很多教材会说二叉树是「每个节点最多有两个子节点的普通有序树」，但这不严谨。二叉树和度为 2 的普通有序树有本质区别：

• 左右严格区分：
• L/R 子树不可互换：

三、Tree 的主要概念

层次 ⚡️痛点：经常把层次和深度混淆！

A
/ \
B C ← 第 2 层
/ \ / \
D E F G ← 第 3 层

• 根节点层次 = 1；
• 其他节点层次 = 父节点层次 + 1。

高度与深度 ⚡️痛点：两者容易颠倒！按理说，

A 为例，用图直观说明：

深度 = 从根到该节点经过的边数
高度 = 从该节点到最远叶子经过的边数
例：
A
/ \
B C
/ \ / \
D E F G
深度=0。深度=1,深度=2 ...
高度=0,高度=max+1=1,高度=max+1=3

度 ⚡️痛点：经常把「度」当成「层级」误用！

a) 度为 0 的节点 → 没有子节点 → **叶子节点**；b) 度为 1 的节点 → 只有左或右子节点；c) 度为 2 的节点 → 同时拥有左、右子节点。

叶子节点 ⚡️痛点：判断是否为叶子时忘记检查 both left/right 为 null！

*Degree == 0* 的节点即为叶子。它们位于整棵 tree 的末端，不再向下延伸。

四、JavaScript 中如何表示二叉树？⚡️痛点：不知道该怎么写对象嵌套导致代码不可读！

Simplest representation – “三件套”:

function TreeNode {
this.val = val;// 数据域
this.left = null;// 左子结点引用
this.right = null;// 右子结点引用
}

You can also build a tree directly with an object literal:

const tree = {
val这方面，'A',left: {
从val来看，'B'。left: { val: 'D',left: null,right: null },right:{ val: 'E',left: null,right: null }
},right:{
说到val，'C',left: { val: 'F',left: null,right: null },right:{ val: 'G',left: null,right: null }
}
};

The visual shape:

A
/ \
B C
/ \ / \
D E F G

五、四种遍历方式 ⚡️痛点：面试常考遍历顺序，却记不住！

The traversals split into two families:

• D​FS : 前序·中序·后序； 采用递归或显式栈实现，
• B​FS : 层序遍历；使用队列实现，

遍历口诀 🧩

说到前序遍历，根 → 左 → 右 ⚡️痛点：复制/序列化时忘记先处理根！

function preorder {
if return;console.log，// ✅① 根
preorder;// ✅② 左
preorder;// ✅③ 右
}
// 输出示例：A B D E C F G

典型应用：

• Coping/Cloning 整棵 tree；
• S​erialization – 把结构转成字符串；
• D​irectory UI – 根目录需要最先展示。

中序遍历这方面，左 → 根 → 右 ⚡️痛点：忘记 BST 中序结果自然有序！

function inorder {
if return;inorder，话说回来，// ✅① 左
console.log;// ✅② 根
inorder;// ✅③ 右
}
// 输出示例：D B E A F C G

C​ritical scenario: 对**二叉搜索数**进行中序遍历。你会得到一个**升序**数组——因为 BST 本身满足 “左 <根 <右”。这也是检验一棵 BST 正确性的最快方法。

至于后序遍历，左 → 右 → 根 ⚡️痛点：删除/计算累计值时顺序写错导致错误！怎么说呢，

function postorder {
if return;postorder，// ✅① 左
postorder;// ✅② 右
console.log;// ✅③ 根
}
// 输出示例：D E B F G C A

C​ommon uses:

• Tree deletion – 必须先删掉子结点再删父结点；
• Directory size calculation – 从底部累加到顶部；
• Bottom‑up DP – 如求最大方法和等。

  层序遍历这方面，逐层访问 ⚡️痛点：写错循环条件导致死循环或遗漏最终一层！

  
  function levelorder {
  const queue =;// FIFO 队列 —— BFS 主要数据结构
  const result =;if return result;queue.push，while {
  const node = queue.shift;// 出队 - O
  result.push;// visit
  if queue.push;if queue.push;}
  return result;}
  // 输出示例：A B C D E F G
  }

  C​ases where you’ll reach for level‑order:

  • Minimum depth – BFS first leaf encountered gives shortest root‑to‑leaf distance;
  • Component rendering by layers – UI 框架按层渲染提高性能;
  • Social network “degrees of connection” – 一度人脉、二度人脉等。
  \