摘要
关于二叉树的遍历也是很常见的问题，而最常用的遍历也是标题中的说的四种方式。
先序，中序和后序可以采用递归和迭代的方式来完成，也是深度优先的思想，后面会写出递归和迭代的方法。
层级遍历主要是借用队列这种数据结构来进行对二叉树逐层遍历，是广度优先的思想。
现在我们来写一下每一种的遍历方法。
1.中序遍历
先说一下中序遍历的方式是什么。对于二叉树的每个节点，从根节点开始，都要先遍历当前节点的左子节点，再遍历当前节点，然后是当前节点的右子节点。
简单来说就是左子树 -> 根节点 -> 右子树。
递归的方法很简单，这里面我们不详细的去说，直接上代码。
const logSort1 = function (arr, node) {
if (node != null) {
logSort1(arr, node.left)
arr.push(node.val)
logSort1(arr, node.right)
}
}
如果我们想用迭代的方法来做，就必须要有一个栈，因为递归的本质上其实维护了一个内部的栈，所以我们想要用循环的方式也需要自己创建一个栈。
第一步：
由于遍历的方式是先左子树，所以我们可以从根节点到下面的每个左子节点，一直入栈。
第二步：
出栈，出栈的时候，我们可以将出栈的节点放到结果集中了，然后拿到出栈节点的右子节点，以这个右子节点为根节点重复第一步。下图是2这个节点出栈后的情况，后序的情况可以自己继续推。
第三步：
直到栈已经空了并且出栈的最后一个节点已经没有右子节点了，我们可以说遍历已经结束了。
2.先序遍历
先序遍历的方式，对于二叉树的所有节点，是先遍历当前节点，再遍历当前节点的左子节点，最后再遍历当前节点的右子节点。
总结来说：根节点 -> 左子树 -> 右子树
同样，递归的方式我们不多说，直接上代码。
const logSort3 = function (arr, node) {
if (node != null) {
arr.push(node.val);
logSort3(arr, node.left);
logSort3(arr, node.right);
}
}
我们主要来说一下迭代的方式，同样的，只要我们用循环不用递归，那么我们必须要先维护一个自己的栈。
第一步：
由于是先根节点，再左子节点，我们依旧从根节点，依次到每个左子节点进行入栈，不过，记住刚才中序是在出栈的时候入结果集，但是这次我们根节点的优先级大于左子节点，所以我们入栈的时候就要把节点入结果集。
第二步：
出栈，这次我们出栈的节点我们不入结果集里面，但是我门出栈节点的右子节点，要重复第一步，下图是2节点出栈的情况。
第三步：
直到栈为空并且最后出栈的节点不包含右子节点，我们才能认为遍历已经结束。
const logSort4 = function (root) {
let stack = [], res = [];
while (stack.length > 0 || root) {
while (root != null) {
res.push(root.val)
stack.push(root)
root = root.left;
}
let node = stack.pop();
root = node.right
}
return res;
}
3.后序遍历
后序遍历的情况就是，对于二叉树的所有节点，先遍历当前节点的左子节点，然后是当前节点，最后是当前节点的右子节点。
总结来说：左子树 -> 根节点 -> 右子树
递归的方法直接上代码，重点还是在迭代的方法：
const logSort5 = function (arr, node) {
if (node != null) {
logSort5(arr, node.left);
logSort5(arr, node.right);
arr.push(node.val);
}
}
有了前两种遍历的讲解，我们一定知道我们首先要维护一个栈了，那么后序遍历的情况我们要怎么用循环来解决呢？
第一步：
我们一定要记住优先级，这种遍历方式的优先级就是left > right > root。
既然左子树的优先级最高，我们依旧从根节点，到每个左子节点进行入栈，由于根节点的优先级最低，所以我们不能在入栈的时候进行入结果集的操作。
第二步：
出栈的情况有点复杂，我们想一下：
如果出栈节点没有右子节点（不考虑左子节点的情况，因为是以左子节点入栈），或者右子节点已经入了结果集。那么是不是就能说明出栈节点已经变成了优先级最高的情况（或者说是一个不存在左右节点的根节点），这个时候我们就可以将该节点入结果集。
如果出栈节点有右子节点，那么说明出栈节点的优先级一定没有右子节点高，那么我们只能禁止这个出栈节点出栈，并且将优先级比他高的右子节点入栈，并且要以这个右子节点去重复第一步。
这里有一点难以理解，但只要记住优先级的顺序，并且记住我是以左子节点的顺序入栈的，就是可以想通的。
下图是2节点要出栈的情况，没出去憋回去了哈。
第三步：
直到这个栈已经为空并且出栈的节点没有右子节点了，我们可以说遍历已经结束了。
const logSort6 = function (root) {
let stack = [], res = [], pre = null
while (stack.length > 0 || root) {
while (root != null) {
stack.push(root)
root = root.left;
}
root = stack.pop();
if (root.right === null || pre === root.right) {
res.push(root.val)
pre = root;
root = null
} else {
stack.push(root)
root = root.right
}
}
return res
}
4.层级遍历
关于层级遍历，也是通过队列这种数据结构，先进先出，通过广度优先的方式来实现的。
第一步： 我们首先将根节点放入队列中。
第二步：我们将队列的节点全部出队列，入结果集，并且每个节点出队列的时候，都将该节点的左子节点和右子节点入队列。
第三步：重复第二步，直到队列已经为空，我们可以说遍历已经结束了。
这里面注意一下，我们层级遍历可以记录层数的奥。
const logSort7 = function (root) {
let queue = [root], res = [];
while (queue.length > 0) {
let len = queue.length;
let arr = [];
for (var i = 0; i < len; i++) {
let node = queue.shift();
arr.push(node.val)
if (node.left) {
queue.push(node.left)
}
if (node.right) {
queue.push(node.right)
}
}
res.push(arr)
}
return res
}