二分搜索树节点删除-开发文档-JsSaaS开发平台

系统、网站、API站点，简单高效开发

数据结构

数据结构与算法插入排序希尔排序归并排序随机化快速排序双路快速排序三路排序算法排序算法衍生问题

堆

堆的基本存储堆的 shift up 堆的 shift down 基础堆排序优化堆排序索引堆及其优化

二分搜索树

二分搜索树二分搜索树节点的插入二分搜索树节点的查找二分搜索树深度优先遍历二分搜索树层序遍历二分搜索树节点删除二分搜索树的特性

并查集

并查集基础并查集快速查找并查集快速合并并查集 size 的优化并查集 rank 的优化并查集路径压缩

图论

图论基础和表示相邻节点迭代器深度优先遍历与连通分量寻路算法广度优先遍历与最短路径

二分搜索树节点删除

本小节介绍二分搜索树节点的删除之前，先介绍如何查找最小值和最大值，以及删除最小值和最大值。

以最小值为例（最大值同理）：

查找最小 key 值代码逻辑，往左子节点递归查找下去：

...
// 返回以node为根的二分搜索树的最小键值所在的节点
private Node minimum(Node node){
if( node.left == null )
return node;

return minimum(node.left);
}
...

删除二分搜索树的最小 key 值，如果该节点没有右子树，那么直接删除，如果存在右子树，如图所示：

删除节点 22，存在右孩子，只需要将右子树 33 节点代替节点 22。

这个删除最小值用代码表示:

...
// 删除掉以node为根的二分搜索树中的最小节点
// 返回删除节点后新的二分搜索树的根
private Node removeMin(Node node){

if( node.left == null ){

Node rightNode = node.right;
node.right = null;
count --;
return rightNode;
}

node.left = removeMin(node.left);
return node;
}
...

现在讨论二分搜索树节点删除分以下三种情况：

1、删除只有左孩子的节点，如下图节点 58。

删除掉元素 58，让左子树直接代替 58 的位置，整个二分搜索树的性质不变。

2、删除只有右孩子的节点，如下图节点 58。

删除掉元素 58，让右子树直接代替 58 的位置，整个二分搜索树的性质不变。

3、删除左右都有孩子的节点，如下图节点 58。

（1）找到右子树中的最小值，为节点 59

（2）节点 59 代替待删除节点 58

综合以上规律，删除以 node 为根的二分搜索树中键值为 key 的节点，核心代码示例：

源码包下载：Download

src/runoob/binary/BSTRemove.java 文件代码：

package runoob.binary;

import java.util.LinkedList;

/**
* 二分搜索树节点删除
*/
public class BSTRemove<Key extends Comparable<Key>, Value> {
// 树中的节点为私有的类, 外界不需要了解二分搜索树节点的具体实现
private class Node {
private Key key;
private Value value;
private Node left, right;

public Node(Key key, Value value) {
this.key = key;
this.value = value;
left = right = null;
}

public Node(Node node){
this.key = node.key;
this.value = node.value;
this.left = node.left;
this.right = node.right;
}
}

private Node root; // 根节点
private int count; // 树种的节点个数

// 构造函数, 默认构造一棵空二分搜索树
public BSTRemove() {
root = null;
count = 0;
}

// 返回二分搜索树的节点个数
public int size() {
return count;
}

// 返回二分搜索树是否为空
public boolean isEmpty() {
return count == 0;
}

// 向二分搜索树中插入一个新的(key, value)数据对
public void insert(Key key, Value value){
root = insert(root, key, value);
}

// 查看二分搜索树中是否存在键key
public boolean contain(Key key){
return contain(root, key);
}

// 在二分搜索树中搜索键key所对应的值。如果这个值不存在, 则返回null
public Value search(Key key){
return search( root , key );
}

// 二分搜索树的前序遍历
public void preOrder(){
preOrder(root);
}

// 二分搜索树的中序遍历
public void inOrder(){
inOrder(root);
}

// 二分搜索树的后序遍历
public void postOrder(){
postOrder(root);
}

// 二分搜索树的层序遍历
public void levelOrder(){

// 我们使用LinkedList来作为我们的队列
LinkedList<Node> q = new LinkedList<Node>();
q.add(root);
while( !q.isEmpty() ){

Node node = q.remove();

System.out.println(node.key);

if( node.left != null )
q.add( node.left );
if( node.right != null )
q.add( node.right );
}
}

