二叉树非递归dfs——简单思路搞定前中后序遍历
前言：相信很多同学都被二叉树非递归dfs的前中后序遍历方法弄的头疼。网上的答案，什么前中后序遍历各有一套写法，还有什么一个栈的写法，两个栈的写法。看起来能理解，一闭眼自己写都记不住。今天介绍一种用一种简单方法解决前中后序遍历的方法。
重点：二叉树非递归算法就是对递归算法的模拟。对于二叉树的深度优先搜索，其实前中后序遍历，它的搜索路径是一样的，区别就是在于节点的打印时机
比如如上图示，该二叉树遍历顺序是，1 2 4 2 5 7 5 2 1 ......
对于一个有左右叶子结点的节点2，它被路线中出现过3次，第一次从1节点到2节点，第二次从4节点到2节点，第三次从5节点到2节点。
对于一个缺失左右叶子节点的节点，如5,7，可以添加叶子结点None，此时该节点在路线上的也是被经过3次，如下图节点5
所有第一次进入该节点（从父节点进入）就被打印的，叫先序遍历，第二次进入该节点（从左子叶进入）被打印的叫中序遍历，第三次进入该节点（从右子叶进入）被打印的叫后序遍历
于是，我们可以把整个遍历过程记录下来，如下：
(1, 'first'), (2, 'first'), (4, 'first'), (4, 'middle'), (4, 'last'), (2, 'middle'), (5, 'first'), (7, 'first'), (7, 'middle'), (7, 'last'), (5, 'middle'), (5, 'last'), (2, 'last'), (1, 'middle').....
其中，first,middle,last是对这个节点第几次进入的一个标识flag，first代表第一次进入该节点，middle代表第二次进入该节点，last代表第三次进入该节点。这个遍历过程，其实已经完全表达了二叉树图形与遍历顺序，同时，first，middle，last又可以表示先序、中序、后序遍历的顺序
如果我们有了这个遍历顺序的list，然后按照first这个flag去过滤这个list，就能得到先序遍历的顺序。同理，按middle，last这个flag过滤，就能得到中序、后序遍历的顺序
遍历过程的获得：
1、初始化：建立一个临时temps= []，最终遍历顺序outputs = []，当前节点cur = None, 起始temps压入1节点和它的标识(1节点, 'first')
当前节点cur = None
最终outputs = []
临时temps= [(1节点, 'first')]
2、temps头部pop出 (1节点, 'first')， 将此节点压入outputs ，当前节点cur=(1节点, 'first')， 判断flag=‘first’，代表第一次访问，将[(2节点， 'first')， (1节点， 'middle')， (3节点， 'first')，(1节点， 'last')]压入temps的头部
cur = (1节点, 'first')
outputs = [(1节点, 'first')]
temps= [(2节点， 'first')，(1节点， 'middle')， (3节点， 'first')， (1节点， 'last')]
3、第二次，循环重复2步骤，temps头部pop出 (2节点， 'first')， 将此节点压入outputs.....，temps压入[(4节点， 'first')， (2节点， 'middle')， (5节点， 'first')，(2节点， 'last')]
cur = (2节点, 'first')
outputs = [(1节点, 'first')， (2节点， 'first')]
temps= [(4节点， 'first')， (2节点， 'middle')， (5节点， 'first')，(2节点， 'last')，(1节点， 'middle')， (3节点， 'first')， (1节点， 'last')]
4、第三次，循环重复，但由于节点4下没有子节点，只要压入[(4节点， 'middle')，(4节点， 'last')]
cur = (4节点, 'first')
outputs = [(1节点, 'first')， (2节点， 'first')， (4节点， 'first')，]
temps= [(4节点， 'middle')，(4节点， 'last')，(2节点， 'middle')， (5节点， 'first')，(2节点， 'last')，(1节点， 'middle')， (3节点， 'first')， (1节点， 'last')]
5、第四次，当前节点cur的flag是middle或者是last时，直接将cur压入outputs即可
cur = (4节点， 'middle')
outputs = [(1节点, 'first')， (2节点， 'first')， (4节点， 'first')，(4节点， 'middle')]
temps= [(4节点， 'last')，(2节点， 'middle')， (5节点， 'first')，(2节点， 'last')，(1节点， 'middle')， (3节点， 'first')， (1节点， 'last')]
第五次：
cur = (4节点， 'last')
outputs = [(1节点, 'first')， (2节点， 'first')， (4节点， 'first')，(4节点， 'middle')，(4节点， 'last')]
temps= [(2节点， 'middle')， (5节点， 'first')，(2节点， 'last')，(1节点， 'middle')， (3节点， 'first')， (1节点， 'last')]
6、重复如上步骤，直到temps为空
树的定义：
class Node:
def __init__(self,value=None,left=None,right=None):
self.value=value
self.left=left #左子树
self.right=right #右子树
tree = Node(1, Node(2, Node(4, ), Node(5, Node(7, ), None)), Node(3, None, Node(6, None, Node(8, Node(9, ), Node(10, )))))核心代码：
def dfs(root):
temps = [(root, 'first')]
outputs = []
while temps:
cur_q = temps.pop()
cur_node = cur_q[0]
flag = cur_q[1]
outputs.append(cur_q)
if flag == 'first':
temps.append((cur_node, 'last'))
if cur_node.right != None:
temps.append((cur_node.right, 'first'))
temps.append((cur_node, 'middle'))
if cur_node.left != None:
temps.append((cur_node.left, 'first'))
return outputs
outputs = dfs(tree)
#深度优先的遍历过程
all_values = [(i[0].value, i[1]) for i in outputs]
#先序遍历
pre_order = [i[0] for i in all_values if i[1] == 'first']
#中序遍历
middle_order = [i[0] for i in all_values if i[1] == 'middle']
#后序遍历
last_order = [i[0] for i in all_values if i[1] == 'last']
print(all_values)
print(pre_order)
print(middle_order)
print(last_order)
结果：
all_values:
[(1, 'first'), (2, 'first'), (4, 'first'), (4, 'middle'), (4, 'last'), (2, 'middle'), (5, 'first'), (7, 'first'), (7, 'middle'), (7, 'last'), (5, 'middle'), (5, 'last'), (2, 'last'), (1, 'middle'), (3, 'first'), (3, 'middle'), (6, 'first'), (6, 'middle'), (8, 'first'), (9, 'first'), (9, 'middle'), (9, 'last'), (8, 'middle'), (10, 'first'), (10, 'middle'), (10, 'last'), (8, 'last'), (6, 'last'), (3, 'last'), (1, 'last')]
#先序遍历
[1, 2, 4, 5, 7, 3, 6, 8, 9, 10]
#中序遍历
[4, 2, 7, 5, 1, 3, 6, 9, 8, 10]
#后序遍历
[4, 7, 5, 2, 9, 10, 8, 6, 3, 1]核心代码也就十几行，关键是模拟遍历的顺序，再从中提取先中后序遍历顺序。
本文地址：https://blog.csdn.net/doufuxixi/article/details/109629820