一、树的基本知识
树是一种数据结构，它是由n（n>=1）个有限结点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。它具有以下的特点：每个结点有零个或多个子结点；没有父结点的结点称为根结点；每一个非根结点有且只有一个父结点；除了根结点外，每个子结点可以分为多个不相交的子树；
1、结点的层次和树的深度
树的结点包含一个数据元素及若干指向其子树的若干分支。结点的层次（ level） 从根开始定义，层次数为 0 的结点是根结点，其子树的根的层次数为 1。若结点在 L 层，其子树的根就在 L+1 层。对于层次为 k（ k > 0）的每个结点 c，都有且仅有一个层次为 k-1 的结点 p与之对应， p 称为 c 的父亲（ parent） 或父结点。若 p 是 c 的父亲，则 c 称为 p 的孩子（ child）。父子之间的连线是树的一条边。在树中根结点没有父亲，其余结点只有一个父结点，但是却可能有多个孩子，同一结点的孩子相互称为兄弟（ sibling）。树中结点的最大层次数称为树的深度（ Depth） 或高度。树中结点也有高度，其高度是以该结点为根的树的高度。
2、结点的度与树的度
结点拥有的子树的数目称为结点的度（ Degree）。度为 0 的结点称为叶子（ leaf） 或终端结点。度不为 0 的结点称为非终端结点或分支结点。除根之外的分支结点也称为内部结点。在这里需要注意的是结点的直接前驱结点，即它的父结点不计入其度数。
3、在树结构中有一个重要的性质如下：
树中的结点数等于树的边数加 1，也等于所有结点的度数之和加 1。这是因为除根结点以外每个结点都与指向它的一条边对应，所以除根结点以外的结点数等于树中边数之和。因此树中的结点数等于树的边数加 1。而边数之和就是所有结点的度数之和，因此树中的结点数也等于所有结点的度数之和加 1。
这个性质说明在树中结点总数与边的总数是相当的，基于这一事实，在对涉及树结构的算法复杂性进行分析时，可以用结点的数目作为规模的度量。
4、路径
在树中k+1 个结点通过k条边连接构成的序列{（ v0,v1） ,（ v1,v2） , … ,（ vk-1,vk） | k ≥ 0}，称为长度为k的路径（ path）。注意，此时忽略了树中边的方向。由单个结点， 0 条边构成的是长度为 0 的路径。结论：树中任意两个结点之间都存在唯一的路径。这意味着树既是连通的，同时又不会出现环路。从根结点开始，存在到其他任意结点的一条唯一路径，根到某个结点路径的长度，恰好是该结点的层次数。
5、祖先、子孙、堂兄弟
将父子关系进行扩展，就可以得到祖先、子孙、堂兄弟等关系。结点的祖先是从根到该结点路径上的所有结点。以某结点为根的树中的任一结点都称为该结点的子孙。父亲在同一层次的结点互为堂兄弟。
6、有序树、m 叉树、森林
如果将树中结点的各子树看成是从左至右是有次序的，则称该树为有序树；若不考虑子树的顺序则称为无序树。对于有序树，我们可以明确的定义每个结点的第一个孩子、第二个孩子等，直到最后一个孩子。若不特别指明，一般讨论的树都是有序树。
树中所有结点最大度数为 m 的有序树称为 m 叉树。
森林（ forest） 是 m（ m ≥ 0 ）棵互不相交的树的集合。对树中每个结点而言，其子树的集合即为森林。树和森林的概念相近。删去一棵树的根，就得到一个森林；反之，加上一个结点作树根，森林就变为一棵树。
二、代码实现
1、树的结点类：
import java.util.List;
public class TreeNode<E> {
public E key;// data
public TreeNode<E> parent;// parent
public List<TreeNode<E>> children;// children
public TreeNode(E key, TreeNode<E> parent) {
this.key = key;
this.parent = parent;
}
public TreeNode(E key) {
this.key = key;
}
@Override
public String toString() {
return "BSTNode [key=" + key + "]";
}
}
2、树的接口类：
import java.util.List;
public interface ITree<E> {
/**
* 节点数
* @return
*/
int getSize();
/**
* 获取根节点
* @return
*/
TreeNode<E> getRoot();
/**
* 获取x的父节点
* @param x
* @return
*/
TreeNode<E> getParent(TreeNode<E> x);
/**
* 获取第一个儿子
* @param x
* @return
*/
TreeNode<E> getFirstChild(TreeNode<E> x);
/**
* 获取x的下一个兄弟
* @param x
* @return
*/
TreeNode<E> getNextSibling(TreeNode<E> x);
/**
* 子树高度
* @param x
* @return
*/
int getHeight(TreeNode<E> x);
/**
* 插入子节点
* @param x
* @param child
*/
void insertChild(TreeNode<E> x, TreeNode<E> child);
/**
* 删除第i个子节点
* @param x
* @param i
*/
void deleteChild(TreeNode<E> x, int i);
/**
* 先序遍历
* @param x
* @return
*/
List<TreeNode<E>> preOrder(TreeNode<E> x);
/**
* 后续遍历
* @param x
* @return
*/
List<TreeNode<E>> postOrder(TreeNode<E> x);
/**
* 层次遍历
* @param x
* @return
*/
List<List<TreeNode<E>>> levelOrder(TreeNode<E> x);
List<List<TreeNode<E>>> levelOrder();
}
3、MyTree类：
