【数据结构】二叉搜索树

小苏兮2025-10-28 14:32

二叉搜索树

✨前言： 二叉搜索树（Binary Search Tree, BST）是一种基础且高效的数据结构，用于实现快速的查找、插入和删除操作。它通过在节点间保持有序关系，使得数据的组织更加灵活高效。本文将从概念出发，结合示意图与完整代码，带你深入理解二叉搜索树的构建原理与应用场景。

📖专栏 ：【数据结构】

目录

一、二叉搜索树的概念

二叉搜索树又称二叉排序树，它或者是一棵空树，或者是具有以下性质的二叉树：

  • 左子树性质：若它的左子树不为空，则左子树上所有结点的值都小于等于根结点的值
  • 右子树性质：若它的右子树不为空，则右子树上所有结点的值都大于等于根结点的值
  • 递归性质：它的左右子树也分别为二叉搜索树
  • 二叉搜索树中可以支持插入相等的值，也可以不支持插入相等的值，具体看使用场景定义，下篇我们学习map/set/multimap/multiset系列容器底层就是二叉搜索树，其中map/set不支持插入相等值，multimap/multiset支持插入相等值。

二、二叉搜索树的性能分析

  • 时间复杂度分析
    最优情况 ：二叉搜索树为完全二叉树（或接近完全二叉树）- 其高度为： log ⁡ 2 N \log_2 N log2N
    最差情况 ：- 二叉搜索树退化为单支树（或类似单支） 其高度为： N N N
    综合时间复杂度 :二叉搜索树增删查改时间复杂度为： O ( N ) O(N) O(N)

  • 二叉搜索树的局限性：这样的效率显然无法满足我们的需求，因此需要学习二叉搜索树的变形：

平衡二叉搜索树 AVL 树
红黑树

这些数据结构才能适用于我们在内存中存储和搜索数据的需求。

  • 与二分查找的比较

二分查找也可以实现 O ( log ⁡ 2 N ) O(\log_2 N) O(log2N) 级别的查找效率，但是有两大缺陷：

  1. 存储结构限制：需要存储在支持下标随机访问的结构中，并且有序
  2. 插入删除效率低：存储在下标随机访问的结构中，插入和删除数据一般需要挪动数据

这里就体现出了平衡二叉搜索树的价值------它既保持了二叉搜索树的动态操作优势，又通过平衡机制保证了 O(\\log N) 的操作效率。

在此基础上，我们就可以对二叉搜索树的框架进行代码描述了，二叉搜索树本质还是一颗二叉树嘛：

cpp 复制代码 
//结点类型
struct BSTreeNode
{
	K _key;
	BSTreeNode<K>* _leftchild = nullptr;
	BSTreeNode<K>* _rightchild = nullptr;
	BSTreeNode(const K& key)
		:_key(key)
	{}
};
//主框架
template<class K>
class BSTree
{
	typedef BSTreeNode<K> Node;
public:

private:
	Node* _root = nullptr;
};

三、二叉搜索树的插入

对于插入，还是较为简单的，插入的具体过程如下：

  1. 树为空，则直接新增结点，赋值给root指针；
  2. 树不空，按二叉搜索树性质，插入值比当前结点大往右走，插入值比当前结点小往左走，找到空位置，插入新结点。
  3. 如果支持插入相等的值，插入值跟当前结点相等的值可以往右走，也可以往左走，找到空位置，插入新结点。（要注意的是要保持逻辑一致性，插入相等的值不要一会往右走，一会往左走）

来模拟一下吧：

cpp 复制代码 
int a[] = {8, 3, 1, 10, 6, 4, 7, 14, 13};
  1. 插入16
  2. 插入3

插入就是与根节点比较，然后再与子树的根节点比较......依次比较，最后"没得比了"就确定位置呗。

ok，下面我们基于上面的代码框架完成插入的代码，为了方便一点，我们就不再写二叉树的主框架，直接完成我们现在说的函数就行，后面同理。

cpp 复制代码 
bool Insert(const K& key)
{
	if (_root == nullptr)
		_root = new Node(key);
	Node* cur = _root;
	Node* parent = nullptr;
	while (cur != nullptr)
	{
		if (key < cur->_key)
		{
			parent = cur;
			cur = cur->_leftchild;
		}
		else if (key > cur->_key)
		{
			parent = cur;
			cur = cur->_rightchild;
		}
		else//我们这里等于的话，默认不插入，也可以插入，可自行实现
			return false;
	}
	//找到位置了，但不知是左右哪个
	if (key < parent->_key)
		parent->_leftchild = new Node(key);
	else
		parent->_rightchild = new Node(key);
	return true;
}

