1. 先搞清楚这道题到底在考什么1.1 题目定位与常见误区对称二叉树这道题在 LeetCode 上编号 101属于二叉树章节的经典入门题同时也是“热门 100 题”里的常客。我印象里几乎所有大厂面试题库里都有它而且往往不是考你能不能写出来而是考你能不能讲明白为什么是这么写的。题目本身很简单给定一棵二叉树的根节点 root判断它是否轴对称。这里先问自己一个问题什么叫“对称”很多人第一反应是“左右子树相等”这个想法其实有偏差。真正的对称是指把整棵树沿着根节点的中线对折左右两部分能完全重合。顺着这个定义想你要比较的并不是根节点的左右子树是否完全一致而是它们是否互为镜像。互为镜像意味着什么假设左子树有一个节点 A右子树对应的镜像位置也应该有一个节点 BA 和 B 的值相等而且 A 的左孩子要对应 B 的右孩子A 的右孩子要对应 B 的左孩子。这个“交叉对应”关系是整个题目的题眼后面递归和迭代两种解法都是围绕着这个核心展开的。这个误区我见过太多次。初学者会写成判断 root.left 和 root.right 是不是完全相同也就是递归地比较 left.left 与 right.left、left.right 与 right.right。这样写对一棵完全对称的树可能碰巧通过但遇到稍微不对称的用例就会翻车因为相同子树和镜像子树的对应关系是不同的。面试时如果说出这个误区面试官往往会追问“那你觉得对称的定义是什么”所以先把定义理清楚比直接背模板重要得多。1.2 两条解题路线递归和迭代这道题官方题解给的是递归法用递归写出来非常简洁核心就三行逻辑。但如果面试官接着问“你能不用递归写一遍吗”就轮到迭代法上场了。迭代法的本质是用显式的队列或栈模拟递归过程实现原理不复杂但细节坑不少。两条路线分别对应两种不同的理解方式。递归法直观、好写适合在面试中快速给出解答迭代法则体现了“手动维护调用栈”的能力在实际工程中递归深度受限时更有意义。我不建议死记其中一种写法更推荐把两种都练熟面试时根据上下文选择展示哪一种。我个人的刷题习惯是先花几分钟在纸上画出几个对称和不对称的例子包括空树、单节点、深度为 2 的对称树、以及一个容易混淆的“值不对称但结构对称”的案例把这些例子跑通之后再写代码。手写用例这一步看起来很基础但真的能帮你避开“看起来对但实际错”的尴尬。2. 递归解法三行核心逻辑背后的判断标准2.1 递归函数的定义与终止条件写递归第一步是定义清楚函数语义。对于这道题我建议不要直接在 isSymmetric 里同时处理左右子树而是单独定义一个辅助函数 isMirror(left, right)它专门用来判断两棵子树是否互为镜像。isMirror 的语义要说清楚传入两个节点判断以这两个节点为根的子树是否互为镜像。注意是“镜像”而不是“相等”这一点贯穿始终。终止条件分三种情况两个节点都为 null说明这组镜像位置是空的对称成立返回 True。一个为 null 另一个不为 null说明结构不对称返回 False。两个都不为 null 但值不同返回 False。这三种情况写全之后就进入递归部分。很多代码模板会把“值不同返回 False”和“结构不对称返回 False”分开写看起来啰嗦但可读性更强也更容易排查问题。把它们合并成一条条件语句虽然可以缩短代码但面试时其实不太推荐因为牺牲了“讲清楚”的机会。这里还有一个容易被忽略的边界如果整棵树本身就是空的即 root 为 null题目默认返回 True。这一点在 LeetCode 的测试用例里是有的但如果你直接调用 isMirror(root.left, root.right) 而没有对 root 本身做判空null 的 left 属性就会抛空指针异常。很多人在这个细节上翻车。2.2 镜像比较的配对规则递归主体代码只有一行核心逻辑isMirror(left.left, right.right) and isMirror(left.right, right.left)。就把这句话写在纸上对照一棵树看一遍就能理解为什么是交叉配对而不是顺向配对。画一棵对称的二叉树1 / \ 2 2 / \ / \ 3 4 4 3左子树的左孩子是 3右子树的右孩子是 3它们要对应比较左子树的右孩子是 4右子树的左孩子是 4它们要对应比较。这就是 left.left 对 right.right、left.right 对 right.left 的来源。为什么不能顺向配因为“镜像”的本质就是反转。想象两面镜子对称放在一起镜子里左侧景物对应出来是另一侧的右侧这个生活常识其实就是代码逻辑的最好类比。