LeetCode 35. 搜索插入位置：二分查找的经典应用

刷LeetCode时，二分查找是高频考点，而35题「搜索插入位置」更是二分查找的入门级经典------它不仅考察对二分查找核心逻辑的理解，还需要灵活处理"目标值不存在"的边界场景。今天就来拆解这道题的解题思路，一步步看懂代码背后的逻辑，吃透O(log n)时间复杂度的实现要点。

题目回顾

给定一个排序数组和一个目标值，在数组中找到目标值，并返回其索引。如果目标值不存在于数组中，返回它将会被按顺序插入的位置。

核心约束：必须使用时间复杂度为 O(log n) 的算法。

这里要注意，题目明确给出"排序数组"，这是二分查找能够适用的前提------二分查找的核心就是利用"有序"特性，每次将查找范围缩小一半，从而实现对数级的时间复杂度，比暴力遍历（O(n)）高效得多。

解题思路：二分查找的边界处理

二分查找的关键的是「定义查找区间」和「处理边界条件」，这道题的难点在于：当目标值不在数组中时，如何精准找到它的插入位置。

我们先明确核心思路：

定义左右指针，划定查找区间（本题采用「左闭右闭」区间，即left ≤ right时，区间内仍有元素可查找）；
计算中间位置mid，通过比较target和nums $mid$ 的大小，缩小查找范围；
用一个变量ans记录"可能的插入位置"，默认值设为数组长度n（对应目标值比所有元素都大的情况）；
当target ≤ nums $mid$ 时，说明目标值可能在mid左侧（或就是mid），此时更新ans为mid，并将右指针左移（right = mid - 1）；
当target > nums $mid$ 时，说明目标值在mid右侧，将左指针右移（left = mid + 1）；
循环结束后，ans即为目标值的索引（存在时）或插入位置（不存在时）。

代码逐行解析

给出的代码简洁高效，我们逐行拆解，看懂每一步的作用：

typescript 复制代码

function searchInsert(nums: number[], target: number): number {
  const n = nums.length;
  let left = 0, right = n - 1, ans = n;
  // 维护两个闭区间
  while (left <= right) {
    let mid = (left + right) >> 1;
    if (target <= nums[mid]) {
      ans = mid;
      right = mid - 1;
    } else {
      left = mid + 1;
    }
  }
  return ans;
};

1. 变量初始化

const n = nums.length;：记录数组长度，避免多次调用nums.length，提升效率；
let left = 0, right = n - 1;：定义左指针（指向数组起始位置）和右指针（指向数组末尾位置），确立「左闭右闭」的查找区间；
ans = n;：初始化插入位置为数组长度，这是一个"兜底"设置------当target比数组中所有元素都大时，插入位置就是数组末尾，即索引n。

2. 二分查找循环

while (left <= right)：循环条件是左指针不大于右指针，这是「左闭右闭」区间的核心特征------当left == right时，区间内还有最后一个元素需要判断，避免遗漏。

3. 中间位置计算

let mid = (left + right) >> 1;：计算中间索引mid，这里用「右移1位」代替「除以2」，效率更高（二进制右移1位等价于整除2，且计算机处理位运算比除法更快）。

注意：也可以写成mid = Math.floor((left + right) / 2)，两者效果一致，但右移写法更简洁高效。

4. 核心判断逻辑

这部分是整个算法的核心，负责缩小查找范围并更新插入位置：

if (target <= nums[mid])：

如果目标值小于等于中间元素，说明目标值要么就是nums $mid$ ，要么在mid的左侧区间。此时，我们将ans更新为mid（因为mid是当前可能的插入位置），然后将右指针right移到mid - 1，缩小查找范围到左半部分。

else：

如果目标值大于中间元素，说明目标值在mid的右侧区间，此时不需要更新ans（因为当前mid不可能是插入位置），直接将左指针left移到mid + 1，缩小查找范围到右半部分。

5. 返回结果

return ans;：循环结束后，left会大于right，此时ans已经记录了目标值的索引（存在时）或正确的插入位置（不存在时）。

关键细节：为什么这样能找到插入位置？

很多人会疑惑，ans的更新逻辑为什么能精准定位插入位置？我们举两个例子理解：

示例1：nums = $1,3,5,6$ ，target = 5（目标值存在）

循环过程中，当mid = 2（nums $mid$ = 5），target <= nums $mid$ ，ans更新为2，right = 1。之后循环结束，返回ans=2，正确。

示例2：nums = $1,3,5,6$ ，target = 2（目标值不存在）

初始left=0，right=3，ans=4；
mid=1（nums $mid$ =3），target=2 <= 3，ans更新为1，right=0；
mid=0（nums $mid$ =1），target=2 > 1，left=1；
循环结束（left=1 > right=0），返回ans=1，即插入位置在1和3之间，正确。

本质上，ans始终记录着"当前最接近target且大于等于target的元素索引"，当循环结束时，这个索引就是插入位置（如果target不存在），或者就是target本身的索引（如果存在）。

总结

这道题的核心是「二分查找的边界处理」，重点掌握3点：

「左闭右闭」区间的定义的循环条件（left <= right）；
ans变量的作用------兜底插入位置，动态更新可能的插入点；
mid的计算方式（右移1位）和指针移动逻辑（缩小一半范围）。

二分查找的难点在于边界条件的处理，这道题作为入门题，能帮我们快速掌握二分查找的核心逻辑。记住：只要数组有序，就可以优先考虑二分查找，而「左闭右闭」区间是最容易理解和实现的方式之一。