四、二叉搜索树的查找

查找与插入的思想是一样的，我们来看步骤：

  1. 从根开始比较，查找x，x比根的值大则往右边走查找，x比根值小则往左边走查找；
  2. 最多查找高度次，走到到空，还没找到，这个值不存在；
  3. 如果不支持插入相等的值，找到x即可返回；
  4. 如果支持插入相等的值，意味着有多个x存在，一般要求查找中序的第一个x。如下图，查找3，要找到1的右孩子的那个3返回。

可以，查找是较为简单的，直接看代码：

cpp 复制代码 
Node* Find(const K& key)
{
	Node* cur = _root;
	while (cur != nullptr)
	{
		if (cur->_key < key)
			cur = cur->_rightchild;
		else if (cur->_key > key)
			cur = cur->_leftchild;
		else
			return cur;
	}
	return nullptr;
}

五、二叉搜索树的删除

其实，二叉搜索树的重头戏就是删除，那么下面我们就慢慢分析吧。

首先查找元素是否在二叉搜索树中，如果不存在，则返回false。

如果查找元素存在则分以下四种情况分别处理：（假设要删除的结点为N）

  1. 要删除结点N左右孩子均为空


把N结点的父亲对应孩指针指向空，直接删除N结点即可。

  1. 要删除的结点N左孩子为空，右孩子结点不为空

把N结点的父亲对应孩子指针指向N的右孩子，直接删除N结点

  1. 要删除的结点N右孩子为空，左孩子结点不为空

把N结点的父亲对应孩子指针指向N的左孩子，直接删除N结点

当然，情况1可以当成2或者3处理，效果是⼀样的。

  1. 要删除的结点N左右孩子结点均不为空

还是以上面为例，假设我要删除3，有两种方法：

可以看出，我们只要使得删除结点之后树的重新为二叉搜索树即可，要使其重新满足二叉搜索树的性质，我们只能在子树中找合适的节点。我们再来看一下删除8的情况：

ok，可见，最后一种删除是最复杂的，那我们对于这种情况再详细展开：

总结：

无法直接删除N结点，因为N的两个孩子无处安放，只能用替换法删除。找N左子树的值最大结点R(最右结点)或者N右子树的值最小结点R(最左结点)替代N，因为这两个结点中任意一个，放到N的位置，都满足二叉搜索树的规则。替代N的意思就是N和R的两个结点的值交换，转而变成删除R结点，R结点符合情况2或情况3，可以直接删除。

有了上面的理解，现在我们就可以完成二叉搜索树的删除代码了：

cpp 复制代码 
bool Erase(const K& key)
{
	//找key节点和双亲节点
	Node* cur = _root;
	Node* parent = nullptr;
	while (cur != nullptr)
	{
		if (cur->_key < key)
		{
			parent = cur;
			cur = cur->_rightchild;
		}
		else if (cur->_key > key)
		{
			parent = cur;
			cur = cur->_leftchild;
		}
		else
			break;
	}
	if (cur == nullptr)
		return false;

	//删除（分情况）
	if (cur->_leftchild == nullptr && cur->_rightchild == nullptr)//没孩子结点
	{
		if (cur == _root)
		{
			_root = nullptr;
		}
		else if (parent->_leftchild == cur)
			parent->_leftchild = nullptr;
		else
			parent->_rightchild = nullptr;
		delete cur;
	}
	else if (cur->_leftchild == nullptr || cur->_rightchild == nullptr)//有一个孩子结点
	{
		if (cur->_leftchild == nullptr)
		{
			if (cur == _root)
			{
				_root = cur->_rightchild;
			}
			else if (parent->_leftchild == cur)
			{
				parent->_leftchild = cur->_rightchild;
			}
			else
			{
				parent->_rightchild = cur->_rightchild;
			}
		}
		else
		{
			if (cur == _root)
			{
				_root = cur->_leftchild;
			}
			else if (parent->_leftchild == cur)
			{
				parent->_leftchild = cur->_leftchild;
			}
			else
			{
				parent->_rightchild = cur->_leftchild;
			}
		}
		delete cur;
	}
	else//有两个孩子结点
	{
		//用左孩子中最大结点或者右孩子最小的节点来补
		//左孩子中最大结点
		Node* prev = cur;
		Node* curi = cur->_leftchild;
		while (curi->_rightchild != nullptr)
		{
			prev = curi;
			curi = curi->_rightchild;
		}
		cur->_key = curi->_key;
		if (curi == prev->_rightchild)
			prev->_rightchild = curi->_leftchild;
		else
			prev->_leftchild = curi->_leftchild;
		delete curi;
	}

	return true;
}

六、二叉搜索树的实现代码

接下来，我们主要的代码都有了，现在就把代码较为完整的写在一起，顺便再加上拷贝构造、赋值重载、析构、中序遍历（输出的节点值将按照从小到大的顺序排列，对于二叉搜索树）......