如果你用顺向配对去判断上面这棵对称树反而会返回 False因为 left.left 是 3right.left 也是 3单独看这一对能对上但 left.right 是 4right.right 是 3就穿帮了。2.3 时间复杂度与空间复杂度分析时间复杂度容易分析每个节点最多被访问一次所以是 O(n)n 是树中节点总数。递归次数不是 n 次但每个节点参与的递归调用是常数次整体还是线性。空间复杂度需要分情况。递归栈的深度等于树的高度如果树是平衡的高度为 O(log n)如果树退化成链状比如每个节点只有一个左孩子高度就是 O(n)这种情况下递归深度会非常大实际运行时可能触发栈溢出。这也是我当时刷题时第一次意识到“递归虽好深度受限”这个问题的场景。对称二叉树这道题如果树很深迭代法在空间上其实更可控因为队列里最多同时存在一层节点对于一棵宽度很大的树可能比递归占用更多内存但至少不会因为深度而爆栈。所以两种方法各有利弊这也是我把代码和复杂度一起整理进笔记的原因。3. 迭代解法队列模拟镜像比较3.1 为什么用队列而非直接层序遍历迭代法的思路是把需要比较的两个节点成对放入队列每次从队首取出两个节点进行比较再把它们的孩子按照“镜像配对”的规则依次入队。本质上这就是手动的 BFS不过一次处理一对节点而且存储的顺序是配对后的顺序。为什么用队列而不是直接用层序遍历因为层序遍历拿到的是一层从左到右的节点列表你还需要再对列表做一次前后反转对比。虽然也能做但多了中间存储代码也更绕。而队列的“先进先出”天然适合成对处理每次取出两个来比较随后两个孩子节点再成对进去保证比较顺序始终是正确的镜像顺序。有人会用栈代替队列做迭代这其实也可以。栈版本可以理解为 DFS 版的迭代顺序不同但配对规则不变。只要保证“取出的两个节点是逻辑上互为镜像的一对”用队列还是用栈只是遍历顺序的差别结果是一样的。把这一点搞明白迭代法就算真的会了。3.2 入队顺序的对称性设计入队顺序是整个迭代法的灵魂写错一个顺序就会全盘皆输。正确顺序是left.leftright.rightleft.rightright.left每次从队列中取出最前面的两个节点它们就是一对镜像节点。这样依次入队的好处是取出节点时永远能拿到配对正确的一对不会出现左右错位的比较。有一个记忆技巧把入队顺序看成“先外后内、左右交替”。外是指 left.left 和 right.right这两个是靠近树外侧的孩子内是指 left.right 和 right.left这两个是靠近中轴的孩子。第一对和第二对分别对应“外侧镜像”和“内侧镜像”跟递归里 isMirror(left.left, right.right) and isMirror(left.right, right.left) 的顺序保持一致。3.3 栈版本与队列版本的等价性如果把队列换成栈代码几乎一样只需要把所有 pop 操作从“队首弹出”改为“栈顶弹出”。队列版本每次取的是最先入队的配对节点栈版本每次取的是最后入队的配对节点。两者的差异只在遍历顺序而不在比较逻辑。我在实际练习中推荐先用队列版本因为它更直观也更容易和层序遍历、腐烂的橘子这类 BFS 题目建立类比。等队列版本写顺手了再顺手把 pop 换掉试试栈版本你会发现其实代码只需要改一个函数名。这种小改造练习对理解 DFS 和 BFS 的差别很有帮助比单纯抄代码印象深刻得多。4. 核心代码实现与边界情况处理4.1 Python 与 Java 代码参考这里给出一份 Python 递归版、一份 Python 迭代版和一份 Java 递归版按照我自己的编码习惯加上了判空和注释。你可以把它作为刷题笔记直接记录。递归版本Pythonclass Solution: def isSymmetric(self, root: Optional[TreeNode]) - bool: if not root: return True def is_mirror(left: Optional[TreeNode], right: Optional[TreeNode]) - bool: if not left and not right: return True if not left or not right: return False if left.val ! right.val: return False return is_mirror(left.left, right.right) and is_mirror(left.right, right.left) return