一、概念
二叉搜索树也成二叉排序树，它有这么一个特点，某个节点，若其有两个子节点，则一定满足，左子节点值一定小于该节点值，右子节点值一定大于该节点值，对于非基本类型的比较，可以实现Comparator接口，在本文中为了方便，采用了int类型数据进行操作。
要想实现一颗二叉树，肯定得从它的增加说起，只有把树构建出来了，才能使用其他操作。
二、二叉搜索树构建
谈起二叉树的增加，肯定先得构建一个表示节点的类，该节点的类，有这么几个属性，节点的值，节点的父节点、左节点、右节点这四个属性，代码如下
static class Node{
Node parent;
Node leftChild;
Node rightChild;
int val;
public Node(Node parent, Node leftChild, Node rightChild,int val) {
super();
this.parent = parent;
this.leftChild = leftChild;
this.rightChild = rightChild;
this.val = val;
}
public Node(int val){
this(null,null,null,val);
}
public Node(Node node,int val){
this(node,null,null,val);
}
}
这里采用的是内部类的写法，构建完节点值后，再对整棵树去构建，一棵树，先得有根节点，再能延伸到余下子节点，那在这棵树里，也有一些属性，比如基本的根节点root,树中元素大小size，这两个属性，如果采用了泛型，可能还得增加Comparator属性，或提供其一个默认实现。具体代码如下
public class SearchBinaryTree {
private Node root;
private int size;
public SearchBinaryTree() {
super();
}
}
三、增加
当要进行添加元素的时候，得考虑根节点的初始化，一般情况有两种、当该类的构造函数一初始化就对根节点root进行初始化，第二种、在进行第一次添加元素的时候，对根节点进行添加。理论上两个都可以行得通，但通常采用的是第二种懒加载形式。
在进行添加元素的时候，有这样几种情况需要考虑
一、添加时判断root是否初始化，若没初始化，则初始化，将该值赋给根节点，size加一。
二、因为二叉树搜索树满足根节点值大于左节点，小于右节点，需要将插入的值，先同根节点比较，若大，则往右子树中进行查找，若小，则往左子树中进行查找。直到某个子节点。
这里的插入实现，可以采用两种，一、递归、二、迭代(即通过while循环模式)。
3.1、递归版本插入
public boolean add(int val){
if(root == null){
root = new Node(val);
size++;
return true;
}
Node node = getAdapterNode(root, val);
Node newNode = new Node(val);
if(node.val > val){
node.leftChild = newNode;
newNode.parent = node;
}else if(node.val < val){
node.rightChild = newNode;
newNode.parent = node;
}else{
// 暂不做处理
}
size++;19 return true;
}
private Node getAdapterNode(Node node,int val){
if(node == null){
return node;
}
// 往左子树中插入，但没左子树，则返回
if(node.val > val && node.leftChild == null){
return node;
}
// 往右子树中插入，但没右子树，也返回
if(node.val < val && node.rightChild == null){
return node;
}
// 该节点是叶子节点，则返回
if(node.leftChild == null && node.rightChild == null){
return node;
}
if(node.val > val && node.leftChild != null){
return getAdaptarNode(node.leftChild, val);
}else if(node.val < val && node.rightChild != null){
return getAdaptarNode(node.rightChild, val);
}else{
return node;
}
}
使用递归，先找到递归的结束点，再去把整个问题化为子问题，在上述代码里，逻辑大致是这样的，先判断根节点有没有初始化，没初始化则初始化，完成后返回，之后通过一个函数去获取适配的节点。之后进行插入值。
3.2、迭代版本
public boolean put(int val){
return putVal(root,val);
}
private boolean putVal(Node node,int val){
if(node == null){// 初始化根节点
node = new Node(val);
root = node;
size++;
return true;
}
Node temp = node;
Node p;
int t;
do{
p = temp;
t = temp.val-val;
if(t > 0){
temp = temp.leftChild;
}else if(t < 0){
temp = temp.rightChild;
}else{
temp.val = val;
return false;
}
}while(temp != null);
Node newNode = new Node(p, val);
if(t > 0){
p.leftChild = newNode;
}else if(t < 0){
p.rightChild = newNode;
}
size++;
return true;
}
原理其实和递归一样，都是获取最佳节点，在该节点上进行操作。
论起性能，肯定迭代版本最佳，所以一般情况下，都是选择迭代版本进行操作数据。
四、删除
可以说在二叉搜索树的操作中，删除是最复杂的，要考虑的情况也相对多，在常规思路中，删除二叉搜索树的某一个节点，肯定会想到以下四种情况,
1、要删除的节点没有左右子节点，如上图的D、E、G节点
2、要删除的节点只有左子节点，如B节点
3、要删除的节点只有右子节点，如F节点
4、要删除的节点既有左子节点，又有右子节点，如 A、C节点
对于前面三种情况，可以说是比较简单，第四种复杂了。下面先来分析第一种
若是这种情况，比如 删除D节点，则可以将B节点的左子节点设置为null，若删除G节点，则可将F节点的右子节点设置为null。具体要设置哪一边，看删除的节点位于哪一边。
第二种，删除B节点，则只需将A节点的左节点设置成D节点，将D节点的父节点设置成A即可。具体设置哪一边，也是看删除的节点位于父节点的哪一边。
第三种，同第二种。
第四种，也就是之前说的有点复杂，比如要删除C节点，将F节点的父节点设置成A节点，F节点左节点设置成E节点，将A的右节点设置成F，E的父节点设置F节点(也就是将F节点替换C节点)，还有一种，直接将E节点替换C节点。那采用哪一种呢，如果删除节点为根节点，又该怎么删除？
对于第四种情况，可以这样想，找到C或者A节点的后继节点，删除后继节点，且将后继节点的值设置为C或A节点的值。先来补充下后继节点的概念。
一个节点在整棵树中的后继节点必满足，大于该节点值得所有节点集合中值最小的那个节点，即为后继节点，当然，也有可能不存在后继节点。
