拒绝"浅拷贝"陷阱：图解随机链表的深拷贝
摘要 ：本文详解LeetCode 138题"随机链表的复制"。通过巧妙的"拼接-赋值-拆分"三步走策略，在O(空间复杂度下实现链表深拷贝，彻底解决random指针指向难题，带你领略链表操作的思维之美。
📚 核心知识点：深拷贝与"时空穿梭"技巧
在处理链表复制问题时，我们通常会遇到一个棘手的难题：random指针。普通的链表复制只需要复制val和next，但random指针可能指向链表中的任意节点（甚至是null）。如果我们直接复制，新节点的random就会指向旧节点，这就不符合"深拷贝"的要求了。
为了解决这个问题，通常有两种思路：
- 哈希表法（空间换时间） ：用字典记录
旧节点 -> 新节点的映射关系。但这需要O(N)的额外空间。 - 拼接拆分法（原地操作）：这就是我们要讲的重点！通过巧妙的"穿插"技巧，将空间复杂度降为O(1)。
核心思想 ：
既然新节点找不到它对应的random新节点，那我们就把新节点紧紧贴在旧节点身边！这样，通过旧节点的random，就能瞬间找到新节点的random。
📝 题目解析：LeetCode 138. 随机链表的复制
题目描述 ：
给你一个长度为n的链表，每个节点包含一个额外增加的随机指针random，该指针可以指向链表中的任何节点或空节点。
构造这个链表的深拷贝 。深拷贝应该正好由n个全新 节点组成，其中每个新节点的值都设为其对应的原节点的值。新节点的next指针和random指针也都应指向复制链表中的新节点。
简单来说：你要造一个一模一样的克隆链表，但里面的零件全是新的，不能混用旧的。
💡 解题思路：三步走的"魔术"
我们要通过三个步骤，把旧链表变成新链表：
第一步：拼接（插队）
在每个旧节点后面，立刻插入一个克隆的新节点。
- 旧链表：
A -> B -> C - 拼接后：
A -> A' -> B -> B' -> C -> C'
第二步：赋值（连Random）
利用"近水楼台先得月"的优势，设置新节点的random。
- 如果
A.random指向C，那么A'.random就应该指向C'。 - 因为
C'就在C的旁边（C.next），所以我们可以轻松找到它。
第三步：拆分（分家）
把纠缠在一起的链表拆开，恢复旧链表，提取新链表。
- 旧链表恢复为：
A -> B -> C - 新链表提取为：
A' -> B' -> C'
💻 代码实现（Python3）
python
"""
# Definition for a Node.
class Node:
def __init__(self, x: int, next: 'Node' = None, random: 'Node' = None):
self.val = int(x)
self.next = next
self.random = random
"""
class Solution:
def copyRandomList(self, head: 'Optional[Node]') -> 'Optional[Node]':
if not head:
return None
# ===================== 步骤1：拼接链表，插入新节点 =====================
# 目的：A -> B -> C 变为 A -> A' -> B -> B' -> C -> C'
cur = head
while cur:
# 1. 创建新节点，值和当前原节点相同
new_node = Node(cur.val)
# 2. 新节点的next指向原节点的next（即B）
new_node.next = cur.next
# 3. 原节点的next指向新节点（即A'），完成插入
cur.next = new_node
# 4. 移动到下一个原节点（跳过刚插入的新节点，即从A跳到B）
cur = new_node.next
# ===================== 步骤2：给新节点的random指针赋值 =====================
# 原理：如果 A.random -> C，那么 A'.random 应该 -> C' (即 C.next)
cur = head
while cur:
# 当前原节点对应的新节点（就在原节点旁边）
new_node = cur.next
# 如果原节点的random不为空
if cur.random:
# 新节点的random = 原节点random的next（对应的克隆节点）
new_node.random = cur.random.next
else:
new_node.random = None
# 移动到下一个原节点
cur = new_node.next
# ===================== 步骤3：拆分链表，恢复原链表 + 提取新链表 =====================
cur = head
# 新链表的头节点（原头节点的next）
new_head = head.next
while cur:
new_node = cur.next
# 1. 恢复原节点的next指针（跳过新节点，连向后一个原节点）
cur.next = new_node.next
# 2. 给新节点的next指针赋值（如果有下一个新节点的话）
# 注意：new_node.next 此时指向的是"下一个原节点"，我们需要跳到"下一个新节点"
if new_node.next:
new_node.next = new_node.next.next
else:
new_node.next = None
# 3. 移动到下一个原节点
cur = cur.next
# 返回新链表的头节点
return new_head 🚀 递归写法：大道至简的"回溯法"
如果你觉得上面的"拼接拆分"像是在变魔术，容易绕晕，那么递归 + 哈希表的方法可能更符合直觉。
核心逻辑 ：
递归的本质是"把大问题拆成小问题"。复制一个节点，取决于复制它的next和random。
为了防止无限循环（因为random可能指回前面的节点），我们需要一个"备忘录"（哈希表）来记录旧节点 -> 新节点的映射。
python
class Solution:
# 定义一个哈希表作为缓存，key是旧节点，value是新节点
cached_node = {}
def copyRandomList(self, head: 'Optional[Node]') -> 'Optional[Node]':
if not head:
return None
# 如果这个节点还没被克隆过
if head not in self.cached_node:
# 1. 先创建新节点（只赋值val，next和random先空着）
new_node = Node(head.val)
# 2. 存入哈希表，标记"这个旧节点我已经处理了"
self.cached_node[head] = new_node
# 3. 递归地去克隆它的 next 和 random
# 这里的精妙之处在于：递归调用会自动处理"是否已存在"的检查
new_node.next = self.copyRandomList(head.next)
new_node.random = self.copyRandomList(head.random)
# 如果已经克隆过了，直接返回哈希表里的新节点
return self.cached_node[head] 递归法总结：
- 优点：逻辑非常清晰，代码短，不需要修改原链表结构。
- 缺点：需要O(N)的额外空间来存哈希表，且递归过深可能导致栈溢出（虽然Python通常能处理几千层）。
📌 总结
- 迭代法（拼接拆分）：是空间复杂度的王者O(1)，适合对空间要求严格的场景，面试时写出来说明你对链表操作非常熟练。
- 递归法（哈希表）：是思维清晰度的王者，代码简洁不易出错，适合快速解题。
希望这篇笔记能帮你彻底搞懂随机链表！下次见～