is_mirror(root.left, root.right)迭代版本Python使用队列class Solution: def isSymmetric(self, root: Optional[TreeNode]) - bool: if not root: return True from collections import deque queue deque([root.left, root.right]) while queue: left queue.popleft() right queue.popleft() if not left and not right: continue if not left or not right: return False if left.val ! right.val: return False queue.append(left.left) queue.append(right.right) queue.append(left.right) queue.append(right.left) return TrueJava 递归版class Solution { public boolean isSymmetric(TreeNode root) { if (root null) { return true; } return isMirror(root.left, root.right); } private boolean isMirror(TreeNode left, TreeNode right) { if (left null right null) { return true; } if (left null || right null) { return false; } if (left.val ! right.val) { return false; } return isMirror(left.left, right.right) isMirror(left.right, right.left); } }4.2 五个最容易踩的坑第一个坑是只判断了“值相等”却漏了“结构对称”。比如左子树比右子树多一个节点某组镜像位置一个是节点一个是 null值比较根本轮不到执行就返回了错误结果。所以结构判断必须先于值判断。第二个坑是迭代时忘了在循环里取出节点后检查是否为 null。Python 的 deque 允许存储 None取出来时如果不判空就直接访问 .val 或 .left就会抛 AttributeError。这也是为什么我上面代码在每次取出两个节点后先做两个都是 None 的短路判断。第三个坑是入队顺序写成 left.left、left.right、right.left、right.right。这样取出时比较的却是 left.left 和 left.right完全不是镜像关系。我调试时最喜欢用题目自带的那棵对称树跑这段“错误逻辑”很快就能看出来不对。第四个坑是递归版本里把终止条件写成 if not left or not right: return False然后又加一个 if left.val ! right.val。顺序没问题但要注意一旦 left 或 right 有一个为 null后面的值判断就永远不该执行。如果先取值再判空就崩了。第五个坑是对于 root 本身为空的情况不处理。很多在线评测对空树的预期是 true但如果你不做判空直接调用 root.left就会抛空指针。我在面试时见过有候选人因为这个边界条件卡住所以每次刷树题我都把“根节点为空”这几个字写在笔记第一行。4.3 空树与单节点树的情况先说空树root 为 null 时直接返回 true因为空树没有任何可以不对称的地方。这个判断要放在整个函数最开始避免后续访问 left 或 right 时报错。单节点树即 root 只有一个节点没有左右孩子。此时 isMirror(root.left, root.right) 传入两个 null在递归法中两个都为 null 返回 true在迭代法中两个都为 null 则 continue循环结束同样返回 true。所以单节点树天然对称这个结果符合直觉。还有一种情况是部分节点为空。比如左子树有左孩子但右子树没有对应的右孩子镜像位置上一个是节点一个是 null递归很快会在终止条件处返回 false。写代码时只要保证每次递归调用的参数传递正确就不需要额外针对这种场景写特殊判断递归会自动处理。5. 