力扣刷题——二叉树相同的树

相同的树 地址：https://leetcode.cn/problems/same-tree/

class Solution {
    public boolean isSameTree(TreeNode p, TreeNode q) {
        //思路
        //其实也就是分为两部
        //第一步就是先判断是否是空
        //然后根节点和左树 和右数值是否一样
        //这个遍历需要用前序加中序才可以确定一个结构
       
        //这个题适合用递归

        //先判断你这个根节点是不是空
  
    if((p == null && q != null )||(p != null && q == null)) {
        return false;
    }
//走到这里有两种情况
//走到这里要不是就是比较就是被比较的最后了
if (p == null && q == null) {
    return true;
}

if(p.val != q.val) {
       return false;
    }
return  isSameTree(p.left,q.left) && isSameTree (p.right,q.right);
    }
}

“边遍历边对比” 的前提是 “同步遍历” —— 比如你的代码用的是 “同步前序遍历”，即：

1. 先对比两棵树的根节点；
2. 再同步递归对比两棵树的左子树（根的左孩子及其后代）；
3. 最后同步递归对比两棵树的右子树（根的右孩子及其后代）。

这个过程中，树 A 的任何一个节点，都有且只有树 B 的一个 “对应节点” 与之匹配—— 比如树 A 根的左孩子，只对比树 B 根的左孩子；树 A 左孩子的右孩子，只对比树 B 左孩子的右孩子。 这种 “一一对应” 的遍历，确保了我们不会漏对比任何一个节点，也不会错配节点（比如用树 A 的左孩子对比树 B 的右孩子）。

在遍历中 “同时验证结构和值”

我们以你的代码逻辑为例，把 “同步遍历” 拆成三个递进的判断步骤，每一步都在为 “结构一致” 和 “值一致” 做验证： **步骤 1：**先判断 “对应节点的存在性”（结构校验的核心） 遍历到任意一对对应节点（p 和 q）时，首先检查 “是否一个存在、一个不存在”：

if ((p == null && q != null) || (p != null && q == null)) {
    return false; // 结构不一致：一个有节点，一个空
}

• 这一步直接卡住 “结构差异” 的核心场景：比如树 A 在某个位置有节点，树 B 在同一个位置空着 —— 这种 “对应位置存在性不同”，就是结构不同的直接证据，立刻返回false。
• 反之，若通过这一步，说明当前对节点 “同时存在” 或 “同时不存在”—— 结构上暂时无问题，进入下一步。 **步骤 2：**处理 “对应节点同时不存在” 的情况（结构校验的终止） 若当前对节点都是null（比如两棵树的左子树都遍历到了叶子节点的下一层）：

if (p == null && q == null) {
    return true; // 结构一致：该位置都空，无需再深入
}

这是递归的 “终止条件”，也代表 “当前分支的结构完全一致”—— 因为两棵树在这个位置都没有更多节点了，不存在 “一方多节点、一方少节点” 的情况。 **步骤 3：**处理 “对应节点同时存在” 的情况（值校验 + 递归深入） 若当前对节点都非空（结构上暂时一致），则立刻校验它们的值：

if (p.val != q.val) {
    return false; // 值不一致：结构虽对，但值错了
}

这一步专门解决 “结构对但值错” 的场景（比如树 A 的节点值是 2，树 B 对应节点值是 3），值不同则直接返回false。 值校验通过后，必须递归深入到它们的左、右子树—— 因为 “当前节点对” 没问题，不代表 “它们的孩子节点对” 没问题：

return isSameTree(p.left, q.left) && isSameTree(p.right, q.right);

这里的&&是关键：只有 “左子树的所有对应节点都一致”且“右子树的所有对应节点都一致”，当前节点对的校验才算通过。 递归会把 “左子树” 和 “右子树” 当成两棵新的小树，重复步骤 1-3—— 直到遍历完所有对应节点，或中途发现差异。 “前序 + 中序” 或 “后序 + 中序” 能唯一确定一棵二叉树的结构 那为什么不用“前序 + 中序” 或 “后序 + 中序” 能唯一确定一棵二叉树的结构，“前序 + 中序” 或 “后序 + 中序” 能唯一确定一棵二叉树的结构，这是二叉树结构还原的核心规则；但在 “判断两棵树是否相同” 的问题中，我们不需要 “还原结构”，而是 “直接对比结构”—— 两者的目标不同，因此方法也不同。 一、先明确：“前序 + 中序确定结构” 的适用场景 “前序 + 中序” 的核心作用是从 “遍历序列” 反向推导出 “二叉树的物理结构”，它解决的是 “已知序列，重建树” 的问题，而非 “已知两棵树，判断是否相同”。 举个例子：如果只给你 “前序序列 [1,2,3]”，你无法确定树的结构 —— 可能是 “根 1，左 2，右 3”，也可能是 “根 1，左 2，左 3”（链状）。但如果同时给你 “中序序列 [2,1,3]”，就能唯一确定结构是 “根 1，左 2，右 3”。 这里的关键是：当你只有 “单个遍历序列” 时，无法确定结构；必须结合两种序列，才能反向还原出唯一的树结构。 二、“判断两棵树是否相同” 为何不需要 “先求序列再对比”？ 因为我们已经有了 “两棵树的完整物理结构”（函数参数 p 和 q 就是两棵树的根节点，能直接访问每个节点的左 / 右孩子），不需要 “通过序列间接推导结构”—— 我们可以直接同步遍历两棵树，逐节点对比 “结构一致性”，这比 “先求序列再对比” 更高效（少了 “生成序列” 的步骤）。 具体来说，你的代码本质上是 “同步前序遍历” 两棵树，在遍历过程中同时完成两件事：

1. 结构校验：判断当前对应节点是否 “同时为空” 或 “同时非空”（避免 “一个有节点、一个空” 的结构差异）；
2. 值校验：若节点非空，判断值是否相等。

这种 “边遍历边对比” 的方式，一旦发现差异（结构或值不同），能立刻返回 false，无需遍历完整棵树 —— 而 “先求序列再对比” 需要遍历完两棵树、生成序列后才能对比，效率更低。 三、如果用 “前序 + 中序” 判断，会怎么做？（对比理解） 虽然没必要，但我们可以通过 “生成序列再对比” 的思路，理解两种方法的差异，从而更清楚你的代码为何更优。步骤如下：

• 分别对 p 和 q 求 “前序遍历序列” 和 “中序遍历序列”；
• 对比 p 和 q 的 “前序序列” 是否完全一致，且 “中序序列” 是否完全一致；
• 若两个序列都一致，则两棵树结构和值均相同；否则不同。

示例：用该方法验证 “示例 2（结构不同）” p = [1,2] 的前序序列：[1,2]，中序序列：[2,1]； q = [1,null,2] 的前序序列：[1,null,2]，中序序列：[1,2]； 对比发现：前序序列不同（[1,2] vs [1,null,2]），中序序列也不同（[2,1] vs [1,2]）→ 判定不同。 但这种方法的问题：

• 效率低：需要遍历两棵树至少 2 次（前序 + 中序），还需要额外空间存储序列；
• 冗余：已知树的物理结构，却要先转成序列再对比，多此一举。