关于二叉树的遍历有很多的方法， 下面介绍两个经典的遍历算法： BFS和DFS。一个是深度优先遍历， 一个是广度有优先遍历。 这两种遍历算法均属于盲目的遍历算法， 一般而言， 启发式的遍历搜索算法比较好一些。 。 关于各种遍历算法的对比， 将会在后面逐一提及。 这里不在赘述。

由于树是一个非线性的数据结构， 显然不能像linked list , 或者Array那样通过从头像最末尾移动去实现遍历每一个元素， 我们使用的是BFS和DFS算法。

例如下面的一个二叉树：

所谓的树遍历（Tree traversal）就是 process of visiting each node in the tree exactly once in some order。

这里， visiting的含义就是reading/processing  data in a node， 例如打印节点的数据（data）。

根据树的节点被遍历的order， 主要有两个经典的遍历算法： BFS（breadth first search）和DFS(depth first search)(这也是在图这个数据结构中常用的遍历图的算法)。

我们可以将Trees视为一种特殊的graph data structures。

BFS： 遍历树节点的顺序是逐层逐层的将所有的节点遍历完。 

DFS： 深度优先遍历，

不难看出， BFS主要有三种遍历形式， preorder, inorder, 还有post order的形式（尽管L和R看起来可以交换顺序， 这样就变成了6种， 但是in  convention， 我们认为一般从左子树开始， 所以姑且认为有3种， 而非6种）下面一一介绍：

Preorder traversal of the binary tree:

访问的顺序为：

遍历到A节点时候， 打印A的数据， 然后查看左子树。 此时A的左子树为NULL， 于是开始查看A的右子树：

后由于这个节点是叶节点A， A的右子树也是NULL， 于是返回到节点B（递归返回）， 查看节点B的右子树， B有右子树， 所以开始遍历右子树：

对于节点D， 同样的：

接下来， 返回到节点D， 访问其右子树：

于是到达E点， 同样的打印出数据， 访问左子树， 为NULL， 再访问右子树， 同样为NULL， 递归返回到根节点处：

最终我们访问完了根节点F的所有left subtree 的节点， 开始去访问F的right subtree, 先到J点， 打印出J节点数据， 让后访问左子树， 到达G点， 发现没有左子树， 访问G的右子树。

于是访问G的子树， 到达I节点， 打印出I的数据， 访问I的左子树， 不是NULL， 到达H ，打印出H的data, 由于H是叶子节点， 所以左右子树均为NULL， 递归返回到I， 返现I的右子树也是NULL， 返回到J：

 看到J的右子树不是NULL， 访问K节点， 打印出数据K的左右子树均为NULL， 所以最终所有的节点均被访问了：

DFS中的： Inorder Traversal 如下：

接下来， 到达A， 发现A的左子树为NULL， 接下来打印出数据， 开始访问A的右子树， 亦为NULL， 所以返回到节点B处， 打印出B的数据， 然后访问节点B的右子树， 于是到达节点C， 访问节点C的左子树， 为NULL， 所以打印出节点C的数据， 然后访问节点C的左子树， 也是NULL， 于是就返回到D：

递归返回到节点D的时候， 打印出节点D的数据， 开始访问节点D的右子树， 到达E， 同样有：

等等， 省略中间步骤， 最终遍历完所有的节点：

NOTE： 之所以叫做inorder, 是因为如果是一个BST， 我们最终打印出来的顺序是一个排好序的（从小到达的）数据。

PostOrder traversal,  同理， 很容易理解。 具体的访问节点的顺序如下：