同类题目横向拓展与刷题建议5.1 对称二叉树与 BFS 类题目腐烂橘子刷完对称二叉树之后回头看会发现迭代法里的队列思想和 LeetCode 994 腐烂的橘子非常像。腐烂的橘子的核心是从所有初始腐烂橘子出发用 BFS 模拟每一分钟向外扩散一圈每一层扩展的时间计数就是分钟数。它同样使用队列保存当前层的节点处理完一层再进入下一层这正是对称二叉树迭代版在做的事情。差别在于对称二叉树每次取两个节点做镜像配对而腐烂橘子每次取一个格子向四个方向扩散。但共同点都是“队列 分层状态管理”。如果你能把对称二叉树的迭代逻辑吃透再去做腐烂橘子就会有一种熟悉的亲切感。我个人的经验是二叉树题和图题在 BFS 思路上是相通的练好一个另一类就能顺带入门。5.2 从递归到迭代栈类题目基本计算器对称二叉树递归法转迭代法关键就是显式地用数据结构模拟函数调用栈。这个思路跳出去看和 LeetCode 224 基本计算器里用栈存数字和运算符号有异曲同工之妙。一个是把递归调用改成手动栈一个是用栈维护处理优先级两者都在回答同一个问题如何用数据结构控制执行顺序。我在刷题时发现面试官喜欢把“递归改迭代”当作追问大多数二叉树题目都能通过显式栈改成 DFS 迭代版。对称二叉树刚好是一个特别好的练习素材因为它递归逻辑只有三行改写成迭代不会有太多干扰因素专注力可以全部放在“显式栈如何模仿隐式栈”上。练好这一题再去处理更复杂的非递归遍历就会轻松不少。5.3 刷题笔记方法论如何吃透一题带动十题最后聊聊我自己的刷题方法因为这道对称二叉树其实很适合用来练“一题多吃”。我有一个习惯每刷完一道题就问自己三个问题这道题最核心的判定条件是什么能不能用另一种遍历方式重写改一改题目条件会变成哪道题对称二叉树的核心判定是“镜像配对关系”这是递归和迭代共用的灵魂。你可以尝试把题目改成“判断两棵树是否相同”对应 LeetCode 100代码只需要把 isMirror 里的交叉配对改成顺向配对。再改成“判断二叉树是否自顶向下对称”或者“按层输出镜像结构”对应的又是另一批题目。从对称二叉树出发可以自然延伸到相同树100、翻转二叉树226、二叉树的层序遍历102、以及腐烂的橘子994。这种连锁刷题的方式比闷头按题号刷效率高很多因为你在每一道新题上都能看到上一道题的影子知识就这样串起来了。
1. 先搞清楚这道题到底在考什么1.1 题目定位与常见误区对称二叉树这道题在 LeetCode 上编号 101属于二叉树章节的经典入门题同时也是“热门 100 题”里的常客。我印象里几乎所有大厂面试题库里都有它而且往往不是考你能不能写出来而是考你能不能讲明白为什么是这么写的。题目本身很简单给定一棵二叉树的根节点 root判断它是否轴对称。这里先问自己一个问题什么叫“对称”很多人第一反应是“左右子树相等”这个想法其实有偏差。真正的对称是指把整棵树沿着根节点的中线对折左右两部分能完全重合。顺着这个定义想你要比较的并不是根节点的左右子树是否完全一致而是它们是否互为镜像。互为镜像意味着什么假设左子树有一个节点 A右子树对应的镜像位置也应该有一个节点 BA 和 B 的值相等而且 A 的左孩子要对应 B 的右孩子A 的右孩子要对应 B 的左孩子。这个“交叉对应”关系是整个题目的题眼后面递归和迭代两种解法都是围绕着这个核心展开的。这个误区我见过太多次。初学者会写成判断 root.left 和 root.right 是不是完全相同也就是递归地比较 left.left 与 right.left、left.right 与 right.right。这样写对一棵完全对称的树可能碰巧通过但遇到稍微不对称的用例就会翻车因为相同子树和镜像子树的对应关系是不同的。面试时如果说出这个误区面试官往往会追问“那你觉得对称的定义是什么”所以先把定义理清楚比直接背模板重要得多。1.2 两条解题路线递归和迭代这道题官方题解给的是递归法用递归写出来非常简洁核心就三行逻辑。但如果面试官接着问“你能不用递归写一遍吗”就轮到迭代法上场了。迭代法的本质是用显式的队列或栈模拟递归过程实现原理不复杂但细节坑不少。两条路线分别对应两种不同的理解方式。递归法直观、好写适合在面试中快速给出解答迭代法则体现了“手动维护调用栈”的能力在实际工程中递归深度受限时更有意义。我不建议死记其中一种写法更推荐把两种都练熟面试时根据上下文选择展示哪一种。我个人的刷题习惯是先花几分钟在纸上画出几个对称和不对称的例子包括空树、单节点、深度为 2 的对称树、以及一个容易混淆的“值不对称但结构对称”的案例把这些例子跑通之后再写代码。手写用例这一步看起来很基础但真的能帮你避开“看起来对但实际错”的尴尬。