注意这儿层次遍历这个函数，用到的bfs(宽度优先搜索)，顾名思义就是遍历完每一层再接着遍历下一层。相比于DFS用的递归而言，那么bfs用到的技巧就是队列，口诀:(队)弹一个，加N个(队)。如果某行有n个节点，从1访问到n时，需要保存1的左右节点，2的左右节点，，，n的左右节点，遍历下行时的顺序是1的左右，2的左右，，，n的左右。这不就是先进（先保存）先出（先访问）吗？算法伪码：1.root进队（每个元素都要进队，别直接访问）2.开始循环：队首出队，其左右节点进队。（当然你也可以左右节点先进队，接着队首出队） 循环条件是队非空。
但若是需要换行打印的话就比较麻烦了，第一行的换行很简单啊，root后直接换行。那么你已经知道了第一行的换行，你就知道了第二行的换行位置啊，毕竟第二行都是第一行的“映射”。所以呢，跟刚才一样，在访问第n行的时候就要保存第n+1行的最右信息，反正n+1行的最右就是从第n行的左节点（第n+1行的最左）开始迭代。那么就需要用到双指针：增加两个TreeNode：last和nlast。last：表示当前遍历层最右结点。nlast：表示下一层最右结点。遍历时，每次将nlast指向插入队列元素，最后一个插入结点时即最右结点。插入左右孩子之后，检测last是否为当前输出结点，若是，则表示需要进行换行，并将last指向下一层的nlast。
import java.util.ArrayList;
import java.util.LinkedList;
import java.util.List;
import java.util.Queue; public class MyTree<E> implements ITree<E> {
private int size = 0;
private TreeNode root; public MyTree(TreeNode root) {
this.root = root;
size++;
} @Override
public int getSize() {
return size;
} @Override
public TreeNode<E> getRoot() {
return root;
} @Override
public TreeNode<E> getParent(TreeNode<E> x) {
return x.parent;
} @Override
public TreeNode<E> getFirstChild(TreeNode<E> x) {
return x.children.get(0);
} @Override
public TreeNode<E> getNextSibling(TreeNode<E> x) {
List<TreeNode<E>> children = x.parent.children;
int i = children.indexOf(x);
// try {
// return children.get(i + 1);
// } catch (Exception e) {
// return null;
// }
if (i == children.size() - 1) {
return null;
} else {
return children.get(i + 1);
}
} /**
* 获得整棵树的高度
*/
public int getHeight() {
return getHeight(root);
} // dfs 深度优先遍历求高度
@Override
public int getHeight(TreeNode<E> x) {
if (x.children == null) {
return 0;
} else {
int h = 0;
for (int i = 0; i < x.children.size(); i++) {
h = Math.max(h, getHeight(x.children.get(i)));
}
return h + 1;
}
} @Override
public void insertChild(TreeNode<E> p, TreeNode<E> child) {
if (p.children == null) {
p.children = new ArrayList<>();
}
p.children.add(child);
child.parent = p;
size++;
} @Override
public void deleteChild(TreeNode<E> p, int i) {
p.children.remove(i);
size--;
} // 因为这不是二叉树，所以先序等遍历就先不写
@Override
public List<TreeNode<E>> preOrder(TreeNode<E> x) {
return null;
} @Override
public List<TreeNode<E>> postOrder(TreeNode<E> x) {
return null;
} // 层次遍历 bfs 宽度优先搜索 队列 口诀:(队)弹一个，加N个(队)
// 深搜 递归
// 双指针 换行
@Override
public List<List<TreeNode<E>>> levelOrder(TreeNode<E> x) {
List<List<TreeNode<E>>> res = new ArrayList<>();// list的list
Queue<TreeNode<E>> q = new LinkedList<>();
q.add(x);// 初始化
TreeNode<E> last = x;// 标记上一行的最末节点
TreeNode<E> nLast = null;// 标记最新加入队列的节点
List<TreeNode<E>> l = new ArrayList<>();// 第一行的list
res.add(l); while (!q.isEmpty()) {
TreeNode<E> peek = q.peek();
// 把即将弹出的节点的子节点加入队列
if (peek.children != null) {
for (TreeNode<E> n : peek.children) {
q.add(n);
nLast = n;
}
}
l.add(q.poll());// 弹出,加入到当前层列表 if (peek == last && !q.isEmpty()) {// 如果现在弹出的节点是之前标记的最后节点，就要换列表
l = new ArrayList<>();
res.add(l);
last = nLast;
}
}
return res;
} @Override
public List<List<TreeNode<E>>> levelOrder() {
return levelOrder(root);
}
}