// 寻找二分搜索树的最小的键值
public Key minimum(){
assert count != 0;
Node minNode = minimum( root );
return minNode.key;
}

// 寻找二分搜索树的最大的键值
public Key maximum(){
assert count != 0;
Node maxNode = maximum(root);
return maxNode.key;
}

// 从二分搜索树中删除最小值所在节点
public void removeMin(){
if( root != null )
root = removeMin( root );
}

// 从二分搜索树中删除最大值所在节点
public void removeMax(){
if( root != null )
root = removeMax( root );
}

// 从二分搜索树中删除键值为key的节点
public void remove(Key key){
root = remove(root, key);
}

//********************
//* 二分搜索树的辅助函数
//********************

// 向以node为根的二分搜索树中, 插入节点(key, value), 使用递归算法
// 返回插入新节点后的二分搜索树的根
private Node insert(Node node, Key key, Value value){

if( node == null ){
count ++;
return new Node(key, value);
}

if( key.compareTo(node.key) == 0 )
node.value = value;
else if( key.compareTo(node.key) < 0 )
node.left = insert( node.left , key, value);
else // key > node->key
node.right = insert( node.right, key, value);

return node;
}

// 查看以node为根的二分搜索树中是否包含键值为key的节点, 使用递归算法
private boolean contain(Node node, Key key){

if( node == null )
return false;

if( key.compareTo(node.key) == 0 )
return true;
else if( key.compareTo(node.key) < 0 )
return contain( node.left , key );
else // key > node->key
return contain( node.right , key );
}

// 在以node为根的二分搜索树中查找key所对应的value, 递归算法
// 若value不存在, 则返回NULL
private Value search(Node node, Key key){

if( node == null )
return null;

if( key.compareTo(node.key) == 0 )
return node.value;
else if( key.compareTo(node.key) < 0 )
return search( node.left , key );
else // key > node->key
return search( node.right, key );
}

// 对以node为根的二叉搜索树进行前序遍历, 递归算法
private void preOrder(Node node){

if( node != null ){
System.out.println(node.key);
preOrder(node.left);
preOrder(node.right);
}
}

// 对以node为根的二叉搜索树进行中序遍历, 递归算法
private void inOrder(Node node){

if( node != null ){
inOrder(node.left);
System.out.println(node.key);
inOrder(node.right);
}
}

// 对以node为根的二叉搜索树进行后序遍历, 递归算法
private void postOrder(Node node){

if( node != null ){
postOrder(node.left);
postOrder(node.right);
System.out.println(node.key);
}
}

// 返回以node为根的二分搜索树的最小键值所在的节点
private Node minimum(Node node){
if( node.left == null )
return node;

return minimum(node.left);
}

// 返回以node为根的二分搜索树的最大键值所在的节点
private Node maximum(Node node){
if( node.right == null )
return node;

return maximum(node.right);
}

// 删除掉以node为根的二分搜索树中的最小节点
// 返回删除节点后新的二分搜索树的根
private Node removeMin(Node node){

if( node.left == null ){

Node rightNode = node.right;
node.right = null;
count --;
return rightNode;
}

node.left = removeMin(node.left);
return node;
}

// 删除掉以node为根的二分搜索树中的最大节点
// 返回删除节点后新的二分搜索树的根
private Node removeMax(Node node){

if( node.right == null ){

Node leftNode = node.left;
node.left = null;
count --;
return leftNode;
}

node.right = removeMax(node.right);
return node;
}

// 删除掉以node为根的二分搜索树中键值为key的节点, 递归算法
// 返回删除节点后新的二分搜索树的根
Node remove(Node node, Key key){

if( node == null )
return null;

if( key.compareTo(node.key) < 0 ){
node.left = remove( node.left , key );
return node;
}
else if( key.compareTo(node.key) > 0 ){
node.right = remove( node.right, key );
return node;
}
else{ // key == node->key

// 待删除节点左子树为空的情况
if( node.left == null ){
Node rightNode = node.right;
node.right = null;
count --;
return rightNode;
}

// 待删除节点右子树为空的情况
if( node.right == null ){
Node leftNode = node.left;
node.left = null;
count--;
return leftNode;
}

// 待删除节点左右子树均不为空的情况

// 找到比待删除节点大的最小节点, 即待删除节点右子树的最小节点
// 用这个节点顶替待删除节点的位置
Node successor = new Node(minimum(node.right));
count ++;

successor.right = removeMin(node.right);
successor.left = node.left;

node.left = node.right = null;
count --;

return successor;
}
}
}