【LeetCode 958】判定完全二叉树：警惕 BFS 中的"管中窥豹"陷阱
在二叉树的面试题中，判定完全二叉树（Check Completeness of a Binary Tree）是一道考察层序遍历（BFS）细节处理的经典题目。
很多同学知道这道题要用队列（Queue）做 BFS，但在处理"何时结束"、"如何判定失败"的逻辑上，很容易掉进思维陷阱。
今天我们就通过两段代码的对比（一段 100% 通过，一段 95% 通过），来揭示算法设计中的局部视野 vs 全局视野 的差异。
1. 题目核心难点
完全二叉树的定义通俗来说就是：
- 前面的层必须是满的。
- 最后一层的节点必须紧凑地靠左排列。
- 中间不能有空洞。
这意味着，如果我们对树进行层序遍历（BFS），将所有节点（包括空节点 null）按顺序放入队列。那么，一旦出现了第一个 null，后面就绝对不能再出现任何非 null 的节点。如果出现了，说明树中间断开了，不是完全二叉树。
2. 案例分析：为什么代码 2 只能通过 95%？
让我们先来看看这段"差一点就对了"的代码（Code 2）。它的思路看起来很机智：在遍历过程中，盯着当前节点和下一个节点看。
❌ Code 2（存在逻辑漏洞）
java
class Solution {
public boolean isCompleteTree(TreeNode root) {
Queue<TreeNode> queue = new LinkedList<>();
queue.offer(root);
while(!queue.isEmpty()){
TreeNode cur = queue.poll();
// 试图通过"当前节点"和"下一个节点(peek)"的关系直接下定论
if(cur == null && queue.peek() != null) return false; // 漏洞 1
if(cur == null && queue.peek() == null) return true; // 漏洞 2 (致命)
// 注意：这里其实还会抛出空指针异常，因为当 cur 为 null 时，
// 下面的代码会尝试 cur.left，虽然题目可能保证了数据，但在逻辑上是不严谨的。
// 假设我们忽略空指针问题，只看逻辑：
if(cur != null) {
queue.offer(cur.left);
queue.offer(cur.right);
}
}
return true;
}
}致命死穴：管中窥豹（局部视野）
这段代码最大的问题在于这句话：
if(cur == null && queue.peek() == null) return true;
它的逻辑是 ：如果我是空的，而且我后面排队的那个人也是空的，那肯定结束了，返回 true。
反例打击 ：
假设树的层序结构是：[Node, null, null, Node]。
这显然不是完全二叉树（中间缺了两个）。
当代码执行到第一个 null 时：
cur是null。queue.peek()是第二个null。- 代码直接判定
return true。
只要连着出现两个空节点，代码 2 就会误判为"通过"，完全忽略了队列后面可能还藏着一个非空的节点！ queue.peek() 只能看一眼下一个，看不到队尾，这就是典型的"局部视野"导致的错误。
3. 优秀解法：全局扫视（Code 1）
来看看那段完美通过的代码（Code 1）。它的思路非常稳健：分为两个阶段。
✅ Code 1（标准答案）
java
class Solution {
public boolean isCompleteTree(TreeNode root) {
Queue<TreeNode> queue = new LinkedList<>();
queue.offer(root);
// 阶段一：无脑入队，直到遇到第一个 null
while(!queue.isEmpty()){
TreeNode cur = queue.poll();
if(cur != null) {
// 关键点：不管孩子是不是 null，都放进去！
// 这保证了队列里完整保留了树的结构（包括空位）
queue.offer(cur.left);
queue.offer(cur.right);
} else {
// 遇到了第一个空节点，阶段一结束！
break;
}
}
// 阶段二：排查剩余队列
// 既然已经遇到了空节点，那么如果这棵树是完全的，
// 队列里剩下的所有东西必须全都是 null。
// 只要发现任何一个活着的节点，直接判死刑。
while(!queue.isEmpty()){
if(queue.peek() != null){
return false;
}
queue.poll();
}
return true;
}
}为什么 Code 1 更优？
-
逻辑分层清晰：
- 前半场：正常遍历，一旦遇到空节点，立刻停止"生成新节点"的操作。
- 后半场：专门负责"验尸"。检查剩下的队列是否纯净（全空）。
-
全局视野 ：
它没有在遇到
null时急着下结论，而是用第二个while循环把队列彻底检查一遍。这就避免了"连续两个 null 后面藏着一个 Node"的坑。 -
数据结构的正确使用 ：
它利用了队列 FIFO 的特性，把二叉树拉成了一维的线性结构。判定完全二叉树，本质上就是看这个线性结构中，所有的
null是否都集中在最后面。[Node, Node, Node, null, null]-> ✅ 是[Node, null, Node, null]-> ❌ 否[Node, null, null, Node]-> ❌ 否（Code 2 会挂在这里）
4. 总结
在解决 BFS 相关题目时，我们要格外注意状态的连续性。
- Code 2 的失败 在于试图用 O(1)O(1)O(1) 的视野（peek）去推断 O(N)O(N)O(N) 的结局，犯了"急于求成"的错误。
- Code 1 的成功 在于它捕捉到了完全二叉树的本质特征："遇到空节点后，后续必须全为空"，并用两个循环严谨地实现了这个逻辑。
写算法题时，不要只盯着眼前的 peek()，要想到队列深处可能还藏着"魔鬼"。