2. 递归解法三行核心逻辑背后的判断标准2.1 递归函数的定义与终止条件写递归第一步是定义清楚函数语义。对于这道题我建议不要直接在 isSymmetric 里同时处理左右子树而是单独定义一个辅助函数 isMirror(left, right)它专门用来判断两棵子树是否互为镜像。isMirror 的语义要说清楚传入两个节点判断以这两个节点为根的子树是否互为镜像。注意是“镜像”而不是“相等”这一点贯穿始终。终止条件分三种情况两个节点都为 null说明这组镜像位置是空的对称成立返回 True。一个为 null 另一个不为 null说明结构不对称返回 False。两个都不为 null 但值不同返回 False。这三种情况写全之后就进入递归部分。很多代码模板会把“值不同返回 False”和“结构不对称返回 False”分开写看起来啰嗦但可读性更强也更容易排查问题。把它们合并成一条条件语句虽然可以缩短代码但面试时其实不太推荐因为牺牲了“讲清楚”的机会。这里还有一个容易被忽略的边界如果整棵树本身就是空的即 root 为 null题目默认返回 True。这一点在 LeetCode 的测试用例里是有的但如果你直接调用 isMirror(root.left, root.right) 而没有对 root 本身做判空null 的 left 属性就会抛空指针异常。很多人在这个细节上翻车。2.2 镜像比较的配对规则递归主体代码只有一行核心逻辑isMirror(left.left, right.right) and isMirror(left.right, right.left)。就把这句话写在纸上对照一棵树看一遍就能理解为什么是交叉配对而不是顺向配对。画一棵对称的二叉树1 / \ 2 2 / \ / \ 3 4 4 3左子树的左孩子是 3右子树的右孩子是 3它们要对应比较左子树的右孩子是 4右子树的左孩子是 4它们要对应比较。这就是 left.left 对 right.right、left.right 对 right.left 的来源。为什么不能顺向配因为“镜像”的本质就是反转。想象两面镜子对称放在一起镜子里左侧景物对应出来是另一侧的右侧这个生活常识其实就是代码逻辑的最好类比。如果你用顺向配对去判断上面这棵对称树反而会返回 False因为 left.left 是 3right.left 也是 3单独看这一对能对上但 left.right 是 4right.right 是 3就穿帮了。2.3 时间复杂度与空间复杂度分析时间复杂度容易分析每个节点最多被访问一次所以是 O(n)n 是树中节点总数。递归次数不是 n 次但每个节点参与的递归调用是常数次整体还是线性。空间复杂度需要分情况。递归栈的深度等于树的高度如果树是平衡的高度为 O(log n)如果树退化成链状比如每个节点只有一个左孩子高度就是 O(n)这种情况下递归深度会非常大实际运行时可能触发栈溢出。这也是我当时刷题时第一次意识到“递归虽好深度受限”这个问题的场景。对称二叉树这道题如果树很深迭代法在空间上其实更可控因为队列里最多同时存在一层节点对于一棵宽度很大的树可能比递归占用更多内存但至少不会因为深度而爆栈。所以两种方法各有利弊这也是我把代码和复杂度一起整理进笔记的原因。3. 迭代解法队列模拟镜像比较3.1 为什么用队列而非直接层序遍历迭代法的思路是把需要比较的两个节点成对放入队列每次从队首取出两个节点进行比较再把它们的孩子按照“镜像配对”的规则依次入队。本质上这就是手动的 BFS不过一次处理一对节点而且存储的顺序是配对后的顺序。为什么用队列而不是直接用层序遍历因为层序遍历拿到的是一层从左到右的节点列表你还需要再对列表做一次前后反转对比。虽然也能做但多了中间存储代码也更绕。而队列的“先进先出”天然适合成对处理每次取出两个来比较随后两个孩子节点再成对进去保证比较顺序始终是正确的镜像顺序。有人会用栈代替队列做迭代这其实也可以。栈版本可以理解为 DFS 版的迭代顺序不同但配对规则不变。只要保证“取出的两个节点是逻辑上互为镜像的一对”用队列还是用栈只是遍历顺序的差别结果是一样的。把这一点搞明白迭代法就算真的会了。3.2 入队顺序的对称性设计入队顺序是整个迭代法的灵魂写错一个顺序就会全盘皆输。正确顺序是left.leftright.rightleft.rightright.left每次从队列中取出最前面的两个节点它们就是一对镜像节点。这样依次入队的好处是取出节点时永远能拿到配对正确的一对不会出现左右错位的比较。