cpp 复制代码 
//结点
template<class K>
struct BSTreeNode
{
	K _key;
	BSTreeNode<K>* _leftchild = nullptr;
	BSTreeNode<K>* _rightchild = nullptr;
	BSTreeNode(const K& key)
		:_key(key)
	{
	}
};
//主框架
template<class K>
class BSTree
{
	typedef BSTreeNode<K> Node;
public:
	//已经声明了其他构造函数，导致编译器不再隐式生成默认构造函数，用 = default 使得编译器自动生成默认构造函数。
	BSTree() = default;
	//拷贝构造
	BSTree(BSTree& t)
	{
		_root = BST_Copy(t._root);
	}
	Node* BST_Copy(Node* root)
	{
		if (root == nullptr)
			return nullptr;

		Node* cur = new Node(root->_key);
		cur->_leftchild = BST_Copy(root->_leftchild);
		cur->_rightchild = BST_Copy(root->_rightchild);

		return cur;
	}
	//赋值重载
	BSTree& operator=(BSTree t)
	{
		std::swap(_root, t._root);
		return *this;
	}
	//析构
	~BSTree()
	{
		Destroy(_root);
	}
	void Destroy(Node* root)
	{
		if (root == nullptr)
			return;
		Destroy(root->_leftchild);
		Destroy(root->_rightchild);
		delete root;

	}
	//插入
	bool Insert(const K& key)
	{
		if (_root == nullptr)
			_root = new Node(key);
		Node* cur = _root;
		Node* parent = nullptr;
		while (cur != nullptr)
		{
			if (key < cur->_key)
			{
				parent = cur;
				cur = cur->_leftchild;
			}
			else if (key > cur->_key)
			{
				parent = cur;
				cur = cur->_rightchild;
			}
			else//等于默认不插入
				return false;
		}
		//找到位置了，但不知是左右哪个
		if (key < parent->_key)
			parent->_leftchild = new Node(key);
		else
			parent->_rightchild = new Node(key);
		return true;
	}
	//查找
	Node* Find(const K& key)
	{
		Node* cur = _root;
		while (cur != nullptr)
		{
			if (cur->_key < key)
				cur = cur->_rightchild;
			else if (cur->_key > key)
				cur = cur->_leftchild;
			else
				return cur;
		}
		return nullptr;
	}
	//删除
	bool Erase(const K& key)
	{
		//找key节点和双亲节点
		Node* cur = _root;
		Node* parent = nullptr;
		while (cur != nullptr)
		{
			if (cur->_key < key)
			{
				parent = cur;
				cur = cur->_rightchild;
			}
			else if (cur->_key > key)
			{
				parent = cur;
				cur = cur->_leftchild;
			}
			else
				break;
		}
		if (cur == nullptr)
			return false;

		//删除（分情况）
		if (cur->_leftchild == nullptr && cur->_rightchild == nullptr)//没孩子结点
		{
			if (cur == _root)
			{
				_root = nullptr;
			}
			else if (parent->_leftchild == cur)
				parent->_leftchild = nullptr;
			else
				parent->_rightchild = nullptr;
			delete cur;
		}
		else if (cur->_leftchild == nullptr || cur->_rightchild == nullptr)//有一个孩子结点
		{
			if (cur->_leftchild == nullptr)
			{
				if (cur == _root)
				{
					_root = cur->_rightchild;
				}
				else if (parent->_leftchild == cur)
				{
					parent->_leftchild = cur->_rightchild;
				}
				else
				{
					parent->_rightchild = cur->_rightchild;
				}
			}
			else
			{
				if (cur == _root)
				{
					_root = cur->_leftchild;
				}
				else if (parent->_leftchild == cur)
				{
					parent->_leftchild = cur->_leftchild;
				}
				else
				{
					parent->_rightchild = cur->_leftchild;
				}
			}
			delete cur;
		}
		else//有两个孩子结点
		{
			//用左孩子中最大结点或者右孩子最小的节点来补
			//左孩子中最大结点
			Node* prev = cur;
			Node* curi = cur->_leftchild;
			while (curi->_rightchild != nullptr)
			{
				prev = curi;
				curi = curi->_rightchild;
			}
			cur->_key = curi->_key;
			if (curi == prev->_rightchild)
				prev->_rightchild = curi->_leftchild;
			else
				prev->_leftchild = curi->_leftchild;
			delete curi;
		}

		return true;
	}
	//中序遍历
	void InOrder()
	{
		_InOrder(_root);
		cout << endl;
	}
	void _InOrder(Node* root)
	{
		if (root == nullptr)
			return;
		_InOrder(root->_leftchild);
		cout << root->_key << " ";
		_InOrder(root->_rightchild);
	}
private:

