给定一棵二叉搜索树,请找出其中第 k 大的节点。
示例 1:
1输入: root = [3,1,4,null,2], k = 1
2 3
3 / \
4 1 4
5 \
6 2
7输出: 4示例 2:
1输入: root = [5,3,6,2,4,null,null,1], k = 3
2 5
3 / \
4 3 6
5 / \
6 2 4
7 /
8 1
9输出: 4二叉搜索树(Binary Search Tree)又名二叉查找树、二叉排序树。它是一棵空树,或者是具有下列性质的二叉树: 若它的左子树不空,则左子树上所有结点的值均小于它的根结点的值; 若它的右子树不空,则右子树上所有结点的值均大于它的根结点的值; 它的左、右子树也分别为二叉排序树。
利用二叉搜索树的特性进行中序遍历。先遍历左节点,然后根节点,最后遍历右节点,得到的是一个递增序列,那么序列的倒序为递减序列。因此这道题我们可以转变为求二叉搜索树中序遍历倒序的第 k 个数。

1/**
2 * Definition for a binary tree node.
3 * function TreeNode(val) {
4 * this.val = val;
5 * this.left = this.right = null;
6 * }
7 */
8/**
9 * @param {TreeNode} root
10 * @param {number} k
11 * @return {number}
12 */
13const kthLargest = (root, k) => {
14 let res = null; // 初始化返回值
15 // 因为需要倒序第 k 个,所以处理是右节点,根节点,然后左节点
16 const dfs = (root) => {
17 if (!root) return; // 如果当前节点为 null,本轮处理结束
18 dfs(root.right); // 开始处理右节点
19 if (k === 0) return; // k 值 为 0,代表已经处理的节点超过目标节点,本轮处理结束
20 if (--k === 0) {
21 // 当 k 值 减 1 为 0,表示已经到了我们想要的 k 大 节点,保存当前值
22 res = root.val;
23 }
24 dfs(root.left); // 处理左节点
25 };
26 dfs(root); // 从初始化节点开始处理
27 return res;
28};时间复杂度 O(N):无论 k 的值大小,递归深度都为 N,占用 O(N) 时间。
空间复杂度 O(N):无论 k 的值大小,递归深度都为 N,占用 O(N) 空间。
思路还是二叉树的中序遍历,利用栈的方式进行遍历。

1/**
2 * Definition for a binary tree node.
3 * function TreeNode(val) {
4 * this.val = val;
5 * this.left = this.right = null;
6 * }
7 */
8/**
9 * @param {TreeNode} root
10 * @param {number} k
11 * @return {number}
12 */
13var kthLargest = function (root, k) {
14 if (!root) return 0;
15 // 声明储存栈
16 const stack = [];
17 // 判断当前栈否有节点和当前遍历节点位置
18 while (stack.length || root) {
19 while (root) {
20 // 往栈里添加当前节点,同时切换为右节点处理
21 stack.push(root);
22 root = root.right;
23 }
24 // 取出当前栈顶元素,根据添加的顺序,当前元素是栈内最大的
25 const cur = stack.pop();
26 k--;
27 if (k === 0) return cur.val;
28 // 切换为左节点处理
29 root = cur.left;
30 }
31 return 0;
32};时间复杂度 O(N):需要遍历整棵树一次,复杂度为 O(N)
空间复杂度 O(N):需要额外空间栈进行储存树,复杂度为 O(N)