但是对于第四种情况，后继节点一定存在，且一定在其右子树中，而且还满足，只有一个子节点或者没有子节点两者情况之一。具体原因可以这样想，因为后继节点要比C节点大，又因为C节点左右子节一定存在，所以一定存在右子树中的左子节点中。就比如C的后继节点是F，A的后继节点是E。
有了以上分析，那么实现也比较简单了，代码如下
public boolean delete(int val){
Node node = getNode(val);
if(node == null){
return false;
}
Node parent = node.parent;
Node leftChild = node.leftChild;
Node rightChild = node.rightChild;
//以下所有父节点为空的情况，则表明删除的节点是根节点
if(leftChild == null && rightChild == null){//没有子节点
if(parent != null){
if(parent.leftChild == node){
parent.leftChild = null;
}else if(parent.rightChild == node){
parent.rightChild = null;
}
}else{//不存在父节点，则表明删除节点为根节点
root = null;
}
node = null;
return true;
}else if(leftChild == null && rightChild != null){// 只有右节点
if(parent != null && parent.val > val){// 存在父节点，且node位置为父节点的左边
parent.leftChild = rightChild;
}else if(parent != null && parent.val < val){// 存在父节点，且node位置为父节点的右边
parent.rightChild = rightChild;
}else{
root = rightChild;
}
node = null;
return true;
}else if(leftChild != null && rightChild == null){// 只有左节点
if(parent != null && parent.val > val){// 存在父节点，且node位置为父节点的左边
parent.leftChild = leftChild;
}else if(parent != null && parent.val < val){// 存在父节点，且node位置为父节点的右边
parent.rightChild = leftChild;
}else{
root = leftChild;
}
return true;
}else if(leftChild != null && rightChild != null){// 两个子节点都存在
Node successor = getSuccessor(node);// 这种情况，一定存在后继节点
int temp = successor.val;
boolean delete = delete(temp);
if(delete){
node.val = temp;
}
successor = null;
return true;
}
return false;
}
private Node getSuccessor(Node node){
if(node.rightChild != null){
Node rightChild = node.rightChild;
while(rightChild.leftChild != null){
rightChild = rightChild.leftChild;
}
return rightChild;
}
Node parent = node.parent;
while(parent != null && (node == parent.rightChild)){
node = parent;
parent = parent.parent;
}
return parent;
}
具体逻辑，看上面分析，这里不作文字叙述了，
除了这种实现，在算法导论书中，提供了另外一种实现。
public boolean remove(int val){
Node node = getNode(val);
if(node == null){
return false;
}
if(node.leftChild == null){// 1、左节点不存在，右节点可能存在，包含两种情况 ，两个节点都不存在和只存在右节点
transplant(node, node.rightChild);
}else if(node.rightChild == null){//2、左孩子存在，右节点不存在
transplant(node, node.leftChild);
}else{// 3、两个节点都存在
Node successor = getSuccessor(node);// 得到node后继节点
if(successor.parent != node){// 后继节点存在node的右子树中。
transplant(successor, successor.rightChild);// 用后继节点的右子节点替换该后继节点
successor.rightChild = node.rightChild;// 将node节点的右子树赋给后继节点的右节点，即类似后继与node节点调换位置
successor.rightChild.parent = successor;// 接着上一步 给接过来的右节点的父引用复制
}
transplant(node, successor);
successor.leftChild = node.leftChild;
successor.leftChild.parent = successor;
}
return true;
}
private void transplant(Node node,Node child){
if(node.parent == null){
this.root = child;
}else if(node.parent.leftChild == node){
node.parent.leftChild = child;
}else if(node.parent.rightChild == node){
node.parent.rightChild = child;
}
if(child != null){
child.parent = node.parent;
}
}
五、查找
查找也比较简单，其实在增加的时候，已经实现了。实际情况中，这部分可以抽出来单独方法。代码如下
public Node getNode(int val){
Node temp = root;
int t;
do{
t = temp.val-val;
if(t > 0){
temp = temp.leftChild;
}else if(t < 0){
temp = temp.rightChild;
}else{
return temp;
}
}while(temp != null);
return null;
}
六、二叉搜索树遍历
在了解二叉搜索树的性质后，很清楚的知道，它的中序遍历是从小到大依次排列的，这里提供中序遍历代码
public void print(){
print(root);
}
private void print(Node root){
if(root != null){
print(root.leftChild);
System.out.println(root.val);// 位置在中间，则中序，若在前面，则为先序，否则为后续
print(root.rightChild);
}
}
总结
以上所述是小编给大家介绍的java实现 二叉搜索树功能，希望对大家有所帮助，如果大家有任何疑问欢迎给我留言，小编会及时回复大家的！