	Node* _root = nullptr;
};

七、二叉搜索树key和key/value使用场景

为了更好的学习STL中的map和set，我们这里再对二叉搜索树key和key/value再来详细说明一下。

7.1 key说明与使用

只有 key 作为关键码，结构中只需要存储 key 即可 ，关键码即为需要搜索到的值，搜索场景只需要判断 key 在不在。

key 的搜索场景实现的二叉树搜索树支持增删查，但是不支持修改，修改 key 破坏搜索树结构了。

场景 1：

小区无人值守车库，小区车库买了车位的业主车才能进入小区，那么物业会把买了车位的业主的车牌号录入后台系统，车辆进入时扫描车牌在不在系统中，在则抬杆，不在则提示非本小区车辆，无法进入。

场景 2：

检查一篇英文文章单词拼写是否正确，将词库中所有单词放入二叉搜索树，读取文章中的单词，查找是否存在于二叉搜索树中，不在则波浪线标红提示。

7.2 key/value说明与使用

每一个关键码 key，都有与之对应的值 value ，value 可以任意类型对象。树的结构中（结点）除了需要存储 key 还要存储对应的 value。增 / 删 / 查还是以 key 为关键字走二叉搜索树的规则进行比较，可以快速查找到 key 对应的 value。

key/value 的搜索场景实现的二叉树搜索树支持修改，但是不支持修改 key，修改 key 破坏搜索树性质了，可以修改 value。

场景 1：

简单中英互译字典，树的结构中（结点）存储 key（英文）和 value（中文），搜索时输入英文，则同时查找到对应的中文。

场景 2：

商场无人值守车库，入口进场时扫描车牌，记录车牌和入场时间，出口离场时，扫描车牌，查找入场时间，用当前时间 - 入场时间计算出停车时长，计算出停车费用，缴费后抬杆，车辆离场。

场景 3：

统计一篇文章中单词出现的次数，读取一个单词，查找单词是否存在，不存在这个说明第一次出现，（单词，1）；单词存在，则 + 单词对应的次数。

它们分别对应STL中的map和set，下篇文章我会对于map和set进行深入讲解。我们前面写的代码是key模型，只存储了key，有兴趣的也可以实现key/value模型的二叉搜索树的代码，其实就是把结构中存储的 key 改为 key/value，然后再刚刚别的就行，参考代码如下：

cpp 复制代码 
template<class K,class V>
struct BSTreeNode
{
	K _key;
	V _val;
	BSTreeNode<K,V>* _leftchild = nullptr;
	BSTreeNode<K,V>* _rightchild = nullptr;
	BSTreeNode(const K& key, const V& val)
		:_key(key)
		,_val(val)
	{
	}
};
template<class K,class V>
class BSTree
{
	typedef BSTreeNode<K,V> Node;
public:
	BSTree() = default;

	BSTree(BSTree& t)
	{
		BST_Copy(t._root);
	}
	void BST_Copy(Node* root)
	{
		if (root == nullptr)
			return;

		Insert(root->_key, root->_val);
		BST_Copy(root->_leftchild);
		BST_Copy(root->_rightchild);
	}
	BSTree& operator=(BSTree t)
	{
		std::swap(_root, t._root);
		return *this;
	}
	~BSTree()
	{
		Destroy(_root);
	}
	void Destroy(Node* root)
	{
		if (root == nullptr)
			return;
		Destroy(root->_leftchild);
		Destroy(root->_rightchild);
		delete root;

	}
	bool Insert(const K& key, const V& val)
	{
		if (_root == nullptr)
			_root = new Node(key,val);
		Node* cur = _root;
		Node* parent = nullptr;
		while (cur != nullptr)
		{
			if (key < cur->_key)
			{
				parent = cur;
				cur = cur->_leftchild;
			}
			else if (key > cur->_key)
			{
				parent = cur;
				cur = cur->_rightchild;
			}
			else//存在
				return false;
		}
		//找到位置了，但不知是左右哪个
		if (key < parent->_key)
			parent->_leftchild = new Node(key, val);
		else
			parent->_rightchild = new Node(key, val);
		return true;
	}
	Node* Find(const K& key)
	{
		Node* cur = _root;
		while (cur != nullptr)
		{
			if (cur->_key < key)
				cur = cur->_rightchild;
			else if (cur->_key > key)
				cur = cur->_leftchild;
			else
				return cur;
		}
		return nullptr;
	}
	bool Erase(const K& key)
	{
		//找key节点和双亲节点
		Node* cur = _root;
		Node* parent = nullptr;
		while (cur != nullptr)
		{
			if (cur->_key < key)
			{
				parent = cur;
				cur = cur->_rightchild;
			}
			else if (cur->_key > key)
			{
				parent = cur;
				cur = cur->_leftchild;
			}
			else
				break;
		}
		if (cur == nullptr)
			return false;