有一个记忆技巧把入队顺序看成“先外后内、左右交替”。外是指 left.left 和 right.right这两个是靠近树外侧的孩子内是指 left.right 和 right.left这两个是靠近中轴的孩子。第一对和第二对分别对应“外侧镜像”和“内侧镜像”跟递归里 isMirror(left.left, right.right) and isMirror(left.right, right.left) 的顺序保持一致。3.3 栈版本与队列版本的等价性如果把队列换成栈代码几乎一样只需要把所有 pop 操作从“队首弹出”改为“栈顶弹出”。队列版本每次取的是最先入队的配对节点栈版本每次取的是最后入队的配对节点。两者的差异只在遍历顺序而不在比较逻辑。我在实际练习中推荐先用队列版本因为它更直观也更容易和层序遍历、腐烂的橘子这类 BFS 题目建立类比。等队列版本写顺手了再顺手把 pop 换掉试试栈版本你会发现其实代码只需要改一个函数名。这种小改造练习对理解 DFS 和 BFS 的差别很有帮助比单纯抄代码印象深刻得多。4. 核心代码实现与边界情况处理4.1 Python 与 Java 代码参考这里给出一份 Python 递归版、一份 Python 迭代版和一份 Java 递归版按照我自己的编码习惯加上了判空和注释。你可以把它作为刷题笔记直接记录。递归版本Pythonclass Solution: def isSymmetric(self, root: Optional[TreeNode]) - bool: if not root: return True def is_mirror(left: Optional[TreeNode], right: Optional[TreeNode]) - bool: if not left and not right: return True if not left or not right: return False if left.val ! right.val: return False return is_mirror(left.left, right.right) and is_mirror(left.right, right.left) return is_mirror(root.left, root.right)迭代版本Python使用队列class Solution: def isSymmetric(self, root: Optional[TreeNode]) - bool: if not root: return True from collections import deque queue deque([root.left, root.right]) while queue: left queue.popleft() right queue.popleft() if not left and not right: continue if not left or not right: return False if left.val ! right.val: return False queue.append(left.left) queue.append(right.right) queue.append(left.right) queue.append(right.left) return TrueJava 递归版class Solution { public boolean isSymmetric(TreeNode root) { if (root null) { return true; } return isMirror(root.left, root.right); } private boolean isMirror(TreeNode left, TreeNode right) { if (left null right null) { return true; } if (left null || right null) { return false; } if (left.val ! right.val) { return false; } return isMirror(left.left, right.right) isMirror(left.right, right.left); } }4.2 五个最容易踩的坑第一个坑是只判断了“值相等”却漏了“结构对称”。