聊聊 “摸鱼式” 遍历 —— 受控遍历的小心机

"受控遍历"（Controlled Traversal）是针对数据结构遍历的一种按需触发、分步执行的遍历模式，核心特点是 "不一次性完成整个遍历，而是根据外部调用（如 next() 方法）逐步返回下一个元素"，完全由外部控制遍历的节奏和进度。

它与 "一次性遍历"（如递归遍历、迭代遍历后直接输出所有结果）形成鲜明对比 ------ 后者会主动完成整个遍历流程并返回全部结果，而受控遍历则像 "拉取数据"：外部要一个，遍历就执行到下一个元素并返回，不主动多走一步。

为什么需要受控遍历？

在很多场景下，我们不需要一次性获取所有遍历结果，而是按需使用（比如遍历大型数据集、实现迭代器等）：

若二叉搜索树有 100 万个节点，一次性遍历并存储所有结果会占用大量内存；

实现迭代器（如 BST 迭代器）时，用户需要通过 next() 逐个获取元素，而非直接拿到全部。

此时受控遍历能做到 "空间优化" （无需存储所有结果）和"节奏可控"（按调用者需求推进），是高效处理这类场景的关键思路。

结合 BST 迭代器理解 "受控遍历" 的核心逻辑

之前实现的 BST 迭代器，就是 "受控遍历" 在二叉搜索树（中序遍历）上的典型应用。我们通过 "栈 + 分步触发" 实现受控，具体拆解每一步的 "控制逻辑"：

1. 初始化：只做 "遍历准备"，不启动完整遍历

初始化时（init 方法），我们并非直接遍历整棵树，而是仅执行 "遍历的前置操作"------ 把根节点及所有左子节点压入栈（通过 _push_left 辅助函数）：

ruby 复制代码

def __init__(self, root: TreeNode):
    self.stack = []
    self._push_left(root)  # 仅压入左链，停在"第一个要返回的元素"（栈顶）
def _push_left(self, node: TreeNode):
    while node:
        self.stack.append(node)
        node = node.left  # 沿左链向下，直到最左节点（BST中序的第一个元素）

这一步的 "控制"：遍历仅推进到 "第一个待返回元素"（栈顶），之后就暂停，等待外部调用。

例：BST 7→3,15→9,20，初始化后栈中是 [7,3]，栈顶是 3（中序第一个元素），遍历暂存于此。

2. 外部调用 next()：触发 "一步遍历"，返回当前元素后暂停

当外部调用 next() 时，才触发 "遍历的下一步"，且仅执行到 "获取当前元素 + 为下一次调用做准备"，之后再次暂停：

python 复制代码

def next(self) -> int:
    # 1. 取出当前要返回的元素（栈顶，即上一步暂停的位置）
    node = self.stack.pop()  # 第一次调用时弹出 3
    # 2. 为下一次调用做准备：若当前节点有右子树，压入右子树的所有左节点
    if node.right:
        self._push_left(node.right)  # 3 无右子树，不操作；下次弹出7时，压入15、9
    return node.val  # 返回当前元素，遍历暂停

这一步的 "控制"：每调用一次 next()，仅完成 "返回一个元素 + 准备下一个元素"，不继续推进。

例：

- 第一次调用 next()：弹出 3（返回），3 无右子树，栈变为 [7]，遍历暂停；

- 第二次调用 next()：弹出 7（返回），7 有右子树 15，调用 _push_left(15) 压入 15、9，栈变为 [15,9]，遍历暂停；

- 第三次调用 next()：弹出 9（返回），9 无右子树，栈变为 [15]，遍历暂停。

3. hasNext()：判断 "遍历是否可继续"

通过栈是否为空，判断是否还有未遍历的元素，给外部调用者提供 "是否需要继续调用 next()" 的依据：

python 复制代码

def hasNext(self) -> bool:
    return len(self.stack) > 0  # 栈非空 → 还有下一个元素

这一步是 "控制的辅助"：让调用者知道遍历进度，避免无效调用。

受控遍历的关键特征

总结来说，"受控遍历" 必须满足以下 3 个核心特征，才能区别于普通遍历：

分步执行：遍历过程被拆分为多个独立步骤，每一步只处理 "获取一个元素"；

外部触发：每一步的执行必须由外部调用（如 next()）触发，不主动推进；

状态保存：遍历暂停时，必须保存当前进度（如 BST 迭代器中栈的状态），确保下次调用能从暂停处继续，不重复、不遗漏。

其他场景中的受控遍历

除了 BST 迭代器，"受控遍历" 在很多场景中都有应用，本质思路一致：

链表迭代器：通过 current 指针保存当前位置，next() 时 current = current.next，分步返回链表元素；

文件读取：按行读取大文件时，readline() 方法就是受控遍历 ------ 调用一次读一行，不一次性加载所有行；

迭代器模式：所有编程语言的迭代器（如 Python 的 iter()/next()），底层都是 "受控遍历" 的实现。

通过 "受控遍历"，我们能在遍历大型数据结构时显著优化内存占用，同时让遍历节奏完全适配外部需求，是一种兼顾效率和灵活性的遍历思想。