		//删除（分情况）
		if (cur->_leftchild == nullptr && cur->_rightchild == nullptr)//没孩子结点
		{
			if (cur == _root)
			{
				_root = nullptr;
			}
			else if (parent->_leftchild == cur)
				parent->_leftchild = nullptr;
			else
				parent->_rightchild = nullptr;
			delete cur;
		}
		else if (cur->_leftchild == nullptr || cur->_rightchild == nullptr)//有一个孩子结点
		{
			if (cur->_leftchild == nullptr)
			{
				if (cur == _root)
				{
					_root = cur->_rightchild;
				}
				else if (parent->_leftchild == cur)
				{
					parent->_leftchild = cur->_rightchild;
				}
				else
				{
					parent->_rightchild = cur->_rightchild;
				}
			}
			else
			{
				if (cur == _root)
				{
					_root = cur->_leftchild;
				}
				else if (parent->_leftchild == cur)
				{
					parent->_leftchild = cur->_leftchild;
				}
				else
				{
					parent->_rightchild = cur->_leftchild;
				}
			}
			delete cur;
		}
		else//有两个孩子结点
		{
			//用左孩子中最大结点或者右孩子最小的节点来补
			//左孩子中最大结点
			Node* prev = cur;
			Node* curi = cur->_leftchild;
			while (curi->_rightchild != nullptr)
			{
				prev = curi;
				curi = curi->_rightchild;
			}
			cur->_key = curi->_key;
			if (curi == prev->_rightchild)
				prev->_rightchild = curi->_leftchild;
			else
				prev->_leftchild = curi->_leftchild;
			delete curi;
		}

		return true;
	}
	void InOrder()
	{
		_InOrder(_root);
		cout << endl;
	}
	void _InOrder(Node* root)
	{
		if (root == nullptr)
			return;
		_InOrder(root->_leftchild);
		cout << root->_key << ":" << " " << root->_val << ";";
		_InOrder(root->_rightchild);
	}

private:

	Node* _root = nullptr;
};

总结

二叉搜索树结构简单、效率高，是学习平衡树和 STL 容器（如 map、set）的基础。掌握它，有助于更好地理解后续的数据结构与算法。

如果本文对您有启发：

✅ 点赞 - 让更多人看到这篇硬核技术解析 ！

✅ 收藏 - 实战代码随时复现

✅ 关注 - 获取数据结构系列深度更新
您的每一个[三连]都是我们持续创作的动力！✨

相关推荐
腾昵猫3 小时前
程序员的自我修养（三）
c++
ᐇ9593 小时前
Java 程序运行原理与内存模型解析
java·开发语言
hrrrrb3 小时前
【机器学习】监督学习
人工智能·学习·机器学习
做一道光3 小时前
2、SVPWM原理及实现学习笔记
笔记·学习·嵌入式·电机控制
晨曦（zxr_0102）3 小时前
CSP-X 2024 复赛编程题全解（B4104+B4105+B4106+B4107）
数据结构·c++·算法
ai安歌3 小时前
【Rust编程：从新手到大师】 Rust 控制流深度详解
开发语言·算法·rust
·白小白3 小时前
力扣（LeetCode) ——15.三数之和（C++）
c++·算法·leetcode
czhc11400756634 小时前
JAVA1027抽象类；抽象类继承
android·java·开发语言
练习时长一年4 小时前
jdk动态代理的实现原理
java·开发语言
热门推荐
01GitHub 镜像站点02BongoCat - 跨平台键盘猫动画工具03UV安装并设置国内源04GitLab 零基础入门指南：从安装到项目管理全流程05Linux下V2Ray安装配置指南06Labelme从安装到标注：零基础完整指南07NVIDIA显卡驱动、CUDA、cuDNN 和 TensorRT 版本匹配指南08jdk21下载、安装（Windows、Linux、macOS）09在VSCode配置Java开发环境的保姆级教程（适配各类AI编程IDE）102025软件测试面试八股文（含答案+文档）