二叉树的前序遍历：递归与非递归的对比

📚 目录

1. 前序遍历简介

2. 递归遍历

   • 2.1 实现方式

   • 2.2 优点与缺点

3. 非递归遍历

   • 3.1 实现方式

   • 3.2 优点与缺点

4. 递归与非递归的对比

5. 实际应用场景

6. 面试常见问题

<a name="1"></a>

1. 前序遍历简介

前序遍历（Preorder Traversal）是二叉树遍历的一种方式，遍历顺序为： 根节点 -> 左子树 -> 右子树

示例： 对于二叉树：

1

/ \ 2 3 / \ 4 5

前序遍历结果为：`1 -> 2 -> 4 -> 5 -> 3`
​
<a name="2"></a>
## 2. 递归遍历
​
<a name="21"></a>
### 2.1 实现方式
```python
def preorder_traversal(root):
    if root is None:
        return
    print(root.val)  # 访问根节点
    preorder_traversal(root.left)  # 递归遍历左子树
    preorder_traversal(root.right)  # 递归遍历右子树

<a name="22"></a>

2.2 优点与缺点

优点：

• 🧠 代码简洁：逻辑清晰，易于理解和实现

• ⏳ 开发效率高：适合快速实现和调试

缺点：

• 🚫 栈溢出风险：递归深度过大时可能导致栈溢出

• ⚡ 性能开销：函数调用栈的开销较大

<a name="3"></a>

3. 非递归遍历

<a name="31"></a>

3.1 实现方式

使用栈模拟递归过程：

def preorder_traversal_iterative(root):
    if root is None:
        return
    stack = [root]
    while stack:
        node = stack.pop()
        print(node.val)  # 访问根节点
        if node.right:  # 右子树先入栈
            stack.append(node.right)
        if node.left:  # 左子树后入栈
            stack.append(node.left)

<a name="32"></a>

3.2 优点与缺点

优点：

• 🚀 性能更优：避免了函数调用栈的开销

• 🔒 无栈溢出风险：适合处理深度较大的二叉树

缺点：

• 🧩 代码复杂：需要手动维护栈，逻辑相对复杂

• ⏳ 开发效率低：实现和调试时间较长

<a name="4"></a>

4. 递归与非递归的对比

特性	递归遍历	非递归遍历
代码复杂度	简单	复杂
性能	较低（函数调用开销）	较高（无函数调用开销）
栈溢出风险	有（递归深度过大时）	无
适用场景	小规模数据、快速实现	大规模数据、性能要求高的场景

<a name="5"></a>

5. 实际应用场景

• 递归遍历：

  • 小规模数据处理

  • 快速原型开发

  • 教学和演示

• 非递归遍历：

  • 大规模数据处理（如文件系统遍历）

  • 性能敏感的场景（如实时系统）

  • 深度较大的二叉树遍历

<a name="6"></a>

6. 面试常见问题

1. 递归遍历和非递归遍历的区别？

   • 递归遍历代码简洁但性能较差，非递归遍历性能更优但代码复杂。

2. 如何选择递归还是非递归？

   • 根据数据规模和性能要求选择，小规模数据用递归，大规模数据用非递归。

3. 非递归遍历的实现原理是什么？

   • 使用栈模拟递归过程，手动维护节点访问顺序。

4. 递归遍历的栈溢出问题如何解决？

   • 改用非递归遍历，或优化递归深度（如尾递归优化）。