再遍历右子树
console.log(root.val); // 最后处理根节点
}
这三种遍历的递归退出条件一致：当当前节点为 null 时，停止递归。这种设计体现了“分而治之”的思想——将大问题分解为结构相同的子问题，直到达到最简情况（空节点）。
层序遍历：广度优先的迭代实现
与深度优先不同，层序遍历（Level Order Traversal） 按照树的层级从上到下、每层从左到右访问节点。它不依赖递归，而是借助队列（Queue） 实现，利用其“先进先出（FIFO）”的特性。
class TreeNode {
constructor(val) {
this.val = val;
this.left = this.right = null;
}
}
//迭代思想 借助队列
function levelOrder(root) {
if (!root) return []; // 空树直接返回空数组
const result = [];
const queue = [root]; // 初始化队列，根节点入队
while (queue.length) {
const node = queue.shift(); // 队头出队
result.push(node.val); // 访问该节点
// 将非空子节点按从左到右顺序入队
if (node.left) queue.push(node.left);
if (node.right) queue.push(node.right);
}
return result; // 注意：应在循环结束后返回
}
层序遍历常用于求树的宽度、逐层打印、序列化/反序列化等场景，是连接树结构与队列这一线性结构的桥梁。
递归：树的灵魂
递归并非算法，而是一种编程策略。当一个函数直接或间接调用自身时，即构成递归。树的定义本身就是递归的——“二叉树由根节点、左子树、右子树组成，且左右子树也是二叉树”。因此，树与递归天然契合。
在解决树相关问题时，关键步骤是：
- 画出树形结构，观察重复模式；
- 识别子问题：左子树和右子树是否具有相同结构？
- 确定递归出口：通常是节点为
null的情况； - 组合结果：如何将子问题的解合并为原问题的解？
例如，在遍历中，我们并不需要显式“组合”结果（仅打印即可），但在求树高、判断对称、翻转二叉树等问题中，递归返回值的处理就至关重要。
总结
树作为一种基础而强大的数据结构，其核心在于层次性与递归性。二叉树作为树的特例，通过严格的左右子树区分，为各种高效算法（如二叉搜索树、堆、AVL树等）奠定了基础。
从节点定义到四种遍历方式，代码虽简，却蕴含深刻的设计思想：
- 递归体现“自相似”结构；
- 队列支撑广度优先探索；
- 明确的退出条件保障程序安全；
- 对象字面量提升可读性与调试效率。
特别值得强调的是，构造函数与对象字面量并非孰优孰劣，而是适用场景不同。前者强调行为一致性与可扩展性，后者强调结构直观与开发效率。在学习和面试中，应能灵活切换两种风格；在工程实践中，则应根据上下文选择最合适的表达方式。
