在LeetCode中等难度题目中，「搜索旋转排序数组」是一道经典的二分查找变形题。它的核心考点的是对“旋转数组”特性的理解，以及如何在非完全升序的数组中，依然保持二分查找O(log n)的时间复杂度。今天就来一步步拆解这道题，从题目分析到代码实现，再到细节注意点，帮你彻底搞懂它。
一、题目解读：什么是旋转排序数组？
题目给出的前提很明确：
-
原数组是升序排列的，且所有元素互不相同（这一点很关键，避免了重复元素带来的判断干扰）；
-
数组在某个未知下标k处「向左旋转」，旋转后数组变成 [nums[k], nums[k+1], ..., nums[n-1], nums[0], nums[1], ..., nums[k-1]]；
-
给定旋转后的数组nums和目标值target，要求找到target的下标，找不到则返回-1，且必须满足O(log n)时间复杂度。
举个例子：原数组 [0,1,2,4,5,6,7]，在k=3处向左旋转后，得到 [4,5,6,7,0,1,2]。如果target=0，返回下标4；如果target=3，返回-1。
这里的核心矛盾是：数组不再是完全升序，但又保留了“部分升序”的特性——旋转后数组会被分成两个升序子数组（比如例子中的 [4,5,6,7] 和 [0,1,2]）。而二分查找的核心是“通过中间值缩小查找范围”，所以我们的思路就是利用这种“部分升序”，判断target落在哪个升序区间，进而调整双指针。
二、核心思路：二分查找的变形应用
常规二分查找适用于完全升序数组，通过mid值与target的大小对比，直接调整左右指针。但旋转数组有两个升序区间，所以我们需要先判断「mid所在的区间是否是升序区间」，再判断target是否在该区间内，从而确定指针移动方向。
具体步骤拆解：
-
初始化双指针l=0（左边界）、r=n-1（右边界），n为数组长度；
-
循环条件：l ≤ r（当l超过r时，说明查找范围为空，未找到target）；
-
计算mid = Math.floor((l + r) / 2)（注意TS/JS中除法会返回浮点数，需手动取整）；
-
若nums[mid] === target，直接返回mid（找到目标值）；
-
判断mid所在的区间是否为升序：
-
情况1：nums[0] ≤ nums[mid] → mid左侧（l到mid）是升序区间；
-
情况2：nums[0] > nums[mid] → mid右侧（mid到r）是升序区间；
-
-
根据升序区间，判断target是否在该区间内，调整指针：
-
情况1（左侧升序）：若target在[nums[0], nums[mid])之间 → 缩小范围到左侧（r=mid-1）；否则缩小到右侧（l=mid+1）；
-
情况2（右侧升序）：若target在(nums[mid], nums[n-1]]之间 → 缩小范围到右侧（l=mid+1）；否则缩小到左侧（r=mid-1）；
-
-
循环结束后仍未找到，返回-1。
三、完整代码实现（TypeScript）
结合上述思路，给出完整的TypeScript代码，关键步骤已添加注释，方便理解：
function search(nums: number[], target: number): number {
const n = nums.length;
// 边界处理：数组为空，直接返回-1
if (n === 0) {
return -1;
}
// 边界处理：数组只有一个元素，直接判断是否等于target
if (n === 1) {
return nums[0] === target ? 0 : -1;
}
// 初始化双指针：左指针l，右指针r
let l = 0, r = n - 1;
// 二分查找循环：当左指针不大于右指针时，继续查找
while (l <= r) {
// 计算中间下标mid，手动取整避免浮点数
const mid = Math.floor((l + r) / 2);
// 找到目标值，直接返回下标
if (nums[mid] === target) {
return mid;
}
// 情况1：mid左侧是升序区间（nums[0] <= nums[mid]）
if (nums[0] <= nums[mid]) {
// 判断target是否在左侧升序区间内（nums[0] <= target < nums[mid]）
if (nums[0] <= target && target < nums[mid]) {
// 缩小范围到左侧，右指针左移
r = mid - 1;
} else {
// 缩小范围到右侧，左指针右移
l = mid + 1;
}
} else {
// 情况2：mid右侧是升序区间（nums[0] > nums[mid]）
// 判断target是否在右侧升序区间内（nums[mid] < target <= nums[n-1]）
if (nums[mid] < target && target <= nums[n - 1]) {
// 缩小范围到右侧，左指针右移
l = mid + 1;
} else {
// 缩小范围到左侧，右指针左移
r = mid - 1;
}
}
}
// 循环结束，未找到目标值，返回-1
return -1;
}
四、关键细节与易错点
这道题的代码不算复杂，但细节处理不到位很容易出错，尤其是以下3个点：
1. 边界条件处理
必须先处理数组为空（n=0）和数组只有一个元素（n=1）的情况。如果忽略这两个边界，当数组长度为0时会出现指针异常，长度为1时会进入循环做无用功，影响效率。
2. mid的计算方式
在TypeScript/JavaScript中，(l + r) / 2 会返回浮点数（比如l=0、r=1时，结果是0.5），所以必须用Math.floor()取整，否则mid会是小数，导致数组下标报错。
补充：也可以用 (l + r) >> 1 进行位运算取整（效果等同于Math.floor((l + r)/2)），但要注意避免溢出（本题中数组长度不会过大，两种方式均可）。
3. 区间判断的等号问题
这是最容易出错的地方，比如：
-
左侧升序区间判断时，用 nums[0] ≤ nums[mid]（包含等于，因为mid可能就是0下标，此时左侧只有一个元素，也是升序）；
-
target在左侧区间的判断的是 nums[0] ≤ target && target < nums[mid]（target不能等于nums[mid]，因为前面已经判断过nums[mid] !== target）；
-
右侧升序区间判断时，target的范围是 nums[mid] < target && target ≤ nums[n-1]（同理，target不能等于nums[mid]）。
如果等号位置写错，会导致指针调整错误，进而错过目标值或者进入死循环。
五、复杂度分析与题目延伸
1. 时间复杂度
整个算法采用二分查找，每次循环都会将查找范围缩小一半，所以时间复杂度是 O(log n)，完全满足题目要求。
2. 空间复杂度
算法只使用了常数个变量（l、r、mid、n），没有使用额外的空间，空间复杂度是 O(1)。
3. 题目延伸
这道题的变形题是「搜索旋转排序数组II」，区别在于数组元素可以重复。此时，nums[0] ≤ nums[mid] 无法直接判断左侧是升序区间（比如 [1,0,1,1,1]），需要先处理重复元素（比如当nums[l] === nums[mid]时，l++），感兴趣的可以后续深入研究。
六、总结
「搜索旋转排序数组」的核心是“利用旋转数组的部分升序特性，改造二分查找”。解题的关键在于：
-
判断mid所在的升序区间；
-
根据target是否在该升序区间，调整双指针；
-
注意边界条件和等号的处理。
这道题虽然是中等难度，但只要掌握了二分查找的核心思想，再结合旋转数组的特性，就能轻松破解。建议大家多动手调试代码，尝试不同的测试用例（比如旋转点在开头、结尾、中间的情况），加深对算法的理解。