比如左子树比右子树多一个节点某组镜像位置一个是节点一个是 null值比较根本轮不到执行就返回了错误结果。所以结构判断必须先于值判断。第二个坑是迭代时忘了在循环里取出节点后检查是否为 null。Python 的 deque 允许存储 None取出来时如果不判空就直接访问 .val 或 .left就会抛 AttributeError。这也是为什么我上面代码在每次取出两个节点后先做两个都是 None 的短路判断。第三个坑是入队顺序写成 left.left、left.right、right.left、right.right。这样取出时比较的却是 left.left 和 left.right完全不是镜像关系。我调试时最喜欢用题目自带的那棵对称树跑这段“错误逻辑”很快就能看出来不对。第四个坑是递归版本里把终止条件写成 if not left or not right: return False然后又加一个 if left.val ! right.val。顺序没问题但要注意一旦 left 或 right 有一个为 null后面的值判断就永远不该执行。如果先取值再判空就崩了。第五个坑是对于 root 本身为空的情况不处理。很多在线评测对空树的预期是 true但如果你不做判空直接调用 root.left就会抛空指针。我在面试时见过有候选人因为这个边界条件卡住所以每次刷树题我都把“根节点为空”这几个字写在笔记第一行。4.3 空树与单节点树的情况先说空树root 为 null 时直接返回 true因为空树没有任何可以不对称的地方。这个判断要放在整个函数最开始避免后续访问 left 或 right 时报错。单节点树即 root 只有一个节点没有左右孩子。此时 isMirror(root.left, root.right) 传入两个 null在递归法中两个都为 null 返回 true在迭代法中两个都为 null 则 continue循环结束同样返回 true。所以单节点树天然对称这个结果符合直觉。还有一种情况是部分节点为空。比如左子树有左孩子但右子树没有对应的右孩子镜像位置上一个是节点一个是 null递归很快会在终止条件处返回 false。写代码时只要保证每次递归调用的参数传递正确就不需要额外针对这种场景写特殊判断递归会自动处理。5. 同类题目横向拓展与刷题建议5.1 对称二叉树与 BFS 类题目腐烂橘子刷完对称二叉树之后回头看会发现迭代法里的队列思想和 LeetCode 994 腐烂的橘子非常像。腐烂的橘子的核心是从所有初始腐烂橘子出发用 BFS 模拟每一分钟向外扩散一圈每一层扩展的时间计数就是分钟数。它同样使用队列保存当前层的节点处理完一层再进入下一层这正是对称二叉树迭代版在做的事情。差别在于对称二叉树每次取两个节点做镜像配对而腐烂橘子每次取一个格子向四个方向扩散。但共同点都是“队列 分层状态管理”。如果你能把对称二叉树的迭代逻辑吃透再去做腐烂橘子就会有一种熟悉的亲切感。我个人的经验是二叉树题和图题在 BFS 思路上是相通的练好一个另一类就能顺带入门。5.2 从递归到迭代栈类题目基本计算器对称二叉树递归法转迭代法关键就是显式地用数据结构模拟函数调用栈。这个思路跳出去看和 LeetCode 224 基本计算器里用栈存数字和运算符号有异曲同工之妙。一个是把递归调用改成手动栈一个是用栈维护处理优先级两者都在回答同一个问题如何用数据结构控制执行顺序。我在刷题时发现面试官喜欢把“递归改迭代”当作追问大多数二叉树题目都能通过显式栈改成 DFS 迭代版。对称二叉树刚好是一个特别好的练习素材因为它递归逻辑只有三行改写成迭代不会有太多干扰因素专注力可以全部放在“显式栈如何模仿隐式栈”上。练好这一题再去处理更复杂的非递归遍历就会轻松不少。5.3 刷题笔记方法论如何吃透一题带动十题最后聊聊我自己的刷题方法因为这道对称二叉树其实很适合用来练“一题多吃”。我有一个习惯每刷完一道题就问自己三个问题这道题最核心的判定条件是什么能不能用另一种遍历方式重写改一改题目条件会变成哪道题对称二叉树的核心判定是“镜像配对关系”这是递归和迭代共用的灵魂。你可以尝试把题目改成“判断两棵树是否相同”对应 LeetCode 100代码只需要把 isMirror 里的交叉配对改成顺向配对。再改成“判断二叉树是否自顶向下对称”或者“按层输出镜像结构”对应的又是另一批题目。从对称二叉树出发可以自然延伸到相同树100、翻转二叉树226、二叉树的层序遍历102、以及腐烂的橘子994。这种连锁刷题的方式比闷头按题号刷效率高很多因为你在每一道新题上都能看到上一道题的影子知识就这样串起来了。
